基于机器人的禽蛋自动检测与分级系统集成开发

将禽蛋的破损检测、内部品质检测以及检测和分级时的搬运工作集成到一个关节型机器人上,实现了禽蛋检测与分级的自动化和柔性搬运.机器人在视觉引导下,定位禽蛋位置并将其吸取,分别运动到基于敲击声音的破损检测和基于彩色图像的内部品质检测装置处,进行相应的检测,根据检测结果分级并将禽蛋搬运到相应等级的位置放下.文章给出了各子系统的组成结构、集成原理,硬件配置和主要参数.试验结果表明,该系统硬件配置合理,各部分能够协调工作,运行稳定.     

基于可控气流-激光检测技术的鸡肉嫩度评估方法

以鸡肉嫩度为研究对象,采用可控气流-激光检测技术的瞬态、蠕变回复和应力松弛等动静态检测模态,并使用支持向量机分类器和全局变量偏最小二乘算法,结合不同预处理方法,对鸡肉嫩度进行定性判别和定量预测。结果表明3个激励模态结合不同预处理算法均可实现鸡肉嫩度的定性定量评估。在定性方面,瞬态模态对嫩度具有最佳的分类效果;S-G卷积平滑算法表现出最佳的预处理性能,校正集嫩/老分类精度分别为1和0.98,马修斯相关系数为0.97;而验证集分类精度也达到了0.95和0.84。在定量预测方面,S-G卷积平滑算法在提升原始数据的信噪比上同样具有最佳效果;瞬态模态校正集和验证集模型相关系数分别为0.948和0.913,均方根误差分别为0.736N和1.013N。因此,在组织结构引起的品质预测动态模态较静态模态更适用。本研究开展的可控气流-激光技术在鸡肉嫩度评估的应用,为肉品检测领域提供了新的解决方案。     

基于物联网技术的仓储香蕉成熟度智能监测与预警系统设计

为了达到对香蕉成熟度的无损检测,减少由于过度存放及处理不及时造成的损失,基于物联网技术设计并实现了一套仓储香蕉成熟度智能监测与预警系统。该系统包括智能仓储数据采集终端、手持无线中继器和后台数据服务器3个部分,智能仓储数据采集终端将采集到的仓储香蕉的温度、湿度、二氧化碳和氨气等环境信息通过手持无线中继器传输到后台数据服务器,然后基于神经网络识别算法判断给出香蕉的成熟度状态和预警信息。测试结果表明,该系统可以有效地对仓储香蕉的成熟度状态进行监测和预警,提示用户进行及时的处理,从而大大降低香蕉的损失率,具有非常高的实用价值。     

机器视觉技术在禽蛋品质和孵化成活性检测中的应用

本文论述了利用机器视觉技术进行禽蛋品质检测分级及种蛋孵化成活性检测的意义，从禽蛋外形、表面缺陷、内部缺陷检测及种蛋孵化成活性检测等方面阐述了国内外研究现状，从硬件和软件两方面分析了在研究和应用中存在的不足，指出了目前尚需解决的难点问题。     

水果内部品质光特性无损检测研究及应用

基于水果光特性的无损检测和分级技术正越来越广泛地应用于水果的产后加工和质量评判中.本文介绍了水果内部品质光学特性检测原理及检测系统组成,分析了规则反射、透射和漫反射3种光特性测量方法在水果内部品质检测中的优缺点,并阐述了水果的糖度、酸度、硬度等内部品质光特性无损检测的国内外最新研究进展和应用前景.     

基于原型网络的小样本禽蛋图像特征检测方法

机器视觉因具有检测速度快、稳定性高及成本低等优点,已发展成为禽蛋无损检测领域主流检测手段。使用该技术对禽蛋进行无损检测时,需要依赖大量禽蛋图像作为数据支撑才能取得较好的检测效果。由于养殖安全等限制,禽蛋图像数据的采集成本较高,针对该问题,提出了一种适应于小样本禽蛋图像检测的原型网络（Prototypical network）。该网络利用引入注意力机制的逆残差结构搭建的卷积神经网络将不同类别的禽蛋图像映射至嵌入空间,并利用欧氏距离度量测试禽蛋图像在嵌入空间的类别,从而完成禽蛋图像的分类。本文利用该网络分别验证了小样本条件下受精蛋与无精蛋、双黄蛋与单黄蛋及裂纹蛋与正常蛋的分类检测效果,其检测精度分别为95%、98%、88%。试验结果表明本文方法能够有效地解决禽蛋图像检测中样本不足的问题,为禽蛋图像无损检测研究提供了新的思路。     

声发射检测技术及其在木质材料无损检测中应用的展望

介绍了声发射检测技术的定义、原理和特点, 回顾了声发射技术的发展历史以及它在木质材料无损检测领域中的应用; 在此基础上提出声发射检测技术在木材科学与技术领域的应用前景。     

东北林区贮木场火灾智能探测预警系统的研究

通过对林区贮木场火灾预警系统的设计、区域划分及火灾探测器的布局,并以东北林区——贮木场为实例进行应用分析,结果表明,贮木场内报警区域可根据场内楞堆区域的个数及作业生产线划分,探测区域按照500 m2<区域<1 000 m2进行划分,火灾探测器按照3 m×6.5 m间距进行安装,气体探测器安装在楞堆的东南方向,室外自检时间为4 h,区域报警系统采用无极性的二线制系统,集中报警采用三线制系统。     

梨树病毒病及其脱病毒研究进展

在总结梨树病毒病的主要危害和特点的基础上,综述了国内外梨树病毒种类,梨树病毒病防治,梨树病毒检测,茎尖脱病毒和脱病毒种苗快繁等研究进展,并探讨了我国梨树脱病毒技术研究方向.     

基于光声光谱和TCA迁移学习的稻种活力检测

种子活力是决定水稻产量的最重要因素之一,但目前水稻种子活力的近红外和高光谱等无损检测方法易受种子表皮颜色影响,且所建模型难以适应新品种。该研究提出基于光声光谱技术的稻种活力无损检测方法并结合迁移学习进行新品种稻种活力检测。首先,对Y两优、龙粳、南粳、宁粳、武运粳、新两优等具有区域代表性的典型6种水稻品种,进行高温高湿人工老化处理,得到0~7 d老化时间的水稻种子;再通过调制频率获得8种不同深度的光声光谱信息,用主成分分析、竞争性自适应重加权算法对光谱降维得到特征光谱后,对Y两优、龙粳、南粳、宁粳、武运粳分别建立偏最小二乘回归（Partial Least Squares Regression,PLSR）、反向传播神经网络（Back Propagation Neural Network,BP）、广义回归神经网络（Generalized Regression Neural Network,GRNN）、支持向量回归模型（Support Vector Regression,SVR）、深度卷积神经网络（Convolutional Netural Network,CNN）的稻种活力预测模型,并选择最优调制频率;最后,通过迁移学习将建立的模型迁移到新两优稻种进行活力预测。结果表明,光声光谱最佳扫描频率为300 Hz,CNN预测模型精度较高,相关系数和均方根误差分别优于0.990 9、低于0.967 5;且经过迁移学习,仅需通过对源域数据的训练,即可直接对新品种稻种的活力进行精确预测;通过TCA迁移学习后,新两优稻种活力预测的相关系数从0.718 5提高到0.990 3。研究表明,采用光声光谱深度扫描技术对不同种类稻种的活力进行高精度检测是可行的,且经过迁移学习,仅需80粒新品种稻种信息即可实现稻种活力的精确预测。