基于振动及EEMD-CMAC算法的鸭蛋散黄在线检测

针对鸭蛋长期存储以及运输过程中造成的散黄问题,构建一种基于振动信息的鸭蛋散黄在线检测流水线,可实现鸭蛋的自动触压和随动检测。通过磁致伸缩振子对鸭蛋扫频振动进行音频信息增强,对音频振动信号进行集合经验模态分解,并通过主成分分析进行降维提取主要特征,基于此,构建基于小脑神经网络的鸭蛋散黄检测模型。试验中,对320枚鸭蛋进行检测(训练集200枚,测试集120枚),结果表明,基于累积贡献率达98.14%的前5个主成分的鸭蛋散黄检测模型训练集和测试集识别率分别达98.66%和97.03%,每枚鸭蛋在线检测时间约1 s。研究表明,所研制的检测流水线基于磁致伸缩振子扫频激励未知品质鸭蛋,再结合EEMD-CMAC进行鸭蛋散黄检测是可行的,可满足流水线在线检测的要求。     

面向从江香猪选育的肌内脂肪活体超声无损测定

为探索从江香猪肌内脂肪含量的超声活体预测方法,该文选取110头从江香猪育肥猪开展活体测定,以超声图像为研究对象,利用Matlab R2015b软件提取灰度-梯度共生矩阵(gray gradient cooccurrence matrix,GGCM)及4个角度灰度共生矩阵(gray level cooccurrence matrix,GLCM)图像纹理特征参数。通过逐步回归分析法构建肌内脂肪(intramuscular fat,IMF)含量预测模型,再将此模型应用于另外42头从江香猪,验证模型准确性。逐步回归分析结果表明,背膘厚、灰度平均和梯度熵3个参数指标达到显著水平(P0.05),回归预测模型决定系数R2=0.369。线性回归及相关分析得出,估测值与实测值间RMSE为0.686,皮尔逊积矩相关系数(pearson correlation coefficients)和斯皮尔曼相关系数(spearman correlation coefficients)分别为0.592和0.640(P0.001)。该研究所构建的拟合回归模型可应用于从江香猪肌内脂肪活体预测,为后期高肌内脂肪含量从江香猪的选育提供更为便捷有效的手段。     

高光谱图像技术在掺假大米检测中的应用

为了有效判别出优质大米中是否掺入劣质大米,该文研究了一种针对大米掺假问题的快速、无损检测方法。从市场上购买了东北长粒香大米和江苏溧水大米,按纯东北长粒香大米、3∶1、2∶2、1∶3和纯江苏溧水大米共5个掺合水平进行大米试验样本的制备。利用可见-近红外高光谱图像采集系统(390~1050 nm)获取了200个大米样本的高光谱图像。采用ENVI软件确定高光谱图像的感兴趣区域(region of interest,ROI),并提取出所有样本在ROI内的平均高光谱数据。采用支持向量机(support vector machine,SVM)建立全光谱波段下的大米掺假判别模型,径向基(radial basis function,RBF)核函数模型交叉验证准确率为93%、预测集正确率为98%。由于高光谱信息量大、冗余性强且受噪声的影响较大,该文采用主成分分析方法(principal component analysis,PCA)分别对大米高光谱图像和高光谱数据进行处理,从特征选择和特征提取2个角度对原始高光谱数据进行处理,通过主成分权重系数图选择了531.1、702.7、714.3、724.7、888.2和930.6 nm 6个特征波长,通过留一交叉验证法(leave-one-out cross-validation,LOOCV)确定并提取出PCA降维后的最优主成分数(number of principal component,PCs)为9。最后分别将优选出的特征波长和提取出的最优主成分数作为模型的输入,建立SVM模型。试验结果表明,基于特征波长SVM模型的交叉验证准确率为95%、预测集正确率为96%,基于最优主成分数SVM模型的交叉验证准确率为94%、预测集正确率为98%。该研究结果表明,该文建立的基于特征波长和基于最优主成分数的SVM模型均具有较优的预测性能,且利用高光谱图像技术对大米掺假问题进行检测是可行的。     

基于蒙特卡罗特征投影法的小麦蛋白质近红外光谱测量变量选择

为了实现小麦蛋白质的无损检测,简化便携式小麦蛋白质检测设备的预测模型,提高模型预测精度,该文针对小麦采集波长范围为950～1690nm的近红外漫透反射光谱,结合蒙特卡罗采样(MCS,monte carlosampling)技术与特征投影图(LPG,latent projective graph)方法对波长变量进行选择。根据模型集群分析(MPA,model population analysis)思想,采用MCS技术建立样本子空间,利用主成分分析(PCA,principal componentanalysis)得到LPG,假定LPG中共线性光谱变量对建模作用相同,选出少数波长变量建立子预测模型,选出预测均方根误差(RMSEP,root-mean-square error of prediction)较小的子模型,统计分析其变量的出现频次,选取频次最高的波长变量作为影响变量(IVs,influential variables)。研究结果表明,利用IVs建模可以将RMSEP值由0.5245减小到0.2548,采用蒙特卡罗采样技术的特征投影图方法(MC-LPG,monte carlo-latent projective graph)进行变量选择,对于提高模型预测精度是可行的。     

表面解吸常压化学电离质谱结合人工神经网络鉴别新陈莲子

为实现对新陈莲子的快速鉴别,该文采用自行研制的表面解吸常压化学电离质谱（DAPCI-MS）,在无需样品预处理的前提下,直接对新鲜和陈年莲子切面进行质谱检测,获得其化学指纹图谱,并通过主成分分析（PCA）和反向传输人工神经网络技术（BP-ANN）对所获指纹谱图信息进行分析,获得新鲜和陈年莲子的质谱信息特征。结果表明,在负离子模式下,DAPCI-MS结合化学计量学方法,实现了新鲜和陈年莲子的快速鉴别,其测试样本准确率分别为95.0%和91.7%;对不同年份莲子也能够有效地分类判别,2012、2011、2010和2009年莲子测试样本准确率分别为90%,85%,85%和90%。该方法具有分析速度快,信息提取准确,识别精度高等优点,为其他粮食谷物品质的鉴定提供参考。     

近红外光谱法快速鉴定干海参产地

该文采用近红外漫反射光谱法,对来自4个不同产地的96个干刺参样品,进行了产地鉴别分析。研究表明：在5 000～4 000 cm-1 波段,干海参样品具有丰富的光谱结构,且反映出了由于海参生长环境不同带来的差异性;对该波段的一次微分光谱数据进行主成分聚类（PCCA）计算,可成功实现对其产地的鉴定分析。该研究为动物性海洋食品的产地快速鉴别分析提供了新方法。     

基于稳态空间分辨光谱的猪肉肌红蛋白检测方法

The objective of this work was to determine the concentration of myoglobin in fresh pork meat and establish a fast non-invasive method using steady spatially-resolved spectroscopy (SRS). The concentration of myoglobin was calculated based on absorbance coefficients at 640, 760, 800, 850 nm. The results showed that the value of myoglobin using SRS was significantly correlated (r2=0.955) to traditional methods with the accuracy of 3.6%F.S. The results showed that the concentration of myoglobin can be measured by using near infrared steady spatially-resolved spectroscopy.     

基于电子鼻的果园荔枝成熟阶段监测

为了无损快速监测荔枝成熟阶段,该文提出了一种基于电子鼻技术的果园荔枝成熟阶段监测方法,采用PEN3电子鼻获取挂果约25 d到果实成熟过程中6个成熟阶段荔枝样本的仿生嗅觉信息并同步获取了各成熟阶段荔枝的3项物理特征（果实直径、果实质量与果实可溶性固形物含量）。根据不同成熟阶段荔枝物理特征变化可知,荔枝果实直径与果实质量2项物理指标在挂果约32 d～39 d,以及53 d～60 d增长较快,可溶性固形物含量在挂果约32 d前无法测量,53 d～60 d阶段增长速度较慢。提取各样本电子鼻采样数据75 s时刻的各传感器响应值作为特征值后,采用载荷分析（loadings）进行传感器阵列优化,优选了传感器R2、R4、R6、R7、R8、R9和R10的响应数据进行后续分析。将优化后的传感器响应数据进行归一化处理。采用线性判别分析（linear discriminant analysis,LDA）进一步提取特征信息,降低数据中包含的冗余信息。LDA对荔枝成熟阶段的分类识别效果不佳。为进一步探究电子鼻监测果园荔枝成熟阶段的可行性,采用模糊C均值聚类分析（fuzzy C means clustering,FCM）、k最近邻函数分析（k nearest neighbor,KNN）和概率神经网络（probabilistic neural network,PNN）进行模式识别。研究结果表明,FCM对果园荔枝成熟阶段识别的正确率为89.17%。采用KNN与PNN建立识别模型后,KNN与PNN识别模型对训练集的回判正确率均为100%,对测试集的识别率均为96.67%,具有较好的分类识别效果。试验证明了采用电子鼻进行果园荔枝成熟度监测的可行性,为果园水果品质的实时监测提供参考。     

The installation of underground pipelines: effects on soil properties

Since the 1970s a network of underground pipes, up to 1200 mm diameter, has been installed in the UK to transmit crude oil to refineries and gas from onshore terminals for distribution. Chosen routes are subject to significant constraints. Current techniques for pipe installation involve topsoil removal and storage. Trench depth is set to allow a cover of 1200 mm overburden after pipes have been installed. The heavy machinery involved results in severe compaction of exposed subsoil. Subsoil is loosened comprehensively and topsoil replaced. Existing field drains are reconnected, and, if necessary, new drains with gravel backfill installed. Pipe installation usually takes place between April and October. Preventative measures to limit compaction during installation are not a practical option. If subsequent arable crops or grass are poorer or drainage more defective than before disturbance, the loss is assessed and compensation paid. To determine the cause of the loss >60, investigations have been made throughout the UK. Soil physical properties were assessed in an open trench using visual and tactile methods. Consistently, severe compaction in the subsoil was identified as the cause of poor crop growth or drainage; it was not observed in the topsoil. Specific recommendations for remedial action were made based on location, depth and severity of the compaction. These included the installation of additional land drains, increasing the amount of gravel above the drains, or further subsoil loosening orientated to cross gravel backfill. After appropriate remedial action, net compensation for crop losses was frequently small or negligible.     

基于网格的耕地质量分等成果省级汇总方法

耕地质量分等成果由县、省、国家3级成果组成,省级成果由县级成果汇总获取,是农用地分等工作中必不可少的环节。由于传统的汇总方法对汇总底图的过分依赖性,导致汇总效率低下,汇总后的质量完全取决于汇总底图的质量。基于该缺陷,该文提出利用网格取代汇总底图,将县级成果按照“权属-地类-等别”进行分类,根据面积占优原则确定对应网格所属类别,并通过空间最邻近方法寻找距离县级单元最近的网格单元,建立“网格-县级分等单元”的追溯关系。该文提出了以县行政代码、网格所在行列码、等别、地类组成21位省级汇总网格的编码方法。最后利用平均中心和标准差椭圆检验汇总前后耕地空间分布的相似性。以北京市大兴区为研究区进行了实例验证,大兴区根据“地类-自然等-利用等-经济等”组合共分为8类,根据大兴区耕地的分布,最终确定688个有效耕地网格。利用该文方法实现了省级汇总。经过检验表明,汇总前后耕地分布的平均中心和分布方向仅相差405.6 m和0.34°,说明该汇总方法保证了汇总前后耕地空间分布的一致性。与依赖汇总底图的方法相比较,省去了制作底图的工作量,提高了工作效率,并且将省级耕地定位在每个网格中,通过网格编码能够快速查找到对应位置的耕地质量,方便管理和应用。