排序方式: 共有32条查询结果,搜索用时 0 毫秒
1.
可溶性固形物含量(SSC)是评价桑椹鲜果品质的重要指标,利用近红外光谱分析技术建立快速、实时无损地检测桑椹鲜果中可溶性固形物的方法。首先用手持式Micro NIR1700型近红外光谱仪采集桑椹的近红外光谱,对光谱进行预处理后,应用偏最小二乘回归(PLS)法建立桑椹鲜果SSC预测模型,并用随机蛙(Random-frog)和自适应重加权采样(CARS)2种方法筛选出最优波长变量,提高PLS模型预测精度。经过1阶求导(1stDer)、标准正态变量变换(SNV)和均值中心化(MNCN)相结合预处理后的全波长光谱PLS模型的预测效果最好,校正集与验证集的相关系数平方(R2)分别为0.916 1和0.925 0,均方根误差分别为0.985 8°Brix和0.654 3°Brix。相较于Random-frog法,用CARS方法优选出19个波长变量,所建PLS模型的预测效果更好,校正集与验证集的R2分别为0.933 2和0.943 4,均方根误差分别为0.782 0°Brix和0.582 8°Brix。研究结果表明,利用手持式Micro NIR 1700型近红外光谱仪结合化学计量学方法,能够用于现场对桑椹鲜果SCC的快速无损检测。 相似文献
2.
家蚕与蚕座中桑叶(包括桑枝)背景的准确分割技术,是基于数字图像处理技术开发家蚕自动饲喂系统的关键技术,也是开发智能化、自动化养蚕系统的重要组成部分。试验以5龄家蚕(菁松)为研究对象,饲喂条桑,采用摄像机连续录制蚕座图像。首先采用Otus法与最大熵法对家蚕和桑枝(包括叶脉)图像进行处理,然后对图像RGB各分量数值进行分类统计分析,最终获得基于B分量的区分家蚕与桑枝的分割阈值。图像经此分割后,计算家蚕在蚕座中的面积占比。结果表明,蚕座图像经过Otus法与最大熵法处理去除了桑叶图像,在B分量上获得了最佳分割阈值129,去除了桑枝(包括叶脉),最终从图像中分割出家蚕,建立了家蚕在蚕座中面积占比的实时计算方法。经验证,该方法准确可靠,为开发自动化的家蚕自动饲喂系统提供了实验依据。 相似文献
3.
[目的]为家蚕蛹虫草大米培养基的应用和提高养蚕业的综合经济效益提供基础数据。[方法]分别对家蚕蛹虫草子实体及其大米培养基残基进行脱脂、热水浸提、脱蛋白、醇沉、干燥后得到粗多糖,用同种方法提取、纯化,并比较提取、纯化结果。[结果]家蚕蛹虫草子实体提取粗多糖得率为25.75%,培养基为12.85%。家蚕蛹虫草子实体和培养基粗多糖经DEAE-纤维素柱纯化,得到相似单一峰;家蚕蛹虫草子实体多糖的洗脱峰部分多糖含量占上样多糖总量的82%;培养基多糖的洗脱峰部分多糖含量占上样多糖总量的74%。两者所含多糖类似,大米培养基粗多糖得率较低,可不提取,有直接作为添加剂等生产应用价值。[结论]家蚕蛹虫草大米培养基可以作为一种新型添加剂加入饲料或调味品酿制原料中。 相似文献
4.
采用自动识别雌雄蚕蛹的技术与设备,是解决蚕种生产人工鉴蛹人力短缺和保证鉴蛹正确率的有效途径之一。以6个家蚕品种的蚕蛹供试,利用自制的在线近红外光谱检测装置进行雌雄蛹的鉴别。分别以3种采谱条件采集各供试家蚕品种蚕蛹样品的近红外光谱,以采用全谱和经竞争性自适应重加权算法(CARS)、无信息变量消除法(UVE)优选后的波长变量分别建立偏最小二乘判别分析(PLSDA)的雌雄蚕蛹识别模型。测试结果显示,在3种采谱条件下,以单个家蚕品种的光谱数据建模时雌雄蚕蛹鉴别的正确率达100%;多个家蚕品种的蚕蛹混合后采集光谱数据建模,其中采用方法 a(积分时间8 ms,扫描次数5次)、方法 b(积分时间为8 ms,扫描次数10次)、方法 c(积分时间20 ms,扫描次数10次)获取光谱数据建模的鉴别正确率分别达94.2%、95.2%、100.0%。选择高速采集光谱的方法 a,经CARS法优选波长后建模的测试结果优于经UVE法优选波长建模的结果,对校正集、交叉验证集和预测集蚕蛹样品的雌雄识别正确率分别为100%、100%和96.2%。研制的在线近红外光谱检测装置及建立的检测方法与模型,可应用于蚕种生产中快速鉴别分选雌雄蚕蛹。 相似文献
5.
6.
1987—1990年普氏野马繁殖报告 总被引:1,自引:0,他引:1
本文分析了普氏野马在栏养条件下四年的繁殖情况,报道了普氏野马在新疆野马饲养繁殖中心的繁殖率、增长率和成活率。四年共繁殖13胎,成活幼驹13匹,成活率100%。 相似文献
7.
优美的体形和体色是对锦鲤进行评价及购买时挑选锦鲤的重要特征,也是养鱼者应该首先考虑的。饲养者给锦鲤提供非常均衡的饮食,目的是为了让 相似文献
8.
9.
10.
茶叶咖啡碱近红外光谱模型简化方法 总被引:9,自引:4,他引:5
该文以茶叶为研究对象,以近红外光谱分析技术快速检测茶叶中的咖啡碱含量为目的,采用一种小波包分析-移动窗口偏最小二乘法(WPA-MWPLS)的处理光谱数据方法,即利用小波包精细的多层分解功能扣除背景、降低噪声的影响,利用移动窗口偏最小二乘法(MWPLS)挑选与茶叶中咖啡碱相关性较大的波数区间使用偏最小二乘法建立校正模型。与只经过Savitzky–Golay预处理后直接利用PLS所建模型相比,采用小波包分析-移动窗口偏最小二乘法使得预测相关系数R由0.9170提高到了0.9625;预测均方差RESEP由0.3071下降为0.2463。该结果表明:该方法具有预处理简单、优选参数和建模变量少等特点,能在很大程度上简化建模过程、提高建模和分析速度。 相似文献