排序方式: 共有14条查询结果,搜索用时 0 毫秒
1.
在6GF–4型林果无损检测与分选成套设备中,设计了基于可见/近红外光谱的柑橘糖度在线检测分选系统,系统主要包括传输装置、光谱采集装置、控制系统以及分选装置。系统在柑橘果实运动状态中采集其光谱信息,并通过所建立的果实糖度模型进行同步计算,根据所得糖度值对柑橘果实实现在线分选。在光谱采集装置中设计了双透镜式光路,可改变投射于柑橘果实上的光斑大小,通过研究比较试验参数积分时间和光斑尺寸大小,得出系统的最佳采集参数为积分时间100 ms,光斑尺寸设置为小,样本移动速率为5个/s。建立的SPXY–CARS–PLSR柑橘糖度在线检测模型校准集和预测集的决定系数分别为0.938和0.836,校准集和预测集的均方根误差分别为0.273°Brix和0.418°Brix。使用未参与建模的25个柑橘果实样本进行外部验证集的在线检测和分选,结果在1°Brix的误差范围内,检测糖度的准确率为92%;当样本分为4个等级时,系统分选正确率为92%;当样本分为3个等级时,系统分选正确率可达100%。 相似文献
2.
3.
非均质物料质量差异较大且不可分割,组合称重定量过程中组合对象不确定,存在组合称重定量精度与组合速度的矛盾.该研究针对链式组合称重定量系统,提出以定量精度及组合效率为目标,对组合样本数和抽样数进行优化分析,达到保证组合称重定量精度下,减少数据计算量以提高组合定量速度的目的.研究表明,在相同允许组合误差下,增大组合样本数可... 相似文献
4.
基于近红外光谱技术的茶油原产地快速鉴别 总被引:2,自引:3,他引:2
为研究茶油原产地溯源问题,维护其市场秩序,促进公平竞争。该文利用近红外光谱技术采集湖南、江西、安徽和浙江4个不同产地茶油的光谱数据,并运用 Savitzky-Golay 平滑(savitzky-golay, SG)、多元散射校正(multiplicative scatter correction, MSC)、一阶导数(first derivation, FD)和矢量归一化(vector normalization, VN)等4种方法对其进行预处理。采用偏最小二乘法(partial least squares, PLS)提取最佳主成分,构建 PLS 回归模型;同时,采用主成分分析(principal component analysis, PCA)和 PLS 算法提取最佳主成分,作为 BP 人工神经网络(BP artificial neural network, BPANN)输入变量,构建 PCA-BPANN 和 PLS-BPANN 模型。以验证集相关系数 RP 和验证集均方根误差 RMSEP 为模型的评价指标,分别优选最佳 PLS 和 BPANN 模型。试验结果表明,SG-PLS-DA 和 SG-PLS-BPANN-DA 模型对未知样本的整体分类准确率均大于90%。其中,SG-PLS-BPANN-DA 的鉴别效果优于前者,其建模集相关系数 RC、均方根误差 RMSEC 分别为0.974、0.170,验证集相关系数 RP、均方根误差 RMSEP 分别为0.972、0.172,对上述两类样本集的总体分类准确率分别为98.15%、95.83%,该模型能较准确鉴别茶油原产地。研究结果可为快速辨别茶油原产地提供参考。 相似文献
5.
吹扫式仿生嗅觉检测装置的设计与性能试验 总被引:1,自引:1,他引:0
为研究仿生嗅觉检测装置的检测性能,该文研制了一种吹扫式仿生嗅觉检测装置,选取传感器阵列灵敏度、响应时间和恢复时间作为装置性能指标,分析了传感器加热电压、待检气体湿度以及流量等控制参数对嗅觉检测性能的影响,并进一步验证优化控制参数的仿生嗅觉检测装置对气味检测的可行性和检测性能。试验结果表明:传感器阵列灵敏度随加热电压增大而增大,其响应和恢复时间随加热电压增大而减小,加热电压为5.0 V时,装置性能较佳,其传感器阵列灵敏度分布范围为2.260~4.823,响应和恢复时间分布范围分别为46~53 s、44~70 s;增加气体湿度会使传感器阵列灵敏度减小,同时也会延长响应和恢复时间,气体相对湿度为30%时,装置性能较佳;传感器阵列灵敏度随载气流量的增加先递增后减小,其响应和恢复时间随流量的增加先减小后递增,流量为100 m L/min时,装置性能较佳,其传感器阵列灵敏度分布范围为2.853~7.559,响应和恢复时间分布范围分别为35~50 s、30~50 s;在优化控制参数下,待检气体体积分数范围控制在0.002%~0.020%时,装置检测灵敏度较高,范围为3 577.1~6 700.7;线性特性和重复性较好,决定系数范围为0.901~0.997,变异系数范围为0.832%~9.696%,能满足仿生嗅觉气味检测的要求,可为后续开展仿生嗅觉的应用性研究提供数据参考与技术支撑。 相似文献
6.
针对柑橘果形特征中圆度和果径检测精度低、姿态定位时间长的问题,设计了一种嵌入式快速检测与控制系统。系统以STM32单片机为系统控制核心,测量了单目相机图像的半径误差和形状误差,并采用高斯滤波、数字图像形态学、Hu矩和Canny算法,对动态的柑橘图像进行姿态识别与柑橘果形检测。检测结果表明:视觉检测系统半径误差控制在1.8%以内,形状误差为2.71%~3.69%;在5个/s柑橘的检测速度下,柑橘圆度和果径的在线分级正确率分别为81%和91.92%。本研究结合机器视觉无损检测技术,实现了动态下柑橘圆度和果径特征的综合检测与分级。 相似文献
8.
在利用机器视觉系统对脐橙进行变袋长包装的过程中,脐橙的匀速直线运动会造成图像模糊进而导致脐橙边缘细节等特征信息丢失,极大地影响了脐橙尺寸检测精度。针对该问题,本文提出了一种求解脐橙图像模糊长度及恢复模糊图像的方法。对退化图像进行傅里叶变换(fourier transforn,FT),估计退化图像点扩展函数(point spread function,PSF),利用傅里叶频谱特性对运动模糊长度进行了计算,并采用了基于增益控制的Lucy-Richardson改进算法对运动模糊图像进行了Matlab复原仿真实验,结果表明:当算法迭代次数为8时,去振铃效应(ringing artifacts,RA)最明显,其图像分割误差最小。综合运用RGB颜色分量线性运算对传送链上的脐橙进行背景分割,对图像进行去噪处理以及二值形态学运算,利用最小外接矩形法(minimum enclosing rectangle,MER)计算脐橙本体的最大横径。实验结果表明,相对于原始未处理的模糊图像,使用本文算法使脐橙最大横径平均测量误差从5.1%下降至0.81%,提高了脐橙的包装精度。 相似文献
9.
10.