气体传感器鉴别花椒产地研究

目前花椒产地鉴别基本以感官评定为主,缺乏客观性,在实施应用时难以做到量化和标准化,难以做出判断。因此设计研发一种快速鉴别花椒的智能装置。该装置以气体传感器阵列为核心,能够独立对花椒气味信息进行检测和鉴别,区分不同产地的同类花椒。利用主成分分析和WilksΛ统计分析对检测数据进行处理。提取主成分5个,累积贡献率为94.41%,其对应Fisher判别模型训练集平均准确率达到88.6%,验证集90%,WilksΛ统计分析最终选取8个变量,其对应判别Fisher模型训练集平均准确率91.82%,验证集95%。对WilksΛ统计所选取变量建立细分类交叉验证的Fisher判别模型,平均正确率达到97.27%,将模型移植到采集装置,完成智能花椒品种鉴别装置。该方法是一种简便高效的花椒品种鉴别方法,可为今后进一步研究花椒产地、分级提供检测仪器和理论依据。     

基于光谱学和ARM的番茄叶绿素检测仪的开发

为了更加方便、简捷、快速的对温室番茄叶绿素含量进行检测,利用光谱分析技术,开发了一种用于预测温室番茄叶片叶绿素含量的新型作物长势仪。仪器选择527 nm和762 nm两个波长作为特征波长。由一个“Y”型光纤,两个硅光电池,一个信号处理单元,中心处理器及友好的人机交互界面组成。由番茄叶片反射回来的反射光经过“Y”型光纤到达硅光电池的表面,硅光电池可以将此光信号转换成电信号。然后经过信号处理单元的放大滤波转换成可以经CPU处理的电压信号。根据测量得到的光谱反射率可以计算出番茄叶片的光谱系数,再根据光谱系数预测     

结构相似子序列快速聚类算法及其在奶牛发情检测中的应用

准确高效的奶牛发情检测技术能够提高其受胎率、缩短胎间距,是改善奶牛繁殖效率和提高经济效益的重要手段。规模化、集约化养殖环境下,众多学术与科学研究证实奶牛行为方式和活动量是判断其是否发情的重要指标。目前常用奶牛行为决策方法主要是针对单点数据进行行为分类,而奶牛运动传感数据是按照时间顺序采集的多元时间序列数据,因此该文提出基于结构相似度的子序列段快速聚类算法(SC-SS,subsequence clustering based on structural similarity),首先利用加速度一阶差分值将奶牛运动动态时间序列传感数据划分成若干子序列段,然后计算子序列段加速度值、能量、标准方差等特征结构相似度;最后根据各个子序列的结构相似度进行快速聚类。试验数据分析对比表明,SC-SS较常用K-means算法具有更高的运行效率,可更有效地完成奶牛行为分类,提高奶牛发情检测的准确率。     

振流式精密播种装置种层厚度检测及控制系统研制

为提高振流式精密播种装置的播种合格率和播种稳定性,减少种子流动性的不同对播种合格率的影响,研制了基于超声波传感器的种层厚度检测和控制系统,对播种过程中的播种量实现全程监控和自动控制。试验表明:自动控制系统能有效检测出匀种装置筛分板上种层厚度的变化,并根据播种时种子流动性的不同,调整供种装置的振动幅度和频率,使种层厚度保持在设定的范围之内,调整时间约为4.32s;且当种子流动差异性过大时能有效报警;采用检测和控制系统后振流式精密播种装置杂交稻2～5粒/穴或取秧面积的播种合格率由80.1%提升到87.3%。该研究为杂交稻精密育秧播种装置的研究奠定了基础。     

基于漫反射光谱的叶面药液浓度检测方法

应用漫反射反射光谱对叶面药液质量浓度进行了检测研究。选择350～1900nm波段,以标准偏差归一化、三点滑动平均滤波、一阶导数组合预处理,应用逐步回归分析、主成分、主成分+人工神经网络、偏最小二乘、偏最小二乘+人工神经网络回归分析建立了5种数学模型。试验结果表明这5种算法的预测均方根误差分别为0.067、0.061、0.059、0.039、0.056,偏最小二乘法建模效果优于其他模型。考虑到不同作物种类对叶面药液浓度影响,选用八角金盘、油菜、青菜3种作物叶片为对象,在偏最小二乘下建模,其预测集相关系数分别为0.994、0.974、0.929,预测均分根误差分别为0.039、0.050、0.075。表明不同种类作物对叶面药液浓度检测影响较小,漫反射光谱技术检测叶面药液浓度是可行的。     

基于光流法与特征统计的鱼群异常行为检测

鱼类群体行为的异常检测能够为鱼类健康监控与预警提供重要的方法和手段,对研究鱼类行为的机理,提升水产养殖过程中的信息化水平具有非常重要的意义。该文通过计算机视觉和图像处理技术,基于鱼群运动特征统计方法,对鱼群异常行为检测进行研究。利用Lucas-Kanade光流法得到目标鱼群的运动矢量,并对目标运动的行为特征进行统计,得到速度与转角这2个行为特征的联合直方图与联合概率分布。最后,在联合概率分布的基础上,基于标准互信息(normalized mutual information-NMI)和局部距离异常因子(local distance-based outlier factor-LDOF)2种方法对鱼群行为进行异常检测。试验结果表明,2种异常检测方法均达到99.5%以上的准确率。     

基于图像处理的胡萝卜青头须根与开裂的检测方法

为了实现基于计算机视觉的胡萝卜外观品质自动分级系统,基于图像处理的方法,参照国家标准(SB/T10450-2007),该文提出影响胡萝卜外观等级的须根、青头、开裂等关键参数的提取算法.须根检测算法通过提取骨架检测端点数来实现,青头检测算法通过R分量上二值化得到,开裂检测算法使用S分量结合区域标记的方法完成,在此基础上构建了须根数、青头比和开裂度3个量化标准,对试验随机采集的520个胡萝卜图像的青头、须根和开裂进行检测,正确率分别达到了97.5%,81.8%,92.3%,总体识别率91.3%.该文所构建的胡萝卜关键特征检测方法,对研究机器视觉的胡萝卜外观品质自动检测装置与分级生产线具有积极意义.     

基于离子排斥色谱的饲料酸化剂中多种有机酸同步检测

为了规范饲用酸化剂的使用和管理,建立一种快速、准确的多种有机酸同步检测方法应需而生。该文以实现饲料酸化剂中多种有机酸的同步检测为目标,基于离子排斥色谱技术,对饲料酸化剂中多种有机酸(柠檬酸、酒石酸、苹果酸、乳酸、甲酸、乙酸、富马酸、丙酸和丁酸)的检测条件进行了优化研究。研究采用Bio-Rad Aminex HPX-87H(300mm×7.8 mmΦ,9μm)离子排斥色谱柱及二极管阵列检测器,以硫酸溶液作为流动相,比较了不同流动相浓度、不同柱温、不同流动相流速、不同检测波长等色谱条件对同步检测饲料酸化剂中9中有机酸的影响;以上述优选的条件建立分析方法,考察此方法的线性范围和检出限、回收率和精密度,并用实际样品进行了验证。研究结果表明:以0.025 mol/L硫酸溶液为流动相,流速0.70 m L/min,柱温30℃,DAD检测波长为210 nm,以保留时间结合待测物质的紫外特征吸收光谱进行定性分析,外标法进行定量分析。9种有机酸组分的质量浓度与其峰面积在一定范围内呈良好线性关系,决定系数0.999,9种有机酸组分在20 min内可以得到良好分离;方法检出限为0.01~2.4 mg/L,加标回收率为90.7%~101.1%,相对标准偏差为0.91%~3.33%。基于上述条件建立的检测方法能够满足饲料酸化剂中多种有机酸成分的同步定量分析。     

基于无线传感网络的规模化水产养殖智能监控系统

为了解决规模化水产养殖中有线监控系统带来的不利影响,并能实现对环境因子的准确测量与控制,该文介绍了一种基于无线传感网的智能监控系统在规模化水产养殖中的应用。系统利用对协议栈进行小幅的修改,完成了人工设置每个养殖池为一个簇,并通过适当修改路由协议,将自动选择簇头的工作变为人工设置固定簇头,大幅减少节点本身的计算工作,从而实现节能目的。控制器利用模糊控制与神经网络相结合的算法对数据进行处理分析,实现闭环控制。结果表明,系统内数据通信通畅,温度误差在±0.5℃范围内,溶氧量误差在±0.3 mg/L范围内,pH值误差在±0.3范围内。各养殖关键环境因子均满足控制精度,达到了设计要求,能够满足规模水产养殖智能化的需要。     

Development of an apparatus for testing heat-resistance time of combustible devices

Based on the characteristics of combustible cartridge case, a test method for heat-resistance time of minor-caliber rapid-fire gun with high rate of fire is proposed and test apparatus prototype is developed. The method is to do the flame detection through the use of photomultiplier tubes combined with optical fiber and detecting smoke by using the infrared and receiver combined with optical fiber. The test experiments show that the apparatus can effectively test the signal smoke and flames. Moreover, it can be applied to the heat-resistance test of other nonmetallic materials.