共查询到20条相似文献，搜索用时 203 毫秒
1.
苹果可溶性固形物含量的检测方法——基于可见光近红外光谱技术 总被引：3，自引：0，他引：3
为了快速检测苹果的可溶性固形物(SSC)含量,采用可见光近红外光谱技术,结合主成分分析(PCA)和BP神经网络技术,来建立苹果SSC的预测模型.获取苹果样本在345～1039 nm波段的漫反射光谱,采用DPS数据处理系统对其进行主成分分析,并提取出累计可信度大于95 %的5个新主成分.建立一个3层的BP神经网络模型,并将这5个新的主成分作为BP神经网络模型的输入量,其结果是98 %以上预测样本的预测相对误差在5 %以下.该研究表明,采用近红外光谱技术来建立苹果可溶性固形物的预测模型是可行的. 相似文献
2.
基于DPLS和LS—SVM的梨品种近红外光谱识别 总被引：4，自引：0，他引：4
为了实现不同品种梨的快速光谱鉴别,采用主成分分析法(PCA)对光谱数据进行聚类分析,得到3种不同品种梨的特征差异,主成分分析表明,以所有建模样本主成分PC1和PC2做出的得分图,对不同种类梨具有很好的聚类作用。利用主成分分析得到的载荷图可以得到对于梨品种敏感的特征波段,用特征波段图谱作为输入建立偏最小二乘判别(DPLS)模型和最小二乘支持向量机(LS-SVM)模型。3个品种梨各70个共210个分别建立偏最小二乘判别(DPLS)模型和最小二乘支持向量机(LS-SVM)模型。对未知的24个样本进行预测,LS-SVM模型品种识别准确率达到100%,DPLS模型的校正及验证结果与实际分类变量的相关系数均大于0.980,交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)都小于0.100,品种识别率为100%。表明提出的方法具有很好的分类和鉴别作用,提供了梨的品种快速鉴别分析方法。 相似文献
3.
为检测苹果内部品质,基于可见/近红外光谱检测技术并结合分拣机械手,设计了苹果内部品质分级机械手。该装置主要由夹持机构、近红外光谱采集系统、控制系统等组成。机械手稳定夹持苹果后采集苹果的近红外光谱数据,上位机软件中的预测模型对光谱数据进行分析处理,并显示光谱曲线和预测结果。为建立苹果可溶性固形物含量预测模型,基于该装置采集了苹果在650～1 100 nm波长范围内的光谱数据,通过国家标准测量法测得苹果样本的可溶性固形物含量,采用SG卷积平滑(SG-smooth)、标准正态变量变换(SNV)和多元散射校正(MSC)对光谱数据进行预处理,并结合可溶性固形物含量测量值建立偏最小二乘(PLSR)模型。结果表明,采用多元散射校正方法预处理后的建模效果最优,其预测模型的校正集和预测集相关系数分别为0. 978 2、0. 970 1,均方根误差分别为0. 274 6、0. 326 3°Brix。选取20个同品种苹果样本对该装置的稳定性和准确性进行了测试,可溶性固形物含量预测值与测量值相关系数为0. 957 3,均方根误差为0. 422 4°Brix。试验结果表明,苹果内部品质分级机械手在夹持苹果的同时可以实现对苹果可溶性固形物含量的准确预测。 相似文献
4.
梨可溶性固形物含量NIR与变量筛选无损检测 总被引：2，自引：1，他引：1
为提高利用近红外光谱技术快速检测梨可溶性固形物含量的精度和稳定性,结合区间偏最小二乘和遗传算法（iPLS-GA）来筛选校正模型中的特征光谱区和变量,通过交互验证法确定模型中的主成分因子数和筛选的变量,并以预测均方根误差（RMSEP）和相关系数（Rp）作为模型评价标准。试验结果显示：iPLS-GA最优模型包含5个光谱区、50个变量和10个主成分因子。最佳预测模型相关系数（Rp）和RMSEP 分别为0.9398和0.3250,研究结果表明近红外光谱结合iPLS-GA算法可以准确、无损检测梨的可溶性固形物含量。 相似文献
5.
利用可见-近红外光谱技术结合最小二乘支持向量机(LS-SVM)对不同贮存温度下的蜂花粉进行鉴别.选择-20、4、15、25和40℃ 5个温度下分别贮存60d后的蜂花粉为研究对象.对原始光谱数据进行平滑和附加散射校正(MSC)的预处理后进行主成分分析,选择4～20个主成分作为输入变量进行LS-SVM建模.模型预测参数比较结果显示,当主成分数取20时模型的预测效果最好,预测相关系数r2p≥0.9919,预测标准偏差(SEP)和预测均方根误差(RMSEP)分别为1.7854和1.7675,优于偏最小二乘回归(PLS)的预测结果,说明基于LS-SVM的可见-近红外光谱技术能够很好地对蜂花粉贮存温度进行检测. 相似文献
6.
7.
采用可见近红外漫透射光谱技术,探讨鸭梨黑心病和可溶性固形物含量同时在线检测的可行性。在5个/s运动速度下,采集了黑心果和正常果的可见近红外能量谱。分析了正常果和黑心果的可见近红外光谱响应特性,分别建立了鸭梨黑心病峰值比判别模型和偏最小二乘判别模型。同时建立了可溶性固形物偏最小二乘回归模型,考察了黑心病对鸭梨可溶性固形物偏最小二乘回归模型预测精度的影响,提出了鸭梨黑心病和可溶性固形物含量同时在线检测策略。采用未参与建模的新样品,评价鸭梨黑心病和可溶性固形物含量在线分选的准确性,黑心果判别准确性达到100%,正常果可溶性固形物预测标准差为0.45°Brix,分选正确率达到98%。 相似文献
8.
利用近红外光谱技术进行了柑橘货架期的快速鉴别模型的研究.在两个不同的时间采集从市场上购买的黄岩地区的32个柑橘(同一时间采摘)的近红外光谱,并将不同时间采集光谱时的柑橘的货架期分别定为1类和2类(间隔为10天),对不同货架期的柑橘样品光谱进行主成分特征提取,将提取的特征变量作为神经网络的输入,建立了基于主成分和神经网络的近红外光谱柑橘货架期的快速鉴别模型.所建模型对1类中7个样品货架期的鉴别结果中有4个样品的货架期预测准确率在90%以上;对2类中8个样品货架期的鉴别结果准确率均在90%以上.结果表明,近红外光谱技术可以很好地进行柑橘类水果的货架期的快速鉴别. 相似文献
9.
基于近红外光谱技术的发育后期苹果内部品质检测 总被引：2，自引：0，他引：2
为了解发育后期苹果内部品质与近红外光谱特性之间的关系,给田间管理、实时采收等提供依据,利用近红外漫反射技术测量了发育后期3个月内"富士"苹果在833~2 500 nm波长范围内的光谱特性,并测量了各样品的内部品质参数(可溶性固形物含量、硬度、p H值和含水率),分析了单一波长下吸光强度与各内部品质参数之间的线性关系。结果表明,单一波长下吸光强度与苹果各内部品质参数之间的线性相关性均较弱,基于单一波长下的吸光强度很难预测苹果的内部品质。为此,结合化学计量学方法建立了预测可溶性固形物含量、硬度、p H值和含水率的最小二乘支持向量机和极限学习机(ELM)模型,并分析了主成分分析(PCA)、连续投影算法(SPA)和无信息变量消除法等3种降维方法对模型预测性能的影响。结果表明,预测可溶性固形物含量、p H值的最优模型为SPA-ELM,其RMSEP分别为0.443 5°Brix和0.006 8;预测硬度、含水率的最优模型为PCA-ELM,其RMSEP分别为0.2612 kg/cm2和0.623 5%。 相似文献
10.
为实现温室环境下近色系果蔬的采摘识别,提出了一种基于统计方差结合人工神经网络的光谱选择方法对黄瓜敏感波段进行分析验证,并将选定的光谱组合作为温室黄瓜识别中光谱图像获取的参考依据。结果表明,利用所摄敏感波段的图像信息可有效地解决黄瓜目标与背景的区分问题。综合比较黄瓜作物(果实、叶、花)在不同光谱域的分光反射特性差异,利用方差分解方法获取果实信息的敏感波段,在敏感区域内进行主成分分析,将前4个主成分作为网络输入、作物器官类别作为输出,建立3层BP—ANN验证模型。将160个样本数据按比例分为建模集和预测集,模型对建模集120个样本的正确判别率为100%,对预测集40个样本的正确判别率为95%。说明敏感波段的选择能较好地反映黄瓜作物不同器官间的特性差异。 相似文献
11.
针对自然场景下的枣品种识别问题,以枣果为研究对象的机器视觉技术已成为枣品种精准识别的主流方法之一。针对枣品种存在类间差异小、类内差异大的问题,提出了一种基于多器官特征融合的枣品种识别方法。首先利用YOLO v3检测算法将采集的自然场景图像中的枣果和叶片器官分割提取,提出了基于笛卡尔乘积构建两器官组合对的枣品种多样本数据集,然后基于EfficientNetV2网络模型,设计了能够充分学习两器官特征相关性的融合策略来提升模型性能,引入了逐步迁移训练方式以提升枣品种识别效率。最后,在构建的包含20个枣品种数据集上进行了大量实验,得到97.04%的识别准确率,明显优于现有研究结果,并且在训练时间和收敛速度上,本方法也有一定提升。结果表明该方法能够有效融合枣品种枣果和叶片器官的特征信息,可为其他品种识别研究提供参考。 相似文献
12.
基于语义分割的矮化密植枣树修剪枝识别与骨架提取 总被引：1，自引：0，他引：1
为了实现休眠期枣树自动选择性剪枝作业,针对复杂树形结构修剪枝难以识别的问题,研究了基于语义分割网络实现自然场景中枣树修剪枝识别与骨架提取。通过RGB-D相机搭建的视觉系统获取不同天气情况下枣树的点云信息,根据距离阈值去除复杂的枣园背景,并构建枣树前景数据集。利用DeepLabV3+和PSPNet 2种深度学习模型分割枣树枝干同时获取其修剪枝的掩膜,并进行结果对比。对修剪枝掩膜进行二值化,依据二值图像的面积去除噪声,对去噪后的连通域标记,并提取修剪枝骨架,最终确定修剪枝数量,建立修剪枝数量真实值与预测值之间的线性回归模型。结果表明：基于ResNet-50特征提取网络的DeepLabV3+模型识别结果最好,平均像素准确率（mPA）、平均交并比（mIoU）分别为89%和81.85%,其中枣树主干、修剪枝2个类别的像素准确率（PA）和交并比（IoU）分别为90.36%、80.98%和80.34%、66.69%;在3种典型天气（晴天、阴天、夜间）情况下,晴天枣树枝干的mPA（91.97%）略高于阴天（91.81%）和夜间（90.98%）,同时,预测的修剪枝与真实值的R2（0.8699）也高于阴天（0.8373）和夜间（0.8120）,并得到最小的RMSE为1.1618。 相似文献
13.
为实现鲜枣内部综合品质的在线无损快速检测,利用可见/近红外光谱漫反射技术,针对完熟期壶瓶枣的内部品质,包括含水率、可溶性固形物含量、硬度、可溶性蛋白质含量、维生素C含量5项指标,分别采用竞争性自适应重加权算法(CARS)提取特征波长并建立最小二乘-支持向量机(LS-SVM)预测模型,硬度预测模型的相关系数和均方根误差分别为0.945 2和41.684 9,其余品质预测模型的相关系数均在0.923 0及以上、均方根误差均在3.779 2及以下。在此基础上,对5项品质指标进行了相关性分析,表明在0.01或0.05水平上两两指标间存在极显著或显著的相关性,故采用因子分析法构建了内部综合品质评价指标,建立了CARS-LS-SVM预测模型,结果表明该模型的相关系数和均方根误差分别为0.924 1和6.063 5,预测精度较高。研究表明,所建立的CARS-LS-SVM模型可有效实现鲜枣内部综合品质的评价。 相似文献
14.
为了从混合的饱满红枣和干瘪红枣中识别出干瘪红枣,首先分析了颜色空间模型的特性,选择灰度图、RGB颜色空间模型的R分量、L*a*b*颜色空间模型的a*分量,并使用不同的梯度算子作为对比;然后通过形态学运算、逻辑运算去除异常梯度,进行梯度归一化变换;最后采用归一化的梯度直方图作为红枣表面的纹理特征表示方法,并计算其梯度分布不均匀性作为判别准则。利用12通道红枣分选机采集240幅饱满与202幅干瘪红枣图像作为样本图像。实验结果表明,采用简单梯度算子对L*a*b*模型的a*分量提取纹理信息效果最好,误判率为0.83%,正确识别率高达99.01%。 相似文献
15.
以枣树为研究对象,通过对自然生长枣林与矮化密植枣林、截干枣林、极端矮化的枣树及不同修剪强度枣林土壤水分进行监测,采用水量平衡法分析上述情况下枣林耗水特点及枣树水分利用效率。结果表明:自然生长枣林每年在土壤中耗水量较矮化密植枣林大6.54 mm,耗水深度较矮化密植枣林大13.3 cm,水分利用效率最小,2014、2015年分别为2.1、1.8 kg/m~3;12龄枣林实施截干处理3年,其林下土壤水分恢复深度达460 cm,每年恢复深度达153.3 cm,是形成干层速度的3.41倍;极端矮化枣树规格降低1/2,其耗水量为同龄枣林的25%,水分利用效率是同龄枣林的1.26倍;枣树不同修剪强度与其蒸腾耗水关系紧密,随着修剪强度加大枣树蒸腾耗水量减小,林下土壤含水率可提高。研究显示,枣林可以通过对枣树规格的缩小来实现枣林耗水量及水分利用效率的调控,黄土高原半干旱区年降水量波动较大,确定当地适宜修剪强度指标时,建议参考多年平均降水量来制定。 相似文献
16.
17.
研究了冬枣片在各种干燥温度、风速和转速条件下的气体射流冲击干燥特性,并进行了方差分析,建立了冬枣片气体射流冲击干燥的数学模型,且对实验数据进行了拟合与验证。实验结果表明:冬枣片的整个干燥过程属于降速干燥。采用Modified Page等5种薄层经典干燥模型对干燥过程进行拟合,通过决定系数R2、均方误差根(RMSE)和误差平方和(SSE)等拟合优度评价指标对几种经典干燥模型的拟合进行评价,结果表明:冬枣片气体射流冲击干燥过程与Modified Page经典干燥模型较为吻合。 相似文献
18.
优良的烘干技术可以保证红枣质量,提升红枣口感。传统晾干技术中红枣浆烂率较高,浪费较大,满足不了农户对红枣干燥的要求。光波设备在食品烘干领域的应用已十分广泛,其以环保、节能、高效和杀菌等显著优势实现了食品烘干的新型工业化生产,将其应用于红枣烘干已成为一大趋势。为此,基于MSP430控制设计了红枣光波烘干机,运用模糊PID自动控制算法,准确控制红枣表皮烘干温度,将红枣有效烘干,并使红枣含水率控制在口感最佳的21%~23%,方便商户更好地储存。光波烘干技术可以明显提高红枣口感与质量,且具有时间短、速度快、能耗低的优点。 相似文献
19.
清选系统是气吸式红枣收获机的重要组成部分,降低清选含杂率、损失率和破损率是实现红枣收获机械化的关键技术。利用枣、杂惯性和流体力学特性差异,设计了一种惯性气流式红枣清选系统,并对其关键部件及结构参数进行设计和分析。采用Fluent软件探明了该清选系统内气流运动形成的“∞”形旋流有利于枣、杂的清选。为获得清选系统最佳工作参数,以气流速度、调节板开度为试验因素,以含杂率、损失率和破损率为评价指标,设计二次正交旋转组合试验。建立试验因素与指标间的回归模型,采用多目标优化算法进行参数优化,确定清选系统最优参数组合：气流速度为32.0m/s,调节板开度为3.4cm。在该条件下开展验证试验,得到含杂率、损失率和破损率分别为1.38%、3.37%和0.60%,与优化参数相比分别增加了0.06、0.12、0.03个百分点。该清选系统满足枣、杂清选作业要求。 相似文献
20.
惯性气流式红枣清选系统设计与试验 总被引：1，自引：0，他引：1
清选系统是气吸式红枣收获机的重要组成部分,降低清选含杂率、损失率和破损率是实现红枣收获机械化的关键技术。利用枣、杂惯性和流体力学特性差异,设计了一种惯性气流式红枣清选系统,并对其关键部件及结构参数进行设计和分析。采用Fluent软件探明了该清选系统内气流运动形成的“∞”形旋流有利于枣、杂的清选。为获得清选系统最佳工作参数,以气流速度、调节板开度为试验因素,以含杂率、损失率和破损率为评价指标,设计二次正交旋转组合试验。建立试验因素与指标间的回归模型,采用多目标优化算法进行参数优化,确定清选系统最优参数组合：气流速度为32.0 m/s,调节板开度为3.4 cm。在该条件下开展验证试验,得到含杂率、损失率和破损率分别为1.38%、3.37%和0.60%,与优化参数相比分别增加了0.06、0.12、0.03个百分点。该清选系统满足枣、杂清选作业要求。 相似文献