共查询到15条相似文献，搜索用时 187 毫秒
1.
基于高光谱图像和深度学习的菠菜新鲜度检测 总被引：8，自引：8，他引：0
针对传统机器视觉在实现菠菜新鲜度检测精度偏低的问题,该文提出了一种基于高光谱和深度学习技术的圆叶菠菜新鲜度识别新方法。以10℃常温贮存的圆叶菠菜为研究对象,以天为单位,综合考虑影响菠菜新鲜度的6个因素:贮藏天数、外观、含水率、叶绿素a、叶绿素b和胡萝卜素,将菠菜划分为新鲜、次新鲜和腐败3个等级。拍摄菠菜叶片的高光谱图像,计算ROI(region of interest)反射率均值后,基于分组精英策略遗传算法,结合2种分组策略,筛选出含6个波长的组合。定义训练集R和测试集合T,使用SVM分类器,基于波长对应的反射率,分别进行基于光谱特性界定菠菜的新鲜度分类试验。找出了识别率均值最高的3个波长,分别是389.55、742.325和1 025.662 nm。由于基于光谱特性进行菠菜新鲜度检测时识别率偏低。尝试基于菠菜的高光谱图像特征进一步进行菠菜新鲜度识别研究。从高光谱图像集中抽取这3个波长对应的菠菜图像,构成菠菜图像样本库(Norm Img389、Norm Img742、Norm Img1025和Norm Img_merge),基于深度学习技术建立菠菜新鲜度识别模型,对图像样本库中4类图像进行识别试验,平均识别准确率79.69%、68.75%、69.27%和80.99%。而Norm Img389测试集识别正确率接近80%,Norm Img_merge测试集识别正确率最高达到了80.99%,说明融合3个波长对应的图像进行等级识别效果最好。该研究实现了圆叶菠菜新鲜度的无损检测,具有实践和理论意义。 相似文献
2.
为实现储运过程中生鲜猪肉新鲜度实时检测，该研究基于可见/近红外光谱技术开发了掌上式生鲜猪肉新鲜度无损智能检测装置。检测装置以可见\近红外光谱采集单元为核心，搭建了硬件系统，开发了生鲜猪肉新鲜度多指标同时检测和新鲜度分级软件系统。通过研发的检测装置采集了不同部位猪肉的650～1 100 nm波长范围的漫反射光谱，经过标准正态变量变换（standard normal variable transformation，SNV）预处理后，对比连续投影算法（successive projections algorithm, SPA）和竞争性自适应加权抽样算法（competitive adaptive reweighted sampling, CARS）算法优选了猪肉新鲜度特征光谱，分别建立了不同部位猪肉新鲜度指标通用预测模型，并根据挥发性盐基氮（total volatile basic nitrogen，TVB-N）含量和pH值预测值，将猪肉分为新鲜、次新鲜和变质3个等级。试验结果表明，通过 SNV预处理和CARS算法筛选特征波长后建立的PLS预测模型（下文简称“SNV-CARS-PLS”）具有更好的性能， TVB-N含量、pH值、亮度L*、红度a*和黄度b*通用预测模型的预测集相关系数分别为0.942、0.945、0.940、0.933和0.833，预测均方根误差分别为1.131 mg/100 g、0.136、1.706、1.217和0.717。将通用检测模型导入检测装置进行了试验验证，对不同部位猪肉样本试验结果表明，TVB-N含量、pH值、亮度L*、红度a*和黄度b*的预测结果与理化值的均方根误差分别为1.109 mg/100 g、0.134、1.140、1.094和0.636；新鲜度的分级正确率为92.86%；单个样品检测时间约为1 s。该检测装置可满足不同部位猪肉新鲜度多指标现场快速检测和分级的需求，为及时掌握储运过程中生鲜猪肉新鲜度情况、辅助决策储运和销售方案、保障生鲜猪肉品质安全具有重要作用。 相似文献
3.
基于时间对比分析法的散斑种子活力检测 总被引：1，自引：0，他引：1
《南方农业》2017,(24)
生物散斑是激光照射在生物体表面产生的散斑现象。生物散斑的变化与生物体内的某些性质相关,因而作为一种新型检测技术被广泛研究。生物散斑具有非接触、无创伤、高精度、高灵敏度、抗干扰能力强和操作简单等优点,在农林业上得到了广泛应用。运用激光散斑技术测量麻皮豌豆种子活力,通过时间对比分析法(LSTCA)处理部分散斑图像,得到不同的散斑值曲线,将结果与栓皮栎种子实际发芽结果对比,结果表明:利用散斑值曲线无损快速区分栓皮栎种子的活力可以实现。 相似文献
4.
基于生物散斑图像和惯性矩谱分析的牛肉掺腐检测 总被引：1，自引：1，他引：0
牛肉掺假严重危害消费者的健康与经济利益,因此对牛肉掺假进行无损检测具有重要意义。该文基于生物散斑技术对牛肉掺假进行定量检测。试验将新鲜牛肉和非新鲜牛肉按不同比例(0、1%、3%、5%~60%(5%梯度)和100%)混合制备掺假样本,并采集样本的生物散斑图像。针对单列惯性矩(inertia moment,IM)表征样本生物活性存在稳定性差的问题,首次提出惯性矩谱(IM谱)分析的方法并用于建立基于支持向量回归机(support vector regression machine,SVR)的牛肉掺假检测模型。结果表明基于IM谱建立的SVR模型能较为准确预测牛肉中掺假物含量,校正集和测试集的决定系数分别为0.85和0.81,均方根误差分别为0.12和0.11。该研究证明了利用生物散斑技术和惯性矩谱分析方法对新鲜牛肉中掺杂腐败牛肉进行定量检测是可行的。 相似文献
5.
在可见光和紫外光照明条件下,皮棉中白色异性纤维和棉花背景的颜色相近,很难用现有的机器视觉系统或人工方法检测出来。该文以12种典型白色异性纤维为样本,采用线扫描相机,分别在红色激光（波长658 nm）、蓝色激光（波长405 nm）和红外激光（波长850 nm）3种照明条件下,改变激光功率和曝光时间,获取了300幅白色异性纤维与棉花的图像。在此基础上,根据同一图像中目标和背景的平均灰度值计算了图像的对比度,然后作出了不同激光波长、功率、曝光时间和图像对比度之间的关系曲线,最后,在该试验装置的条件下,该文确定了线激光成像的最佳检测波长为658 nm、光功率为55 mW和曝光时间为36 μs,发现采用优化的线激光参数成像,图像中12种白色异性纤维灰度值已经接近饱和而棉花还处于欠饱和状态,"目标"和"背景"的对比度达到最大,利用两者平均灰度值的明显差异可以检测出棉花中的白色异性纤维。试验结果表明,采用优化的线激光成像参数获取730幅棉花图像,利用简单的Prewitt算子边缘检测法和固定阈值的二值化方法对图像进行分割,12种典型白色异性纤维样本的正确识别率分别可达93.7%和92.9%。 相似文献
6.
基于高光谱成像技术的猪肉新鲜度评价 总被引：18，自引：5，他引：18
该文研究利用高光谱成像技术预测猪肉新鲜度参数,挥发性盐基氮(TVB-N)和pH值。在470～1000nm波长范围内,从高光谱图像中提取的反射光谱,分别经过2次Savitzky-Golay(S-G)平滑、多元散射校正(MSC)处理后,建立PLSR(偏最小二乘法)的预测模型。对TVB-N的预测,使用2次S-G平滑处理、MSC光谱建立的PLSR预测模型相关系数分别为0.90和0.89,预测模型标准差分别为7.80和8.05。对pH值的预测,经过MSC处理比2次S-G平滑处理的结果好,相关系数为0.79,预测模型标准差为0.37。同时综合2个参数利用MSC处理后的预测模型对猪肉新鲜度进行评定,准确率达91%。研究结果表明,高光谱成像技术可以用于猪肉新鲜度快速无损检测。 相似文献
7.
鸡蛋新鲜度的光特性无损检测 总被引：1，自引：1，他引：1
光学特性正越来越广泛应用于农产品质量分析、新鲜度和成熟度检测中。本研究目的是探讨光特性无损检测鸡蛋新鲜度的原理和实现方法。试验以200个不同新鲜度的鸡蛋为研究对象，在温度为(28±2)℃，相对湿度为55%的贮藏条件下，在200～800 nm光谱测量范围内对鸡蛋的新鲜度与贮藏时间的相关性进行了追踪光透射特性试验，同时对鸡蛋新鲜度与不同贮藏时间的相关性进行了分析。通过Origin 6.0对光谱透射数据的统计分析建立了透射率与波长，透射率与贮藏时间的相关数学模型，其相关系数分别为0.86和0.94，并找出了用于检测新鲜度的特征波长为465 nm。试验结果表明鸡蛋的透射特性应用于鸡蛋新鲜度检测具有可行性和快速性。 相似文献
8.
为了测试利用激光散斑技术区分梨的缺陷与果梗/花萼的可行性,建立了激光散斑图像采集系统,对皇冠梨缺陷(腐烂)部位以及完好部位(花萼/果梗,无缺陷部位)分别进行了激光散斑图像的采集。利用Fujii方法(Fujii’s method)和加权广义差分方法(weighted generalized differences,WGD)对512幅散斑图像进行分析,对得到的Fujii和WGD结果图进行灰度共生矩阵特征提取,分别提取了角二阶矩、熵、惯性矩和相关性相应的均值及标准差,共计16组特征量。利用ROC曲线(receiver operator characteristic curve,ROC)进行特征量选取,结合约登指数测试单一特征量的分类效果,并利用二元logistic回归方法对所选特征量两两组合进行分析,结果显示基于WGD方法得到的角二阶矩均值与相关性标准差相结合在区分缺陷时效果最好,建模和预测准确率均达到了97.5%。试验的结果表明利用激光散斑图像方法对梨缺陷与果梗/花萼进行识别是可行的。 相似文献
9.
基于监督正交局部保持映射的植物叶片图像分类方法 总被引：2，自引：2，他引：0
针对传统的线性分类方法不能有效处理复杂、多变和非线性的植物叶片图像,在局部保持映射算法的基础上,提出了一种监督正交局部保持映射算法,并应用于基于植物叶片图像分类中。该算法首先利用Warshall算法计算样本的类别矩阵,在此基础上充分利用样本的局部信息和类别信息构造类间散度矩阵和类内散度矩阵,使得维数约简后,在低维子空间同类样本之间的距离变小,而不同类样本之间的距离增大,由此提高了该算法的分类能力。最后,利用K-最近邻分类器进行植物分类。与经典的监督子空间维数约简方法相比,该方法在构建类内和类间散度矩阵时不需要判别数据的类别信息,能够提高算法的分类性能。在公开植物叶片图像数据库上进行了一系列植物叶片分类试验,平均正确识别率高达95.92%。试验结果表明了该算法在植物分类中的可行性。 相似文献
10.
基于高光谱图像光谱与纹理信息的生菜氮素含量检测 总被引：3，自引：10，他引：3
高光谱图像包含丰富的光谱与图像信息,该文基于此试图构建生菜氮素检测模型。利用高光谱图像采集系统获取可见-近红外(390~1 050 nm)范围内的生菜叶片高光谱图像,同时利用凯氏定氮法获取对应叶片的氮素值。将光谱反射值较大波长图像与反射值较小波长图像相除并用阈值化法构建掩膜图像,获取感兴趣区域(ROI,region of interest)。由于高光谱数据量大、且数据间冗余性强,因此如何有效的提取一些特征波长十分重要。该文采用主成分分析(PCA,principal component analysis)对原始高光谱图像进行处理,根据前3个主成分图像(PC1、PC2、PC3)在全波长下的权重系数分布图选出662.9、711.7、735.0、934.6 nm 4个特征波长及对应的光谱特征,并且分别提取4个特征波长图像、主成分图像PC1、PC2、PC3在ROI下的基于灰度共生矩阵的纹理特征,最后利用支持向量机回归(SVR,support vector machine regression)分别建立生菜叶片基于特征波长光谱特征、特征波长图像与主成分图像的纹理特征及光谱纹理融合特征与对应氮素值之间的关系模型。结果表明,在校正性能指标决定系数R2C上,基于光谱特征+特征波长图像纹理特征的模型较好,R2C=0.996,校正集均方根误差RMSEC为0.034;在预测性能指标决定系数R2P上,基于光谱特征的模型较好,R2P=0.86,预测集均方根误差RMSEP为0.22。该研究结果可为农作物氮素的快速、无损检测提供一定的参考价值。 相似文献
11.
基于稳态空间分辨光谱的猪肉新鲜度检测方法 总被引：5，自引：0，他引：5
该文探索肉品光学参数与新鲜程度变化之间的关系,从而为无损、快速地评定猪肉新鲜度提供一种方法。基于生物光子学原理,应用近红外稳态空间分辨光谱技术,设计了可见-短波近红外多通道光学参数检测装置,在系统校准基础上获得猪肉在新鲜度变化过程中的有效衰减系数谱。研究了逐日获得的猪肉有效衰减系数与反映肉品新鲜程度的挥发性盐基氮（TVB-N）含量之间的关系,并辅以菌落总数检测与感官指标评价等作为参考依据。研究结果表明,当肉品发生腐败,胞膜发生溶解破裂,其组织结构的改变导致散射变化;有效衰减系数在940、960 nm波长处与TVB-N含量变化呈显著相关。由此得出：在短波近红外范围内可以建立近红外光谱与TVB-N的相关关系,从而达到评价肉类新鲜度的目的。 相似文献
12.
酶型时间温度指示器监测冷鲜猪肉贮藏货架期 总被引：5，自引：0，他引：5
为了更为便捷的指示记录食品在冷链运输过程中的品质变化情况,该文选择冷鲜猪肉的挥发性盐基氮作为其品质监控的指标,通过试验研究贮藏过程中冷鲜猪肉的品质变化动力学特性并应用本课题组研制的新型碱性脂肪酶型时间温度指示器（TTI）设计相匹配的TTI体系配方;在此基础上,分别在5种恒温模型（0、3、10、15和20℃）及4种变温模型（TP1: 3℃ 3 d,15℃ 1 d,20℃ 0.5 d,23℃ 0.5 d,10℃ 2 d,以此循环;TP2: 23℃ 0.5 d,10℃ 2.5 d,以此循环;TP3: 23℃ 0.5 d,20℃ 0.5 d,10℃ 2 d,以此循环;TP4: 23℃ 0.5 d,10℃ 2 d,3℃ 3 d,以此循环）条件下对设计的TTI以及冷鲜猪肉进行贮藏试验,评估该TTI对贮藏过程中冷鲜猪肉品质变化的指示特性。结果表明,通过分析冷鲜肉的动力学特性,得出动力学参数,进而通过活化能匹配原则可以选择出最优TTI;并且该TTI在恒温和变温条件下最终的显色带扩散值的极差分别为1.86、2.13,表明其显色变化具有良好的稳定性及其与冷鲜猪肉品质变化的高度匹配性,该TTI在恒温和变温条件下,可有效指示冷鲜猪肉在贮藏过程中基于挥发性盐基氮的品质变化历程。 相似文献
13.
14.
基于改进MobileNetV3-Large的鸡蛋新鲜度识别模型 总被引：2，自引：2，他引：0
鸡蛋在运输贮存过程中一直伴随着品质的不断衰减,如何快速、准确地识别鸡蛋新鲜度是业界和学者们共同关注的话题。针对鸡蛋内部气室和蛋黄等新鲜度特征差异不显著的问题,该研究提出一种基于改进MobileNetV3-Large的轻量级鸡蛋新鲜度识别模型。首先在深度可分离卷积中引入动态卷积（Dynamic Convolution, DC）模块,改进后的深度可分离动态卷积模块能够为不同的鸡蛋图像动态生成卷积核参数,提高模型特征提取能力;其次在注意力模块中引入坐标注意力（Coordinate Attention, CA）模块,增强模型对位置信息的感知能力;最后采用3 276张鸡蛋图像训练并测试改进的MobileNetV3-DA模型。试验结果表明,MobileNetV3-DA模型在测试集上的准确率为97.26%,分别比ResNet18、VGG19和ShuffleNetV2模型高5.19、0.84和5.91个百分点;模型参数量和计算量分别比MobileNetV3-Large减少1.03和78.64 M;在实际应用中,MobileNetV3-DA模型精确率、召回率和加权分数的平均值分别为95.95%、95.48%和97.82%,达到了理想的识别效果。改进的MobileNetV3-DA模型为鸡蛋供应链各环节进行鸡蛋新鲜度快速、准确识别提供了算法支持。 相似文献
15.
激光诱导叶绿素荧光强度与激光强度关系 总被引：1，自引：1，他引：0
为满足激光诱导叶绿素荧光无损检测技术的发展需要,该文利用反射式激光诱导叶绿素荧光光谱分析技术对黄瓜活体叶片的叶绿素荧光强度与激发光强度关系进行试验研究。通过中心波长为473和660 nm 2种激发光的4种激发强度（2.50、5.00、7.50、10.00 mW）对具有不同生理信息（叶绿素含量、叶片含水率）的黄瓜活体叶片进行荧光激发,并利用MATLAB软件对685 nm和732 nm两个峰位的荧光强度进行分析。结果显示：各峰位荧光强度与激发光强度成极显著线性关系;叶片叶绿素含量对荧光强度与激光强度关系影响显著,各峰位荧光变化梯度与叶绿素含量具有较好的线性关系,但叶片含水率却影响不大;以此研究为基础,建立了具有叶绿素含量参数的荧光强度与激发光强度关系数学模型,模型相对预测误差小于0.2%,可靠性好,能较真实准确地反映荧光强度与激发光强度的关系。 相似文献