排序方式: 共有77条查询结果,搜索用时 31 毫秒
21.
基于机器视觉的猪胴体背膘厚度在线检测技术 总被引:1,自引:0,他引:1
为了能在线精准测量猪胴体背膘厚度,解决人工测量过程中效率低、人为因素影响大及结缔组织易被误测量为背膘的问题。该文基于机器视觉及图像处理技术提出一种图像采集并自动测量背膘厚度的算法。在双边滤波、大律法、形态学变换的基础上,通过轮廓面积分割提取出背膘区域及其边缘轮廓,利用拟合线对轮廓边框进行拟合,判断是否包含结缔组织。若包含则针对原始图像目标测量区域像素点特征进行具体分析,去除结缔组织。然后通过直线映射,确定背膘厚度检测线,测量猪胴体背膘厚度。测试结果表明:检测方法能适应在线检测速度需求,检测正确率为93.5%,平均检测时间为0.3 s。研究结果为生猪屠宰生产线上准确、快速测量背膘厚度提供参考。 相似文献
22.
可见/近红外光谱结合遗传算法无损检测牛肉pH值 总被引:6,自引:4,他引:2
为了实现牛肉在整个货架期内(4℃环境)pH值的无损快速检测,该文采用可见/近红外光谱技术并结合遗传算法(GA,genetic algorithm),搭建了可见/近红外光谱检测系统,采集储藏在4℃下1~18d的120个牛肉样品400~1700nm范围的光谱,用不同预处理方法处理,并分别建立全波段光谱和经过遗传算法提取有效光谱的预测牛肉pH值的多元线性回归(MLR,multiple linear regression)模型、偏最小二乘回归(PLSR,partial least-squares regression)模型和最小二乘支持向量机(LS-SVM,least square-support vector machine)模型。结果表明,多元散射校正(MSC,multiplicatives catter correction)结合Savitzky-Golay(SG)平滑为最佳预处理方法,遗传算法提取光谱后所建模型的预测精度均高于全波段光谱所建模型,其中LS-SVM为最佳预测模型,其预测相关系数和标准差分别为0.935和0.111,相比全波段LS-SVM模型预测,精度得到了提高。研究表明可见/近红外光谱技术结合遗传算法所建LS-SVM预测模型能够实现4℃下牛肉整个货架期内pH值的无损快速检测。该研究为进一步开发实用的牛肉pH值无损快速检测设备提供依据。 相似文献
23.
24.
基于高光谱成像技术的牛肉大理石花纹的评估 总被引:7,自引:0,他引:7
利用高光谱扫描成像技术评估牛肉大理石花纹。组建了高光谱线扫描成像系统,采集牛肉样品在400~1100nm波段的高光谱反射图像。通过牛肉脂肪和瘦肉在各个波段处反射值比的最大值,确定530nm为特征波段。提取特征波段处大理石花纹的3个特征参数(大颗粒脂肪密度、中等颗粒脂肪密度和小颗粒脂肪密度),使用特征参数分别建立多元线性回归模型(MLR)和正则判定函数模型,对大理石花纹分级和等级预测,用全交叉验证方法验证模型的准确性。MLR模型对大理石花纹等级的预测决定系数R2=0.92,预测标准差为SECV=0.45;总的分级准确率是84.8%;正则判定函数对大理石花纹等级判定准确性较低,为78.8%。研究表明,将高光谱成像技术应用于牛肉大理石花纹等级评定是可行的。 相似文献
25.
为了对面粉中的非法或过量添加剂进行无损、快速识别。以过氧化苯甲酰为检测对象,基于拉曼光谱技术采集面粉和过氧化苯甲酰的纯品拉曼光谱,筛选出识别过氧化苯甲酰的拉曼特征峰。为了进一步验证拉曼光谱检测面粉中混合过氧化苯甲酰的可行性,分别配置了10个不同质量比的混合物样品,采集混合物的拉曼光谱数据,并通过Savitzky-Golay(S-G)算法和8次多项式曲线拟合算法去除混合样品拉曼光谱中的噪声和荧光背景信号,保留原始数据的拉曼光谱信号。对过氧化苯甲酰纯品拉曼分析后,发现在619 cm-1、848 cm-1、890 cm-1、1 001 cm-1、1 234 cm-1、1 603 cm-1及1 777 cm-1处具有明显的拉曼峰,其中1 001 cm-1处的拉曼峰强度最高,因此选取1 001 cm-1处的拉曼峰作为识别过氧化苯甲酰的特征峰。经过平滑和基线校正后的10个混合样品的拉曼散射光谱中能够清晰地检测到1 001 cm-1位置处的拉曼峰。该结果表明基于拉曼光谱技术,能够有效、快速、非接触地识别掺杂在面粉中过氧化苯甲酰。 相似文献
26.
为全面了解转鼓式反应器固态发酵食醋过程中主要成分和风味物质的动态变化规律,该文对反应器发酵食醋过程进行跟踪取样,利用高效液相色谱、固相微萃取技术、气相色谱-质谱联用技术,对酒精、总酸、还原糖、氨基态氮、有机酸、挥发性风味物质含量变化进行实时监测,结合主成分分析方法,探究食醋不同发酵阶段的风味物质差异。结果表明,酒精含量在发酵0~4 d内迅速增加,随后逐渐下降至零;总酸含量呈现先快速上升后缓慢上升的趋势;还原糖含量呈先快速下降后逐渐上升,最后逐渐下降的趋势;氨基态氮呈现先快速上升后缓慢上升的趋势;乙酸和乳酸是主要的有机酸,整个发酵过程中,乙酸含量持续增加,乳酸含量呈先上升后下降趋势,其他有机酸含量较少,发酵期间变化波动相对较小;共检测出64种挥发性风味物质,包括酯类25种,醇类12种,酸类6种,酚类5种,醛类5种,酮类6种,杂环类5种;发酵前、中、后期的重要挥发性物质分别是醇类化合物、酯类和醛类化合物、酸类化合物。该结果为推进转鼓式固态发酵食醋反应器的实际生产应用提供了理论基础和数据参考。 相似文献
27.
莱克多巴胺俗称“瘦肉精”,可被用来饲养牲畜以提高胴体瘦肉率。食用含有莱克多巴胺的畜禽肉或内脏可引起健康问题甚至危害生命。传统的莱克多巴胺检测周期较长,费时费力,不利于实际大范围推广使用。在一些屠宰场往往采用抽检的方式进行检测,存在严重滞后性。研发了一种猪肉中“瘦肉精”莱克多巴胺便携式快速筛查装置,该装置主要包括光谱采集模块、光源模块、控制模块和电源。并基于NI LabVIEW软件开发工具,采用G语言编写猪肉“瘦肉精”智能快速检测的控制软件。首先,在碱性环境下利用乙酸乙酯对猪肉中莱克多巴胺进行提取,并采用表面增强拉曼散射(SERS)方法进行检测。研究对比了不同浓度NaCl水溶液作为聚集剂对莱克多巴胺SERS光谱的影响,结果表明以1mol/L NaCl为聚集剂的增强效果最好。其次,比较了液滴蒸发对拉曼信号的影响,结果表明在滴加样品后,4s后采集的拉曼信号较好。然后,制备不同莱克多巴胺含量(1、2、4、6、8、10μg/g)的猪肉样品进行定量分析,采用自动惠塔克拟合算法(AWF)对光谱数据进行预处理,扣除原始拉曼光谱中包含的荧光背景。建立836cm-1处SERS强度与猪肉样品中莱克多巴胺含量之间的一元线性回归模型。结果表明,模型具有较好的线性关系,决定系数R2为0.99,均方根误差为0.178μg/g。最后,重新制作一批莱克多巴胺含量相同的猪肉样本,利用研发的装置对猪肉中莱克多巴胺进行检测,预测值与样品标准理化值具有较好的线性关系,决定系数R2为0.99,均方根误差为0.317μg/g。本装置简单便携,价格便宜,检测时间小于1h,检出限为1μg/g,可以用于猪肉中莱克多巴胺的快速筛查。 相似文献
28.
基于近红外反射光谱分析技术,设计了玉米种子活力逐粒无损检测与分级装置,该装置主要由单粒化装置、输送管道、近红外光谱采集系统、控制系统和分级装置等组成。种子单粒化装置由一个带孔的倾斜转盘和一个固定托盘组成。输送管道与固定托盘出种口连接,其末端为光谱采集单元。种子由单粒化装置分离后,经输送管道落至光谱采集区进行光谱分析及活力判断,之后由分级装置对判别完成的种子进行分级。带孔圆盘用于将种子单粒化,其工作效率是提高种子检测及分级速率的关键。经分析得出,决定单粒化装置单粒化效率的因素分别为转盘倾斜角、转盘速度和孔高度。为提高检测速率,对单粒化装置进行了参数分析及优化试验。试验结果表明,当转盘倾斜角为31°、转速为0. 5 r/s、孔高度为2. 2 mm时,种子单粒化效率最优,单通道可达7粒/s。为建立玉米种子活力预测模型,基于该装置分别采集了100粒正常有活力玉米种子和100粒人工老化无活力玉米种子在980~1 700 nm波长范围的光谱数据,对种子原始光谱进行不同方法的预处理,并利用PLS-DA建立种子活力的定性判别模型。几种不同处理方式下的建模对比结果表明,SG-smooth预处理下的建模效果最优,其中校正集的判别准确率为98. 7%,预测集的判别准确率为96%。选取100粒种子对该装置预测模型的稳定性和准确性进行了验证试验,种子活力预测的总准确率为97%。所设计的玉米种子活力逐粒无损检测分级装置单粒化效率较高,光谱数据采集稳定,对玉米种子活力进行实时无损检测及分级具有可行性。 相似文献
29.
畜肉品质光谱检测过程中,不同样品之间的厚度差异导致肉品表面到光纤探头的检测距离存在差异,对预测结果影响较大。针对这一问题,设计了一种用于肉品无损检测的光学传感器,并间隔玻璃从下至上对畜肉品质进行检测,消除了样品厚度对检测距离的影响,并分析了光谱曲线随检测距离变化的变化规律。为探究所设计方案的可行性,搭建了试验平台,包括光谱仪、距离调节机构、光源、石英玻璃、光学传感器和计算机,其中石英玻璃可透过220~2500nm波长范围的光而无吸收,光学传感器可以帮助采集更多的肉品漫反射光。选择了18个猪肉样品贮藏在4℃环境中,并在不同的冷藏时间取出进行光谱采集(400~1100nm),采用不同的检测距离(8~22mm,间隔2mm),最后测量样品的挥发性盐基氮(TVB N)含量。在获得样品光谱数据后,分别用1阶导数、多元散射校正(MSC)、标准正态变换(SNV)和1阶导数+SNV等方法进行预处理,并建立猪肉的TVB N含量的偏最小二乘回归(PLSR)预测模型。结果表明:当检测距离为16mm,采用1阶导数+ SNV预处理时,建立的TVB N含量预测模型效果最好,校正集相关系数和均方根误差分别为0.98和0.92mg/(100g),预测集相关系数和预测均方根误差分别为0.97和1.56mg/(100g)。因此,利用所设计光学传感器对猪肉新鲜度进行检测是可行的。 相似文献
30.
为了实现猪肉营养组分(脂肪和蛋白质)的快速、无损、实时检测,基于近红外反射光谱设计了便携式猪肉营养组分无损检测装置。硬件部分包括光谱采集单元、光源单元和控制单元,并开发了相应的检测软件,实现样品光谱信息的有效获取和实时分析。为了建立稳定可靠的预测模型,考察了波段选择、样本分组方式和筛选变量方法对模型的影响。分别基于可见/短波近红外(Vis/SWNIR)、长波近红外(LWNIR)及Vis/SWNIR-LWNIR,利用随机选择法(RS)、Kennard-Stone法(KS)和基于联合X-Y距离的样本划分法(SPXY)对样本进行划分,建立了脂肪和蛋白质质量分数的偏最小二乘预测模型。结果发现,基于Vis/SWNIR-LWNIR波段,利用SPXY算法进行样本分组,取得了最佳的预测模型。在此基础上,比较分析竞争性自适应加权算法、随机蛙跳算法和蒙特卡罗无信息变量消除-连续投影算法3种算法筛选变量建立的模型效果。基于竞争性自适应加权算法筛选变量的模型结果最佳,对脂肪和蛋白质建立的模型验证集相关系数分别为0.950 5和0.951 0。结果表明:基于近红外反射光谱设计的便携式猪肉组分检测装置可以对脂肪和蛋白质含量进行快速、无损、实时检测。 相似文献