排序方式: 共有77条查询结果,搜索用时 390 毫秒
41.
葵花籽油极易被氧化产生多种自由基、有毒聚合物等,因此葵花籽油产销链中过氧化值现场实时检测技术及装置研发具有重要意义。以设计便携式检测装置为目的,搭建了基于激光诱导荧光光谱的食用油过氧化值快速检测系统,建立了葵花籽油过氧化值定量预测模型,并进行了外部实验验证。结果表明,基于自行搭建的检测系统采集的80个不同过氧化值葵花籽油原始光谱,经SG平滑加MSC预处理结合CARS算法筛选荧光特征波长后建立的过氧化值PLS定量预测模型效果最佳,R2c和R2p分别为0.9995和0.9972,校正集均方根误差和验证集均方根误差分别为0.0088g/(100g)和0.0227g/(100g)。同时选取10个未参与建模的葵花籽油样品对模型进行外部验证,预测值与理化测定值的R2为0.9681,均方根误差为0.0411g/(100g),在低于国标限0.25g/(100g)的残差绝对值均在0.08g/(100g)以下。结果表明,自行设计的激光诱导荧光检测系统可以较高的精度实现对葵花籽油过氧化值的快速检测,为后续便携式整机设计和食用油氧化预警系统构建提供技术支持。 相似文献
42.
手持式生鲜肉品质参数无损检测装置研究 总被引:1,自引:0,他引:1
开发了一种手持式生鲜肉品质无损检测装置,并对装置进行了功能测试。硬件主要包括多光谱光源阵列(中心波长为470、515、545、 575、610、760、810、910nm)及探头模块、恒流源驱动模块、多光谱数据采集与处理模块、无线传输模块以及显示终端模块等。设计了基于Android的生鲜肉检测APP应用软件,实现了对装置的无线控制功能。整个装置体积为175mm×115mm×25mm,质量约为0.45kg。利用43个猪肉样品进行试验验证,按照37∶1比例将样品分为校正集与预测集,分别利用多元线性回归、偏最小二乘方法以及多元线性结合逐步回归建模方法对数据进行处理并比较结果,结果表明利用多元线性结合逐步回归算法建立的模型结果较好,其中颜色中L*、a*、b*的预测集相关系数分别为0.9471、0.8504、0.8563,挥发性盐基氮(TVB-N)含量预测集相关系数为0.8027。最后利用不同时间段的12块肉样进行验证模型,其中每组颜色指标中L*、a*、b*的真实值与预测值的预测相关系数均大于0.83,预测集标准偏差均小于等于162,挥发性盐基氮含量的真实值与预测值的预测相关系数均为0.80左右,预测偏差及标准偏差均小于等于4.04。从2组的验证结果来看,利用该设备对生鲜肉品质参数进行检测是可行的,模型具有一定的稳定性,且该设备具有轻便、体积小、质量轻、价格低廉等特点,能够为未来生鲜肉品质的便携式无损检测仪器的进一步研发提供参考。 相似文献
43.
基于可见/近红外局部透射光谱,根据马铃薯大小及形状特征,设计了便携式马铃薯多品质无损检测装置,包括光谱采集模块、光源模块、控制与显示模块、供电模块和黑白参考盒,装置尺寸为11 cm×6.5 cm×9.5 cm。选取大西洋品种马铃薯样品85个,基于装置建立了马铃薯含水率、淀粉质量分数和还原糖质量分数的偏最小二乘定量预测模型,马铃薯含水率、淀粉质量分数和还原糖质量分数预测模型验证集相关系数分别为0.927 8、0.914 6、0.933 8,均方根误差分别为0.325 3%、0.344 9%、0.041 6%。基于QT开发工具,采用C/C++语言编写了装置实时分析控制软件,将所建预测模型植入到软件中,实现了马铃薯多品质参数实时无损检测一键式操作。最后对便携式马铃薯多品质无损检测装置的检测精度进行了验证。20个马铃薯样品含水率、淀粉质量分数和还原糖质量分数的装置预测值与标准理化值的相关系数分别为0.914 1、0.912 2和0.914 0,均方根误差分别为0.352 7%、0.340 4%和0.040 0%,平均偏差分别为0.295 1%、0.253 6%和0.031 6%,重复采样最大变异系数分别为0.006 7、0.012 4和0.123 1。结果表明:马铃薯多品质局部透射无损检测装置可以实现马铃薯含水率、淀粉质量分数和还原糖质量分数的实时无损检测。 相似文献
44.
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
45.
基于纹理和梯度特征的苹果伤痕与果梗/花萼在线识别 总被引:2,自引:0,他引:2
为了解决苹果果梗/花萼与伤痕在线识别的问题,利用自行设计的机器视觉检测系统在线采集苹果图像,通过自动分割合成算法将3个不同运动状态下的图像进行合成,使得合成后图像可以包含苹果的整个表面。再利用感兴趣区域提取算法提取出苹果合成图像中的果梗/花萼和伤痕部分。通过分析早期伤痕、中期伤痕和后期伤痕的纹理特征和边缘梯度特征,得出纹理特征适用于早中期伤痕与果梗/花萼的检测,而由于后期伤痕的褐变严重且多已出现凹陷,其纹理特征与果梗/花萼相似,故通过提取后期伤痕和果梗/花萼的边缘梯度特征值用于两者的区分。从SVM的建模结果来看,对于早中期伤痕,模型的总体判别正确率为97%,而后期伤痕的总体判别正确率为96%,并利用所得到的模型设计了用于果梗/花萼与伤痕区分的总体算法。最终通过80个带有不同种类伤痕的样本验证总体算法的正确率为95%,验证试验结果表明该算法可实现对果梗/花萼与伤痕的在线识别。 相似文献
46.
为了快速准确检测苹果的农药残留,该研究基于表面增强拉曼光谱技术,以新烟碱类农药啶虫脒作为研究对象,建立了一种快速准确检测苹果农药残留含量的方法。为了改善表面增强剂对定量检测的检测精度和稳定性,在pH值为6.5的弱酸性条件下向银溶胶中加入稳定剂聚丙烯酸钠和团聚剂NaCl。采用了卡尔曼平滑(Rauch-Tung-Striebel,RTS)与非对称重加权惩罚最小二乘法(asymmetrically reweighted Penalized Least Squares,arPLS)结合扩展乘性散射校正(Extended Multiplicative Signal Correction,EMSC)来消除噪声和荧光信号对模型的影响。为了检测方法的重复性,对30个相同啶虫脒含量(20 mg/kg)的苹果进行了拉曼信号采集,并对627 cm~(-1),835 cm~(-1)和1 107 cm~(-1) 3个特征峰强度进行分析,其相对标准偏差(r Relative s Standard d Deviation,RSD)分别为6.14%,6.83%,6.99%,说明该方法具有较好的重复性。采集含有梯度浓度啶虫脒的苹果(0.012 mg/kg~10.830 mg/kg)的信号时,最低检测限为0.035 mg/kg,远低于国家规定的标准0.8 mg/kg。建立的苹果中啶虫脒农药残留偏最小二乘回归(Partial Least Squares Regression,PLSR)预测模型效果较好,检测范围在0.082~3.830 mg/kg,预测相关系数(Rrediction coefficient,R_p)为0.974,预测集均方根误差(Root Mean Square Errors of prediction,RMSEp)为0.044 1 mg/kg,校正相关系数(Correlation coefficient,R_c)为0.986,校正集均方根误差(Root Mean Square Errors of calibration,RMSEc)为0.036 9 mg/kg。研究表明,该方法可以对苹果中残留的啶虫脒农药进行准确的定量预测。 相似文献
47.
牛肉含水率无损快速检测系统研究 总被引:3,自引:0,他引:3
针对影响牛肉品质的主要指标,开发了基于可见/近红外光谱技术的牛肉含水率品质快速检测系统。阐述了该系统的工作原理、工作过程、硬件组成及软件系统功能。系统的核心是波段分别为400~960 nm和900~2 600 nm的光谱仪,结合控制器、光纤等辅助装置构成了检测系统的硬件部分。基于VC++语言开发了Windows环境下的光谱信息采集和处理的快速无损检测软件。该系统可以实现对牛肉光谱数据的采集、处理、样品品质的快速预测和结果显示。该系统在实验室采集了57个牛肉背最长肌的光谱,分别对可见、近红外和全波段的光谱数据建模,分析显示全波段预测模型能够更好地预测牛肉的含水率,其校正相关系数RC和预测相关系数RP分别为0.96和0.88。然后将预测模型固化于在线检测硬件系统中,在牛肉分割线上采集84个样品进行实验验证,检测正确率为92.8%。含水率结果表明,该快速检测装置检测含水率的精度较高,可靠性较好,可用于牛肉屠宰分割线对含水率品质参数的快速无损检测。 相似文献
48.
便携式生鲜猪肉多品质参数同时检测装置研发 总被引:2,自引:3,他引:2
针对农畜产品检测现场的需求,基于可见/近红外光谱检测技术和嵌入式系统,开发了灵活方便的猪肉品质无损检测装置。该装置利用卤素灯作为光源,新型光导探头和微型光谱仪采集肉样光谱信息,通过ARM(advanced RISC machines)控制处理器进行集中控制和数据的处理;在内嵌linux操作系统上,采用Qt开发工具,设计出人性化的交互界面,并将猪肉品质的检测结果输出到装置触摸屏上。为了建立多品质无损检测数学模型,获取了猪肉里脊在400~1 000 nm波长范围内的光谱数据,通过国标方法测得猪肉里脊主要品质参数颜色(L*、a*、b*)和p H值,采用标准正态变量变换(standard normalized variate,SNV)和Savitzky-Golay(S-G)平滑对光谱数据进行预处理,并结合理化数据建立偏最小二乘(partial least squares regression,PLSR)模型。用全交叉验证法选取PLSR建模的主成分数。p H值、L*、a*和b*的预测相关系数为0.88、0.90、0.97和0.97,预测标准差为0.19、1.77、1.17和0.63。通过现场试验表明,轻便式多品质无损检测装置具有较高的检测精度,满足于猪肉的颜色和p H值等品质参数检测的要求。 相似文献
49.
便携式生鲜肉品质无损快速检测装置的设计 总被引:4,自引:1,他引:3
针对生鲜肉检测部门对可移动、便携式检测设备的实际需求,设计了基于ARM处理器便携式生鲜肉品质无损快速检测装置。介绍了该装置的工作原理、硬件构成、软件系统和功能测试。硬件系统由ARM控制处理单元、光源及检测单元、光谱数据采集单元、LCD触摸屏显示单元和散热单元组成,设计了Linux操作系统和生鲜肉品质参数采集处理应用程序。该系统可实现脱离计算机采集光谱信号、存储、显示及处理分析一体化的功能。该装置体积为184 mm×127 mm×114 mm,装置质量约为3.5 kg。以批量样品验证装置检测精度,试验结果表明,颜色L*、a*、b*3个参数的均方根误差分别为1.49、1.09和0.59,平均检测一个样品时间约为1 s。该装置可以快速获得样品参数,具有体积小、便携、无损伤、快速检测的特点,可用于生鲜肉品质的便携式检测。 相似文献
50.
基于偏最小二乘投影的可见/近红外光谱猪肉综合品质分类 总被引:4,自引:2,他引:2
针对全波段光谱技术的生鲜猪肉综合品质快速无损分类存在光谱数据量大、样本数量较少时分类准确率较低等缺点。该文提出了一种基于偏最小二乘(partial least squares,PLS)投影分析算法和支持向量机的生鲜猪肉综合品质分类器。利用基于偏最小二乘投影分析算法对全波段光谱数据进行数据降维,选取了13个特征波长。利用粒子群优化算法优化支持向量机惩罚参数和径向基核函数参数,优化后二者最优为4.939和0.01。利用选取的特征波长和优化后的参数建立了生鲜猪肉综合品质支持向量分类器。研究结果表明,分类器对训练集中白肌肉(pale,soft and exudative,PSE)、正常肉(reddish-pink,firm and non-exudative,RFN)和黑干肉(dark,firm and dry,DFD)的回判识别率分别为为88.46%、94.11%和92.31%;测试集中PSE、RFN和DFD预测正确率分别为84.62%、94.11%和84.62%。该分类器满足模型简单、预测准确率高等优点,为生鲜猪肉综合品质在线分级提供参考。 相似文献