排序方式： 共有66条查询结果，搜索用时 15 毫秒
31.
32.
苹果腐心病的透射光谱在线检测系统设计及试验 总被引：4，自引：2，他引：2
针对苹果内部缺陷在线检测的产业技术需求,研究基于透射光谱技术的苹果内部缺陷在线检测系统。研究设计了光源套件、专用光纤和果托式输送单元等关键部件,提升在线透射光谱质量、降低热损伤和机械损伤;解决了光电信号干扰问题,开发了专用检测软件,实现苹果内部品质信息的无损在线获取。比较分析了正常苹果与腐心病果的光谱响应差异,优化参数后设置在线检测速度3个/秒,触发控制光谱采集时间80 ms。在选择特征波长的基础上利用线性判别分析建立了苹果腐心病的在线判别模型,预测的总体识别率达90%以上。研究结果表明该系统可以实现苹果内部缺陷的快速、无损在线检测。 相似文献
33.
（一）发病经过猪场是业主今年2月购买的二手猪场,目前采取引进三元杂交架仔猪育肥饲养模式,5月28日和6月2日分别从重庆垫江和本地引进两批双月龄架仔猪225头和63头,第一批引回后未见异常,立即做了猪瘟疫苗免疫,第二批引回的猪只普遍拉稀,到大量猪只出现高热、呼吸困难等传染病症状时,尚未做猪瘟疫苗免疫。 相似文献
34.
应用色敏传感器阵列(CSA)结合可见/近红外(Vis-NIR)光谱检测技术,对大米储藏时间进行鉴别。大米按不同储藏期(0、1、2、4、6个月)分为5组。色敏传感器由氟硼吡咯类色敏材料制成,与大米挥发性气体发生反应后,分别提取色敏材料的光谱数据。光谱数据经SNV算法预处理后,用Si-PLS算法提取3类光谱数据的最佳光谱区间并合成一个数据集。分别用遗传算法(GA)、无信息变量消除法(UVE)和蚁群算法(ACO)提取光谱变量。并结合主成分分析(PCA)和线性判别分析(LDA)进行模式识别。结果表明,用Si-PLS-UVE提取的光谱变量建立的LDA预测模型正确识别率最高。取主成分数为9时,训练集正确识别率为98%,校正集正确识别率为96%,为大米储藏时间的检测提供了一种可行的方法。 相似文献
35.
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
36.
基于机器视觉技术的畸形秀珍菇识别 总被引：4，自引：4，他引：0
提出了一种基于计算机图像处理技术的畸形秀珍菇识别方法。研究根据正常和畸形秀珍菇的形状特征,通过统计性分析,提取了分形维数、相对位移、菌盖圆形度、菌盖形状因子、菌盖凸性率、菌盖偏心率、菌柄弯曲度等7个特征参数。通过逐步回归筛选出分形维数、相对位移、菌盖偏心率、菌柄弯曲度等4个特征变量,并将这4个特征变量作为输入向量,采用支持向量机模式识别方法建立畸形秀珍菇判别模型,模型的独立样本预测集实测值识别率达96.67%。研究表明,利用机器视觉技术能很好地识别畸形秀珍菇,研究方法和结果为实现秀珍菇的在线分选提供技术支 相似文献
37.
38.
39.
2013年9月25日,四川省广安市广安区恒升镇一肉鸭场,发病前全场共有肉鸭4 000只,于7月12日和31日分两批各2 000只从四川省隆昌县购回1日龄杂交白羽肉鸭,30 ～ 40日龄肉鸭4 000只中约有90％出现羽毛稀少、脱羽、消瘦等症状,病程长,先后陆续死亡约2 600只,经临床症状、病理解剖和实验室检测,诊断为VB1缺乏病,通过治疗,取得一定效果. 相似文献
40.
2013年9月25日，四川省广安市广安区恒升镇一肉鸭场，发病前全场共有肉鸭4000只，于7月12日和31日分两批各2000只从四川省隆昌县购回1日龄杂交白羽肉鸭，30～40日龄肉鸭4000只中约有90％出现羽毛稀少、脱羽、消瘦等症状，病程长，先后陆续死亡约2600只，经临床症状、病理解剖和实验室检测，诊断为VB1缺乏病，通过治疗，取得一定效果。 相似文献