排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
2.
气力式杂交水稻制种授粉机授粉管结构参数优化 总被引:1,自引:1,他引:0
针对当前杂交水稻制种对机械化授粉装备的迫切需求,设计了气力式杂交水稻制种授粉机。首先对其关键部件授粉管建立了计算流体力学模型,进一步以授粉管内径、气流出口长度与宽度为因素,以气流出口流速变异系数、气流覆盖高度为指标,利用Design Expert软件设计了三因素三水平的Box-Behnken仿真试验,最后对授粉管结构参数进行优化。结果表明:在授粉管内径为60~80 mm、气流出口长度为100~200 mm、气流出口宽度为4~10 mm的范围内,授粉管内径、气流出口宽度及授粉管内径与气流出口宽度的交互作用、气流出口长度与宽度的交互作用、气流出口宽度平方对气流出口流速变异系数影响极显著(P<0.01);授粉管内径、气流出口长度与宽度及二者的交互作用、授粉管内径与宽度的交互作用对气流覆盖高度的影响极显著(P<0.01)。授粉管较佳结构为内径64.49 mm,气流出口长度、宽度分别为200.0、7.25 mm,此时出口气流速度变异系数为9.10%,气流覆盖高度187.57 mm。为便于加工,选用授粉管内径61.5 mm的标准不锈钢管,取气流出口长度、宽度分别为200、7.5 mm并进行验证试验,气流出口流速仿真值与实测值基本一致,实测流速变异系数为8.83%~9.25%,气流出口流速分布均匀。研究结果可为气力式杂交水稻制种授粉机参数优化提供理论参考。 相似文献
3.
基于电子鼻的番茄种子发芽率检测 总被引:3,自引:3,他引:0
防止种子掺假、以次充好,为快速无损检测高发芽率的种子,该文将不发芽的浙杂809番茄种子以不同比例掺入到发芽率为92.6%的番茄种子中,得到种子的发芽率分别为90%,80%,70%,60%,50%和0等6种比例,并利用电子鼻对其进行分析.结果表明:利用电子鼻可以很好的区分出番茄种子发芽率为90%、80%、50%~70%、和不发芽的4种情况;当种子发芽率为70%、60%、50%时,其图形信息部分重叠,利用电子鼻较难区分开.在主成分分析和线性判别分析的基础上,利用BP神经网络和支持向量机对上述情况进行分类识别,结果表明:两种识别模式的训练集的正确率分别为93.6%和97.4%,预测集的正确率分别为65.2%和72.7%,相对于BP神经网络模式识别,支持向量机预测系统的误差较小,具有很好的预测性能. 相似文献
4.
电子舌预测不同体积分数牛奶的表观黏度 总被引:3,自引:3,他引:0
该文为建立牛奶的电子舌响应信号与其表观黏度的关系,在单因素方差分析和主成分分析的基础上,提出了比较多元线性回归、逐步多元线性回归和偏最小二乘回归3种模型对牛奶表观黏度的预测效果的方法。结果显示,单因素方差分析表明体积分数对牛奶的表观黏度和各个传感器响应信号都具有极显著性的影响;主成分分析(PCA)可以用来区分牛奶的5种不同体积分数;偏最小二乘回归模型预测效果最好,模型预测值与实际值的相关系数R达到0.9659,平均相对误差(MRE)和预测均方根误差(RMSEP)分别为4.5499%和8.4645×10-5,建模最佳主成分数为3。研究结果表明,偏最小二乘回归模型是电子舌预测牛奶表观黏度的有效方法,该方法为牛奶表观黏度的科学研究提供参考。 相似文献
5.
6.
用于山核桃陈化时间检测的电子鼻传感器阵列优化 总被引:7,自引:7,他引:0
为更好地进行山核桃陈化时间检测,论文拟通过传感器阵列优化来有效提高电子鼻对其区分预测能力。该文依据响应曲线保留响应明显的传感器,并在提取传感器特征值构成初始特征矩阵的基础上,结合均值分析、变异系数分析、聚类分析、相关性分析和多重共线性分析进行逐步优化以获取最终优化传感器阵列。对优化前后的数据采用主成分分析法(principal component analysis,PCA)和偏最小二乘回归(partial least squares regression,PLSR)进行样品区分和预测能力的对比。结果表明:通过优化,经不同人工陈化时间(0、5、10、15d)处理的山核桃能有效区分开,且在PCA得分图中更为聚集;优化后的陈化时间回归模型(R2=0.933 4)较优化前(R2=0.888 7)具有更好的预测能力。说明所给出的阵列优化方法有效可行,为电子鼻针对性检测提供了一种思路。 相似文献
7.
为实现不同产地枸杞子的快速、客观判别,在优化电子鼻检测条件的基础上,利用电子鼻信号定性判别3种不同产地枸杞子间的差异,并定量预测其产地。方差分析发现:顶空体积对电子鼻10个传感器的响应影响极显著;样品质量对S7响应影响显著,对其余9个传感器响应影响极显著;除对S2、S7、S9和S10影响不显著外,顶空生成时间对其余6个传感器响应影响极显著。方差分析结合判别分析确定电子鼻检测枸杞子的较佳条件为:载气流速300 mL·min-1,样品质量20 g,顶空体积500 mL,顶空生成时间30 min。在此条件下检测3种不同产地(甘肃瓜州、青海柴达木和宁夏中宁)枸杞子,发现主成分分析和典则判别分析均能将3种不同产地枸杞子区分开,且典则判别分析结果图中数据点的集聚性更好;采用BP神经网络建立产地的预测模型能有效预测枸杞子的产地(正确识别率为96%)。电子鼻在枸杞子产地判别时具有可行性,为枸杞产地追溯提供理论依据。 相似文献
8.
9.
为实现鸡蛋货架期的无损检测,该文提出了基于石英晶体微天平(quartz crystal microbalance,QCM)传感器阵列的检测方法。采用浸涂法制备了4个QCM气敏传感器,分别修饰有碳纳米管、石墨烯、氧化铜以及聚苯胺敏感材料薄膜;优化传感器的敏感材料层数后,分别选择4层碳纳米管、4层石墨烯、5层氧化铜和5层聚苯胺修饰的传感器构成QCM传感器阵列,其灵敏度分别为2.05、1.37、2.31与1.70 Hz/(mg/kg),长期稳定性均高于85%,4个传感器表现出良好的重复性、回复性以及动态响应特性。进一步将所制备的QCM传感器组成阵列应用于鸡蛋货架期的检测中,采用主成分分析法(principal component analysis,PCA)、线性判别分析法(linear discriminant analysis,LDA)对不同货架期的鸡蛋样品进行区分,LDA法能够有效区分不同货架期的鸡蛋样品,区分效果优于PCA;采用偏最小二乘回归法(partial least squares regression,PLSR)建立鸡蛋货架期的回归模型,能够很好预测鸡蛋样品的货架期(R~2=0.954 7,RMSE=1.666 1 d)。结果表明,所制备的QCM传感器阵列能够实现不同货架期鸡蛋的区分和预测,研究结果为鸡蛋货架期的无损检测提供参考。 相似文献
10.
纯牛奶品牌识别中电子舌传感器阵列优化 总被引:4,自引:0,他引:4
选取伊利、新希望、美丽健、蒙牛和光明纯牛奶作为研究对象,采用电子舌系统对这5个品牌纯牛奶进行了检测。单因素方差分析结果表明,纯牛奶品牌对各个传感器响应信号具有极显著的影响,通过剔除F值和决定系数R2较小的传感器变量优化传感器阵列。对原始数据和优化数据(剔除BA传感器,剔除BA、BB传感器,剔除BA、BB、HA传感器,剔除BA、BB、HA、GA传感器)进行的主成分分析结果表明,剔除BA、BB、HA、GA传感器数据在区分纯牛奶品牌方面比其他数据更有效。采用逐步判别分析进行识别,校正集所有数据识别率均达到100%,剔除BA、BB、HA、GA传感器数据和剔除BA传感器数据的预测集识别率均达到90%,但剔除BA、BB、HA、GA传感器数据仅包含3个传感器变量,表明它对纯牛奶品牌具有最佳识别效果。单因素方差分析通过剔除不显著的传感器响应信号能够优化电子舌传感器阵列并且提高电子舌的识别性能。 相似文献