排序方式: 共有22条查询结果,搜索用时 31 毫秒
1.
针对人工评价肉品气味主观性强、重复性差的缺点,设计了肉味信息采集分析系统。该系统根据肉在存放过程中发出的主要气味,合理筛选出5种气敏传感器,构成传感器阵列;根据气味采集的特点,设计了肉品气味收集装置。通过正交试验优化了肉味收集装置参数,最佳参数为:风扇风速1.6m/s,收集箱容积为2L,传感器阵列位置100mm。通过全面试验确认了传感器阵列的电阻变化范围,设计了带有温度补偿及抗干扰的差分电桥调理电路,试验优选出最佳桥臂电阻。根据肉品气味信号特征,将提取信号曲线的峰值、平均值、稳定值、30s值、峰面积作为特征值。研究分析了模式识别方法的优劣,确定了遗传优化的组合径向基函数神经网络作为肉品气味的模式识别方法。试验证明,该肉品气味信息采集系统检测肉品新鲜度正确率达95%。 相似文献
2.
3.
采用显微图像处理技术快速检测酵母菌的数目。将生物显微镜、CCD摄像头、图像采集卡、计算机等组成硬件部分,利用Visual C++6.0软件编制酵母菌自动计数软件部分,最终形成酵母菌总数检测系统。利用该系统对啤酒酵母装片进行图像采集、图像预处理、阈值分割、图像增强、形态学处理,最后采用连通判别法和形状因子相结合进行酵母菌识别和数目统计。经显微镜直接计数法验证,结果表明此方法的平均相对误差为2.56%,对单个装片的检测时间不超过8s。显微图像处理技术简便快速、检测准确,可以用于酵母菌总数的检测,克服了传统微生物计数的不足。 相似文献
4.
应用质地多面分析(TPA)方法,以新鲜茎瘤芥为试材,研究其在风脱水和盐脱水过程中的质地变化。结果表明:茎瘤芥的硬度与脆性、凝聚性与弹性、咀嚼性之间相关性良好,回复性与其他质地参数相关性都较差;在风脱水和盐脱水中各项质地参数之间的相关性表现一致;脆性、凝聚性、弹性、咀嚼性能作为评判茎瘤芥质地的代表性参数。在风脱水期间茎瘤芥质地的代表性参数变化较为稳定,质地特性易于控制,而盐脱水的质地参数变化较大;经过风脱水后除了脆性外,其他质地参数值均低于盐脱水的。试验也表明TPA测试能够较好地反映茎瘤芥各项质地参数的变化规律,适用于茎瘤芥质地品质的客观评价。 相似文献
5.
以茎瘤芥病虫草害的种类、症状、防治措施为知识,研究开发Internet下的茎瘤芥病虫草害防治专家系统,主要包括知识库、推理机、浏览器页面等.利用Micrsoft Access 2003 软件建立知识库,使用JavaScript脚本语言编写推理机程序,利用Dreamweaver MX软件建立浏览器页面.该专家系统功能齐全、界面友好,能快速方便地为广大农民、科技人员、基层管理人员等提供茎瘤芥病虫草害防治知识. 相似文献
6.
对以果葡糖浆为甜味剂制作新口味营养型冰淇淋进行了研究,利用正交试验和极差分析确定了主料的最佳配方,并对产品进行了感官评定和模糊综合评判,产品质量优于普通冰淇淋。经质量检测,产品的理化指标和微生物指标均符合国家标准。 相似文献
7.
以胭脂萝卜废渣为原料,提取萝卜硫素。为提高萝卜硫素的得率,优化了胭脂萝卜废渣中萝卜硫苷的酶解条件。在单因素实验的基础上,以响应面分析法分别探讨了四个主要影响因素(酶解温度、酶解时间、p H、抗坏血酸(VC)添加量)对胭脂萝卜废渣中萝卜硫素得率的影响,并进一步优化了硫代葡萄糖苷酶解条件。结果表明:在酶解温度为31℃,酶解时间为7.7 h,p H5.6,VC添加量为0.24 mg/kg条件下,萝卜硫素的得率最高为0.05613%,其结果与模型预测值相符。这说明采用响应面法优化获得的提取条件较可靠。 相似文献
8.
建立一种采用离子电极快速测定榨菜中硝酸盐含量的方法。首先组建由硝酸根离子选择电极、参比电极、离子计和计算机构成的测试仪器,然后分析温度、离子强度调节剂及干扰离子对测试的影响,并建立标准曲线和校准方程,最后采用离子电极法测定榨菜成品液和榨菜脱盐液中的硝酸盐含量,并与紫外分光光度法进行比较。结果表明:温度、离子强度调节剂及干扰离子对榨菜中硝酸盐含量的测试影响较小;离子电极法测定结果与紫外分光光度法测定结果的总体平均相对误差为4.247%,相对标准偏差小于2.0%,且t检验的显著性水平大于0.05,2 种方法测试结果无明显差异,并且离子电极法测试时间小于15 s。本方法可代替紫外分光光度法作为榨菜中硝酸盐含量的快速测定方法。 相似文献
9.
玉米汁辨识中的传感器阵列优化 总被引:1,自引:0,他引:1
针对玉米汁饮料品质评价自动化关键技术问题,对用于玉米汁饮料分类辨识的传感器阵列进行了筛选优化。采用因子分析对各传感器响应信号之间的内在关联进行了研究,依据相关系数和旋转后的因子含义将传感器分为6类,并组合成12组不同的传感器阵列。利用概率神经网络判定界面可以任意复杂的特点,选择平滑参数为0.01时构建的判定界面表征出不同组传感器阵列所得数据对分类结果的影响差异。选择S4,S2,P2,P3,S6,S7传感器组合,构建新的传感器阵列,并对7种玉米汁饮料进行辨识。优化后的传感器阵列对玉米汁饮料的分类准确率为98.016%,高于未经优化的传感器阵列的分类准确率(94.444%)。 相似文献
10.