STD—工业标准的微型计算机总线

STD总线目前已成为世界公认的用于工业环境的计算机标准和规范,具有高可靠性和高度模块化,并已形成了IEEE-961国际标准,我国也选定其为工业控制优选机型,适合工业技术改造和自动控制的要求,具有强大的生命力。一、STD总线技术的产生 STD总线由美国Prolog公司于1977年推出。由于STD总线面向工业、军事等应用领域,因而在STD总线及其产品的设计上充分考虑了以下几点:(1)总线定义简单、明确;(2)系统内采用的零部件确保其可靠、耐用;(3)系统结构和电路做到设计简单、标准化、模块化;(4)系统要具有弹性大,灵活性好,易于升格(Up-grade),易扩展,易互换,易维护;(5)设计要求坚固、耐用,能在恶劣环境中可靠地工作。此     

基于电子鼻技术预测草莓采后品质

为建立一种无损检测草莓品质等级的方法,分别将草莓在20℃(常温)和4℃(低温)条件下贮藏,对草莓进行感官评价,测定质量损失率和硬度以确定其品质等级,提取电子鼻响应信号并进行分析。结果显示:电子鼻传感器阵列所含的10个传感器响应信号与草莓品质等级相关,大多数传感器与品质等级具有显著相关性。对于常温组和低温组,主成分分析都能够正确区分不同品质等级的草莓果实;通过Fisher判别建立的回归函数对草莓常温组一级、二级、腐败级品质的判别总体准确率为97.5%;对低温组一级、二级、腐败级品质的判别总体准确率为93.3%。结果说明应用电子鼻技术实时监测草莓采后贮藏和流通过程中的品质变化具有可行性。     

高光谱图像对白萝卜糠心的无损检测

为实现白萝卜异常品质糠心的无损检测,构建高光谱图像技术检测白萝卜糠心的检测系统。获取了光源透射、反射和半透射模式下白萝卜的高光谱图像信息,结合偏最小二乘分析(partial least squares discriminant analysis,PLS-DA)、支持向量机(support vector machine,SVM)、人工神经网络(artificial neural network,ANN)3种算法分别建立白萝卜糠心的识别模型。结果表明:3种检测模式中,基于透射模式的高光谱图像系统检测准确率最高;3种预测模型中,ANN模型优于PLS-DA和SVM模型。其中,基于透射模式的ANN模型,高光谱图像对萝卜糠心的检测总体准确率达94.3%,效果最好。因此,采用透射模式的高光谱图像技术对白萝卜糠心的检测是可行的。