排序方式: 共有10条查询结果,搜索用时 46 毫秒
1
1.
针对柚果单个理化指标无法表征整果品质,和其内部品质无损检测精度不佳等问题,采用可见-近红外光谱、机器视觉和动态称重等无损检测技术,搭建动态无损检测试验样机,构建“深度”神经网络模型,探究柚果内部综合品质检测方法。研究发现,采集柚果的多特征信息(光谱特征、果形描述子和动态质量等),经数据融合和分析,构建综合品质指标(HP和STP),建立BP神经网络模型,可准确检测蜜柚和沙田柚内部品质,Rpre2分别达到0.930 1和0.936 1,均高于其他内部品质指标(SSC,TA,MC和E)检测结果,具备高效、快速且精度高等优势。研究为厚皮水果综合品质指标构建和模型检测提供参考。 相似文献
2.
为了提高淀粉颗粒的乳化能力,以球磨-酯化复合改性槟榔芋淀粉为颗粒乳化剂,大豆油为油相,制备水包油型Pickering乳液.采用激光粒度仪、研究级正置显微镜、流变仪等对Pickering乳液外观、液滴粒径、显微形态及动态流变特性进行表征,考察淀粉颗粒质量浓度(1、5、10、20、30 mg/mL)和油相体积分数(10%、20%、30%、40%、50%)对乳液稳定性和流变特性的影响.研究发现:增加颗粒质量浓度导致乳化相体积增加,液滴粒径减小;随着油相体积分数的增加,乳化相体积增加,液滴粒径增大.当颗粒质量浓度为20 mg/mL,油相体积分数为40%时,乳液的乳析现象明显改善.球磨-酯化复合改性槟榔芋淀粉颗粒吸附在油/水界面,有效抵抗了液滴聚结,使乳液在储存30 d后仍表现出良好的稳定性.流变特性表明:乳液内部存在弹性凝胶网络结构,随着颗粒质量浓度和油相体积分数的增加,液滴间堆积变得更紧密,从而增加了乳液黏度和凝胶强度,使其抵抗形变能力增强.球磨-酯化复合改性槟榔芋淀粉颗粒具有良好的作为Pickering乳液稳定剂的潜力. 相似文献
3.
4.
以槟榔芋原淀粉为原料,采用球磨结合辛烯基琥珀酸(OSA)酯化方法制得复合改性淀粉,对其理化性质进行研究,并与原淀粉、酯化淀粉和球磨淀粉进行比较。结果表明:球磨淀粉的溶解度、膨润力和透明度均显著提高(P0.05),尤其是冷水溶解度,但其抗凝沉性、冻融稳定性和表观黏度却降低;酯化淀粉和复合改性淀粉的溶解度、膨润力、透明度、抗凝沉性、冻融稳定性和表观黏度均明显提高,由此可见槟榔芋原淀粉和球磨淀粉经OSA酯化改性后品质均得到明显改善,复合改性淀粉的表观黏度增加尤为明显,说明其具有更好的增稠性能。 相似文献
5.
采用Trace pro软件对柚果及配套传送托盘模型进行光学仿真分析,设计一款适用于柚果在线检测的传送托盘。通过结构优化和材料替换等方法,对仿真结果中辉度/照度值较高的托盘模型,进行实物加工。柚果置于不同类托盘上,自主搭建光谱平台分别采集柚果漫透射光谱进行试验对比。以试验结果最优的托盘配合柚果进行光谱采集,光谱经预处理,连续投影算法提取光谱特征波段,建立柚果可溶性固形物含量的偏最小二乘回归法的预测模型,最佳预测决定系数为0.957;预测均方根误差为0.271°Brix。结果表明,模型的预测能力好、预测精度高,传送托盘设计合理。 相似文献
6.
目前农产品无损检测方法单一,导致分拣分级精度不高,亟须提升批量动态检测精度。针对梅州蜜柚检测,采用光谱检测、机器视觉、动态称重和人机交互等技术,设计了一款智能驱动无损动态检测装置。阐述了装置关键结构参数与选型、搭建方法与工作原理,并开展了性能测试。测试分析结果表明,该装置可采集和融合柚果特征波长、图像特征、和动态质量等多特征信息,并自主完成多源异质信息融合,通过柚果内部品质深层解析模型——广义神经网络模型,再经样本训练、规则判别、算法寻优和深度学习,快速完成内部品质指标的精确预测和验证。说明所设计的智能驱动无损动态装置可以快速、高效和准确地完成柚果品质检测,满足性能需求。 相似文献
7.
搭建了驾驶员疲劳检测的信息采集系统,采用ARM嵌入式开发,可采集驾驶员的人脸图像、温度、心率、GPS定位等信息,并将相关信息通过Web上传模块上传到后台软件系统,通过后台处理驾驶员疲劳状态图像,得到处理结果并通过LCD屏显示。后台软件系统使用基于深度学习的疲劳驾驶检测算法,利用百度人脸识别模块实现人脸识别确定身份。利用深度学习神经网络模型YOLOv3算法检测出常规摄像头实时采集的驾驶人员人脸图像,利用特征点模型实现眼睛和嘴巴区域的分割,采用金字塔分离特征,采用了Mosaic数据图像增强,使用YawDD作为疲劳驾驶检测模型的数据集,通过循环神经网络(RNN)中的长短记忆网络算法训练模型,最终实现驾驶员疲劳度检测。 相似文献
8.
9.
10.
汁胞粒化是一种柑橘类水果中汁液囊的生理失调现象,表现为汁液囊变硬、干燥等,对水果内部品质产生消极影响。蜜柚是一种厚皮的柑橘类水果,很难通过外部果皮及果形,鉴定果实内部的汁胞粒化程度。采用近红外透射光谱结合机器视觉技术的快速无损检测方法,对蜜柚汁胞粒化程度进行分级检测。采集600个不同生长期的蜜柚样本在900~1700 nm的光谱数据,按果实的汁胞粒化程度将其分为5级。结合化学计量学研究由汁胞粒化引起的内部品质的化学变化,而机器视觉技术可用于研究由汁胞粒化引起的外部特征的物理变化。因此,该方法相较于传统检测方法,分级模型的预测能力更好。尤其是,连续投影-K近邻算法预测模型的准确性、敏感性和特异性分别达到0.9700、0.9231和0.9874以上。结果表明:该方法可用于汁胞粒化的鉴定与评估分级,且具有巨大潜力,以期为厚皮类水果在线分选及内部品质研究提供参考和理论依据。 相似文献
1