粮食产后收获机械的技术经济适应性分析

提出了粮食产后收获机械的技术经济适应性的分析方法和模型,浙江省六种典型的粮食产后处理方法进行技术经济适用恶性循环 分析,研究结果可用于指导各地根据不同的技术经济状况及土地经营规模,进行科学合理地选用粮食产后作业方式。     

基于可见/近红外光谱技术的黄瓜叶片SPAD值检测

为了快速准确检测黄瓜叶片的SPAD值,采用可见/近红外光谱技术并结合化学计量学方法建立了黄瓜叶片SPAD值校正模型.并用不同建模方法对全波段光谱进行建模,结果表明用最小二乘支持向量机(LSSVM)建模得到的预测效果最好,其相关系数r和预测均方根误差RMSEP分别为0.9583和0.9732.通过分析黄瓜叶片的光谱反射率与SPAD值的相关系数和PLS建模回归系数,得到了531~581nm和696~716nm 2个特征波段以及556nm、581nm、698nm和715nm 4个特征波长,应用LSSVM分别对特征波段和特征波长建模.分析表明,采用特征波段建模,其预测相关系数r和预测均方根误差分别为0.9338和1.1370,与全波段建模结果相近,而采用特征波长建模效果稍差.特征波段建模大大减少了建模中的运算量,提高了建模速度,便于相应检测仪器的开发,所以,采用光谱特征波段建模对黄瓜叶片SPAD值的检测更为有效.     

基于神经网络的发动机故障多媒体诊断专家系统

提出了一种基于神经网络的汽油发动机智能故障诊断专家系统，该系统是专家系统与神经网络和多媒体技术相组合的智能化诊断系统。根据汽油发动机的组成结构、功能原理及维修专家的实际经验，用计算机模拟建立故障诊断权，由诊断提炼出训练样本，提供给神经网络学习，学习结束后生成的权值和阈值组成知识库。其的特色是专家系统与神经网络、模糊数学等有机结合，从不同角度、不同层次进行诊断推理，并以神经网络来完成自学习功能，大大提高了诊断的效率，克服了传统故障诊断的一些不足，并采用多媒体技术，使诊断过程和结果显示更加直观。     

基于LS-SVM的红外光谱技术在奶粉脂肪含量无损检测中的应用

脂肪是奶粉中重要的组成部分,实现对奶粉中脂肪含量的快速、无损检测十分重要,为此研究了400～6666cm-1范围的红外光谱技术对不同品种奶粉的脂肪含量的无损检测.采用最小二乘支持向量机(LS-SVM)对光谱透射率值和脂肪含量值进行建模.模型在全红外波段范围对样本脂肪含量预测得到了较好的结果,绝对系数(R2p)达到0.9796,预测误差均方根(RMSEP)为0.8367.预测结果要优于BP人工神经网络(Back Propagation Neural Networks, BP-NN).说明红外光谱技术能够实现奶粉脂肪含量的无损检测,检测过程比化学检测方法简单快速,操作性强.文章同时还研究了分别基于中红外光谱范围和近红外光谱范围的建模.模型预测结果显示分别基于中红外光谱和近红外光谱区域的模型预测效果都比全波段建模略差.本研究为今后奶粉脂肪含量快速无损检测仪器的开发奠定了理论基础.     

近红外高光谱成像技术快速鉴别国产咖啡豆品种

结合近红外高光谱成像技术和不同的判别分析模型对4种国产咖啡豆品种进行了快速无损判别。通过高光谱成像仪提取874~1 734nm波段内的光谱数据,去除首尾噪声波段后,分别基于925~1 680nm波段的全谱波段和通过连续投影算法(SPA)选择的特征波长,建立了偏最小二乘判别分析(PLS-DA)、随机森林(RF)、K最邻近算法(KNN)、支持向量机(SVM)模型和极限学习机(ELM)5种判别分析模型。基于上述判别模型对咖啡豆品种进行鉴别;然后通过准确率、命中率和否定率3个参数对鉴别结果进行了评价。实验显示,基于全谱和特征波段建立的模型均取得了较好的判别效果,其中ELM模型效果均为最优,每个品种建模集和预测集的准确率、命中率和否定率均在93.5%以上。研究结果表明,基于近红外高光谱成像技术结合模型判别分析方法可以实现对国产咖啡豆品种的识别,特征波长的选择减少了变量数,但判别效果与全谱相当。     

虚拟仪器在精确灌溉信息监控系统中的应用

利用LabVIEW虚拟仪器开发平台,进行了作物精确灌溉信息监控系统的设计．该系统主要由传感器、测量仪、数据采集卡、LabVIEW软件开发平台等组成,具有灌溉信息采集、实时监控、作物需水量计算、模糊控制决策等功能．通过试验表明,系统界面友好,操作简单,可较好地实现作物的需水量预测和灌溉信息管理．     

基于电特性的大豆含水率测量研究

为了对大豆含水率进行快速无损测量,提出了利用大豆电特性进行含水率测量的原理及装置。由大豆介质套筒式电容器、信号发生器、信号测量仪组成了检测装置,研究不同测试频率时大豆的介电特性(等效电容、损耗角正切、等效电阻)与含水率的关系。研究表明:合适的测试频率为1kHz;经单纯形法拟合,等效电容与含水率呈幂函数关系。为大豆含水率的快速测试提供了一种新方法。