基于计算机视觉的槟榔分级研究

槟榔品种的分级技术目前比较落后,主要靠人工完成分级,因而品种分级的质量难以得到保证。该试验用计算机视觉技术进行品种分级,通过图像获取、预处理等提取其颜色特征、形状特征和纹理特征,通过试验分析,发现由颜色和形状特征参数结合起来即可以获得较好的效果。并对其进行主成分分析后代入支持向量机进行分级,预测集的正确识别率达到90.38%以上。     

基于可见/近红外光谱技术的便携分析仪的应用

目的为解决水果内部品质信息的快速无损检测,自主研制了一台基于可见/近红外光谱技术的便携式分析仪,通过试验验证其可行性及所建模型的鲁棒性。方法以红富士苹果为检测对象,采集透射光谱曲线,与化学指标可溶性固形物含量(soluble solid content,SSC)分别建立基于平均光谱、基于各采样光谱的偏最小二乘(partial least squares,PLS)回归模型,比较预测精度并对非同批次样本进行预测。结果试验表明该分析仪对苹果SSC具有较高的测量精度,特别是基于各采样光谱的PLS模型,对同批次样本预测相关系数(Rp)达到0.924,预测均方根误差低至0.429%Brix,预测精密度(平均偏差)低至0.136%Brix,对非同批次样本SSC表现出较强的鲁棒性能,预测均方根误差为0.531%Brix。结论通过此项研究,表明该便携分析仪可用于水果内部品质信息的定量分析,并建议采用基于各采样光谱建立的回归模型用于外来样本的预测。     

真彩色图象显示技术

一、引言 目前市场上销售的图形显示适配器至少配有1MB的视频存储器,能够显示真彩色图像,但很少利用。其实,充分利用图形显示适配器硬件功能不仅可以显示色彩逼真的图像,制作多彩的软件封面;而且对硬件的直接操作可大大提高图像的显示速度,在此基础上作一些彩色图像处理研究工作,省去了价格昂贵的图像处理卡。     

ASM和BP网络在苹果果形研究中的方法比较

形状判别是苹果外观品质检测中不可缺少的内容。本文先后采用主动形状模型（ASM）和基于傅立叶描述子的神经网络方法进行苹果形态分级，实验结果表明：传统神经网络方法的判别准确率为83.3％左右，而ASM方法的分级效果较好，对苹果果形的判别准确率高达95％，模型与实际对象匹配的时间不超过2s，且直观性强、鲁棒性好，具有较好的灵活性，能够满足苹果实时分级的需要。     

苹果糖度的光谱模型温度补偿设计

目的 为减少温度对便携仪器近红外光谱模型预测的影响, 尝试构建局部温度混合校正模型, 结合温度信息来预测不同温度下的苹果内部品质。方法 以16、24、32 ℃贮藏温度下红富士苹果为原料, 分别用内置微型光谱仪的自制便携式水果分析仪器获得其透射光谱, 结合温度传感器获取环境温度, 用阿贝折射仪测定苹果糖度。建立单一温度校正模型、全局温度混合校正模型和局部温度混合校正模型对不同温度的样本进行预测。结果 单一温度校正模型对不同温度下苹果糖度预测均方根误差为0.474~3.125% Brix; 当采用全局温度混合校正模型时能降低温度对光谱的影响, 预测均方根误差分布在0.488~0.533% Brix。根据待测样本的温度来构建多个局部温度混合校正模型, 对不同温度下苹果糖度的预测均方根误差为 0.462~0.500% Brix。结论 局部温度混合校正模型可以结合样本温度信息预测苹果糖度, 降低温度对模型的影响, 同时能减少初期建模成本。     

粮食水分检测装置设计

开发了一套对射式微波水分检测装置。以STC89C52芯片为主处理器,控制各部件执行顺序。为保证物料装载的一致性,采用光电开关控制装载量;为消除温度影响,实时采集样本料温,建立温度补偿模型;为避免微波产生热效应,采用时序控制采集温度及微波信号,以实现粮食水分的准确测量。经实验验证,物料实际水分与微波检测水分之间的相关系数0.96,满足实际检测要求。     

鲜食葡萄果穗形状颜色的多视角投影成像检测

设计了一种基于平面镜的低成本多视角投影成像结构,用于获取鲜食葡萄果穗不同侧面信息来判断果穗形状、颜色是否合格。采用两片前表面平面镜来延伸单目相机的拍摄视野,以最大限度地获取果穗全表面信息。通过图像处理方法分割果穗的实像虚像区域,并借助悬挂果穗的高度不变属性对虚像区域进行放大,得到三个每隔120°的同样高度果穗。提取果穗区域、轮廓宽度曲线参数来对果穗外观形状进行评价,与人工分级对比,对果穗形状分级的准确率为95.5%;将彩色图像RGB转换到HSI颜色空间,从色度图像(Hue)获取果穗成熟时的典型颜色区域,计算果面着色面积比例,并按照着色面积比例的大小进行颜色分类,准确率为81.1%。结果表明多视角同时成像的方法可用于葡萄外观的分级,为在线检测提供参考。     

基于免标记电化学免疫传感的蔬菜中农药残留检测研究

本文利用层层自组装技术构建了一种用于农药残留高灵敏检测的免标记电化学免疫传感器。该免疫传感器首先通过在天然聚合物海藻酸钠修饰的玻碳电极上利用电化学方法原位聚合金纳米粒子,然后借助金纳米粒子与蛋白质抗体之间的较强吸附作用进一步原位组装农药抗体,从而成功构建了免标记电化学免疫传感器。实验中以呋喃丹农药为模型,呋喃丹分子通过特异性的免疫反应在抗体功能化电极表面生成免疫复合物,该复合物阻碍了电化学探针在电极表面的电子传递,从而减小了免疫传感器的电流响应,利用电流响应的变化与农药分子浓度的关系可以实现呋喃丹农药的快速、高灵敏检测。在优化的实验条件下,该传感器对呋喃丹农药的线性检测范围为1~105μg/L,检测限为1μg/L。同时,该免疫传感器还实现了多种蔬菜样品中呋喃丹农药残留的高灵敏检测。     

高光谱图像技术检测柑橘果锈

高光谱图像技术作为农产品无损检测的新技术,探讨了其在柑橘外部品质检测的可行性.以检测柑橘果锈为目的,首先对经预处理的高光谱图像数据进行主成分分析,优选出571 nm、652 nm和741 nm三个特征波长组成新的图像块;再进行第二步主成分分析,得到的第三主成分图像为最适宜检测柑橘果锈的图像;最后对该图像进行中值滤波、平方根变换,阈值分割和数字形态学运算完成特征提取.试验结果表明,此算法对柑橘果锈检测的正确率可达到90%.研究表明,利用高光谱图像技术结合两步主成分分析算法检测柑橘果锈是可行的.