基于光谱技术与光学仿真的柚果在线检测托盘设计与试验

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。     

基于变量筛选的温州蜜桔品质的光谱快速检测

目的利用可见/近红外光谱技术结合变量筛选算法建立预测模型。方法采集7个不同批次蜜桔样本的漫透射光谱,预处理优化后,以无信息变量消除法(uninformative variable elimination,UVE)、竞争性自适应重加权法(competitive adaptive reweighting sampling,CARS)及其组合(UVE-CARS)共3种策略来进行光谱有效波段的筛选,建立蜜桔可溶性固形物含量(soluble solid content,SSC)的偏最小二乘预测模型(partial least square,PLS)。结果比较全变量模型和3个特征变量模型的预测性能,UVE-CARS-PLS模型取得了最优的检测效果,相比全变量模型,建模变量数减少了96.5%,其预测集相关系数R_P提升至0.732,预测集均方根误差(root-mean-square error,RMSEP)下降至0.873~0Brix。结论结合多重变量选择算法,可以进一步压缩建模变量数,简化模型,提高模型预测精度,实现区域蜜桔品质的光谱快速检测。     

基于CARS-SPA的苹果可溶性固形物可见/近红外光谱在线检测

采用CARS（competitive adaptive reweighted sampling）联合连续投影算法（SPA）方法筛选苹果可见/近红外光谱的特征变量,继而联合多种不同建模方法建立苹果可溶性固形物（SSC）预测模型,并对预测模型进行对比研究。研究结果显示,采用CARS-SPA联合筛选出的31个变量,通过采用PLS建立苹果SSC的可见/近红外光谱在线检测模型性能最稳定,其变量数仅为原始光谱的1.69%,预测集的相关系数和均方根误差分别为0.936和0.351%。研究表明采用CARS-SPA能有效提取苹果SSC的光谱特征变量,能有效简化模型并提高模型精度。      

可见/近红外光谱半透射法检测苹果中可溶性固形物含量

目的 检验自行搭建的半透射光谱采集平台检测水果中可溶性固形物含量的可行性, 并比较不同光谱采集方式对光谱模型的影响。方法 以红富士苹果为检测对象, 光谱采集平台中的USB2000 光谱仪采集半透射光谱数据, AntarisⅡ FT-NIR光谱仪采集漫反射光谱数据, 同标准法检测得到的苹果可溶性固形物含量建立偏最小二乘(PLS)模型, 并结合不同的预处理方式优化近红外光谱模型。结果 比较发现采用半透射的光谱采集方式优于漫反射方式。半透射光谱采用平滑处理后模型预测性能最佳, 对样本预测得到相关系数为0.937, 均方根误差为0.517。结论 自行搭建的光谱采集平台可行, 为今后检测水果的光谱采集方式提供参考。     

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。     

基于可见/近红外光谱无损检测苹果可溶性固形物的光照优化

为优化光照在提高可见/近红外光谱无损检测苹果可溶性固形物含量（SSC）精度中的应用,实验比较了四种光照方式对USB2000+微型光谱仪采集苹果随机摆放位置时的透射光谱信号。在剔除光谱异常样本并经光谱预处理后,与常规方法检测的SSC建立偏最小二乘（PLS）回归模型。通过比较模型的预测均方根误差（RMSEP）与相关系数（rp）,结果发现低角度、多光源组合的光照方式最好,模型预测结果为rp=0.804、RMSEP=0.635。该光照方式可为今后便携装置、在线检测的光源设计提供参考。      

基于近红外光谱技术检测苹果气调贮藏期可溶性固形物含量

目的 基于近红外光谱技术结合偏最小二乘（Partial least square, PLS）法和最小二乘支持向量机回归（Least square-support vector regression, LS-SVR）法建立苹果气调贮藏期可溶性固形物（Soluble solids contents, SSC）含量预测模型。方法 在分析了气调贮藏期苹果细胞结构和SSC变化的基础上,采集了可见-近红外（Visible-near infrared, Vis-NIR）波段和长波近红外（Long wave near infrared, LWIR）波段下不同贮藏时间的苹果漫反射光谱信息,利用主成分分析方法（Principal component analysis,PCA）分析不同贮藏期苹果光谱信息分布特征,使用Kennard-Stone（K-S）算法以3:1比例对样本集进行划分,使用多元散射校正（Multiplicative scatter correction, MSC）和SG（Savitzky-Golay）平滑对光谱进行预处理,利用连续投影算法（Successive projections algorithm, SPA）和竞争自适应重加权采样（Competitive adaptive reweighted sampling, CARS）法对光谱进行特征波长提取,并建立SSC预测模型。结果 在LWIR波段下,经MSC预处理和CARS提取特征波长后建立的PLS模型取得了较好的预测精度,模型相关系数为0.900,均方根误差为0.478;经MSC、SG平滑预处理和CARS提取特征波长后建立的LS-SVR模型取得了更好的预测精度,模型相关系数为0.927,均方根误差为0.507。结论 构建的基于可见/近红外光谱无损预测模型可实现对气调贮藏期苹果SSC的准确预测,为高效贮藏技术提供了理论基础。     

近红外漫反射光谱检测损伤猕猴桃内部品质

研究贮藏期间损伤猕猴桃内部品质与其近红外漫反射光谱之间的关系。利用近红外光谱(12000～4000cm-1)技术和多元线性回归(multiple linear regression,MLR)、主成分回归(principal component regression,PCR)和偏最小二乘法(partial least squares,PLS)3种校正方法分别对损伤华优猕猴桃在2℃条件下贮藏4周期间的可溶性固形物含量、pH值和硬度进行定量分析;并对比吸光度原始光谱、一阶微分和二阶微分3种不同预处理方法的PLS模型校正结果。结果表明：一阶微分预处理方法时,应用PLS建立的可溶性固形物含量、pH值和硬度校正模型的效果最佳;预测集样品预测值与测量值之间的相关系数分别为0.812、0.703、0.919,预测均方根误差分别为0.749、0.153、1.700。说明应用近红外漫反射技术检测贮藏期间损伤猕猴桃的内部品质是可行的。     

柑橘浮皮果与可溶性固形物光谱同时在线检测

柑橘浮皮果和可溶性固形物是评价柑橘品质的重要指标,在运动速度5个/s、积分时间100ms条件下,采集350~1 150nm范围内的柑橘光谱,探讨在同一条生产线上同时在线检测浮皮果与可溶性固形物的可行性,同时探索柑橘正常果,轻度、重度浮皮果的光谱响应特征,建立柑橘浮皮果与正常果的定性判别模型,并对比分析两种判别模型,同时还建立柑橘可溶性固形物的定量检测模型,最终实现了柑橘浮皮果与可溶性固形物同时在线检测。采用未参与建模的35个样品对模型在线分选的准确性进行评价,其中柑橘浮皮果都被正确的推入预设的浮皮果出口,正确判别率为100%,而可溶性固形物正确分级率为97%。研究可为柑橘在线分选提供分选策略与理论依据。     

生鲜紫薯花青素等多品质参数的可见-近红外快速无损检测

基于实验室自行搭建的可见-近红外光谱系统,以市售生鲜紫薯为研究对象,探讨其花青素、可溶性固形物（soluble solid contents,SSC）以及总糖（total sugars,TS）的同时快速无损检测方法。对紫薯原始光谱进行SG（Savitzky-Golay）平滑、标准正态变量变换以及一阶求导预处理,然后用偏最小二乘回归法进行建模分析。对于花青素和TS,经SG平滑结合一阶求导预处理的模型预测效果最佳;对于SSC,经SNV预处理的模型预测效果最好。针对紫薯各参数最佳预处理光谱采用竞争性自适应加权算法进行波长筛选,再次建立模型。花青素模型预测集的相关系数为0.942 1,预测均方根误差（root mean square error of prediction,RMSEP）为0.225?9?mg/g;SSC模型预测集相关系数为0.943?1,RMSEP为0.878?7?°Brix;TS模型预测集的相关系数为0.925?3,RMSEP为0.244?3%。结果显示,利用可见-近红外光谱可以实现对生鲜紫薯的花青素、SSC以及TS的同时快速无损检测,对生鲜紫薯品质的快速无损检测分选有着重要的实用意义。     

基于电子舌检测的橙汁贮藏品质研究

为实现对不同储存时间的鲜榨橙汁品质进行客观、快速的评价,采用基于虚拟仪器技术的电子舌系统对6种不同储存时间下的鲜榨橙汁样本进行定性和定量分析。针对电子舌输出信号特点,分别采用主成分分析(Principal Component Analysis,PCA)和离散小波变换(Discrete Wavelet Transform,DWT)方法对输出信号进行预处理,以分类效果为依据,确定离散小波变换作为较佳特征提取方法。在此基础上,采用线性判别分析(Linear Discriminant Analysis,LDA)方法对不同储存时间鲜榨橙汁样本进行定性分析,然后采用粒子群优化最小二乘支持向量机(Particle Swarm Optimization Least Squared-Support Vector Machines,PSOLSSVM)对鲜榨橙汁的不同储存时间进行定量预测。结果表明:LDA结果中第一判别式(LD1)和第二判别式(LD2)的综合贡献率为95.7%,6种储存时间下的鲜榨橙汁样本均得到有效定性辨别;而PSO-LSSVM预测模型对鲜榨橙汁的不同储存时间具有较高的定量预测精度,其相关系数(R~2)、均方根误差、平均绝对误差分别为0.999 1,0.287 7,0.232 8。     

基于机器视觉的水果外观品质检测研究现状

水果中富含多种营养成分,随着经济和社会生活水平的提高,高品质水果越来越受人们的青睐,其外观品质已经成为影响消费者采购的重要因素。早期我国主要依赖人工对水果进行分级,效率和准确率较低,成本和工人劳动强度较大。近年来随着机器视觉技术的不断发展,大量的学者将视觉技术应用到水果外观品质的检测中,这种技术具有无损坏、低成本、高效率和操作方便等优点。本文结合国内外学者的研究成果,梳理了机器视觉在水果外观颜色、形状、大小、缺陷和纹理检测中的应用,着重介绍了缺陷提取和分类器对水果识别算法的研究进展,分析了传统视觉分级、机器学习和深度学习的应用特点,提出了机器视觉技术存在的问题并对未来发展趋势进行了展望,以期为水果外观品质检测研究提供参考与借鉴。     

基于机器视觉的百香果品质多指标在线检测与分选

[目的]提高百香果品质分级的精细化与智能化水平。[方法]利用OpenCV与轻量化神经网络（MobileNetV3_large_ssld）对百香果的果径、成熟度与皱缩情况进行了检测。通过最小外接矩形的短边测量果径;在HSV颜色空间中,分析H分量值在特定范围内（H∈[0,10]∪[156,180],[11,25],[26,34],[125,155]）的像素占比来判别果实的成熟度;建立MobileNetV3_large_ssld轻量化神经网络模型,用于判别果皮的皱缩情况。基于对果径、成熟度与皱缩情况3个指标的检测结果,进一步采用评级量表法构建了果实品质综合评价模型,并开发了在线检测及分选系统。该系统利用KNN背景减去模型从传送带上运动的百香果视频流中提取目标并去除果柄,采用区间取帧法从视频中捕获单张图像,依据多指标综合评价模型对百香果品质进行分级,并通过分选机构的拨爪将百香果拨至相应的等级通道。[结果]测试结果显示,系统分选与人工分选的整体吻合度为97.02%,特级吻合度为95.51%,一级吻合度为97.84%,二级吻合度为100.00%。[结论]该系统可用于不同等级百香果品质的在线检测与分选。     

5种杂柑果实品质及制汁适应性的研究

对5个杂柑品种果实品质及制汁性能进行了研究,结果表明果汁的可溶性固形物含量变化范围为12.8%~14.2%,平均为13.7%;可滴定酸含量变化范围为0.51%~0.84%,平均为0.69%;出汁率变化范围为46.3%~57.8%,平均为52.5%,出汁率顺序为天草>南香>宫内伊予柑>诺瓦>甜桔柚。综合评价,天草和南香的出汁率、可溶性固形物及可滴定酸、还原糖指标均比较高,果汁风味浓郁,且果汁滋味和香气品评分数较高,是制汁的理想品种。     

脐橙分选包装表面损伤识别算法设计研究

研究提出了一种改进的计算机视觉识别技术与图像融合算法,并建立脐橙表面损伤识别系统,检测中从图像采集卡获得数字化的图像数据后,经过图像二值化、边缘检测和灰度拉伸处理,再对图像的行灰度均值变化曲线进行分析,加权滤波后提取特征图像,以提高脐橙分选包装的精度和速度。通过实验测试表明:边缘特征检测方法对于模糊图像的处理能力较强,算法设计中的损伤定位加快了系统的处理速度,其检测速度达到了10.5个/s,具有精度高、通用性和稳定性好等特点。      

Microbiological quality of fresh-squeezed orange juice and efficacy of fruit surface decontamination methods in microbiological quality

The aims of this study were to evaluate the microbiological quality of fresh-squeezed orange juice and to reduce the microbial population by using various chemical and physical fruit surface decontamination methods. In the first step of the study, polyethylene-bottled fresh-squeezed orange juice samples purchased in Ankara, Turkey, were examined. The average aerobic plate count (APC) and coliform count (CC) varied within the ranges of 3 to 5 log CFU/ml and 1 to 4 log MPN/ml, respectively. Ten of 60 samples contained various levels of Escherichia coli, while Salmonella spp. and E. coli O157:H7 were not detected in any of the samples. Comparing the efficacy of various fruit surface decontamination methods on microbial population of oranges, the best results were obtained following two applications of submersion in boiling water and 5% H(2)O(2) solution for both the uninoculated and inoculated samples. Orange juice samples obtained from surface-inoculated and decontaminated oranges were also examined. We showed that about 17.4% of the E. coli population was transferred to orange juice after extraction, indicating the separation of microbial contaminants from fruit peel during extraction. Finally, the levels of microbial contamination occurred throughout the extraction process on the inner surfaces of a commercial juice extractor at one of the sale points investigated. Significant (P < 0.05) increases in the APC and CC were determined in surface samples of the extractor after the extraction. Surface decontamination and extraction are critical steps in fresh juice production for preventing microbial contamination. Immersion in boiling water for 0.5 min, without using any chemicals, can be offered as an effective method to reduce microbial population on orange surfaces.     

基于堆积实验的小米离散元参数标定

为获取小米在离散元仿真中精确的接触参数,基于小米颗粒实体堆积实验,结合离散元法"Hertz-Mindlin"颗粒接触模型,构建小米颗粒仿真模型,以小米休止角为响应值,基于响应面优化对小米仿真接触参数进行了标定.首先通过Plackett-Burman设计实验,得到对小米休止角影响显著的仿真接触参数为:小米-小米静摩擦系数...     

食品贮藏过程的模拟与控制软件设计

通过对食品在贮藏过程中品质特性变化的研究,发具有自学习功能的食品贮藏过程品质变化的数学模型、提供依据参考。建立数学模型数据库,采用VB6．0和SQL设计开模拟与控制软件,为保证食品的品质和安全性等