共查询到14条相似文献,搜索用时 0 毫秒
1.
2.
3.
不完善粒含量是小麦质量的重要评价指标,当前检验以人工为主,检验时间长,检验结果受主观经验影响大。随着科学技术的发展,粮食质量检验的自动化程度不断提高,目前已有不完善粒分析仪投入使用。为全面分析不完善粒分析仪的应用效果,进行了单机和联机效果跟踪,验证分析其准确度、重复性、稳定性及检验时间。结果表明:不完善粒分析仪采用500 g样品量检验的结果与人工定值无显著差异,准确度、稳定性满足使用要求;一个样品的检验时间只需4 min,远远低于人工的15~20 min,大大提升了检验效率。 相似文献
4.
GB/T 21304-2007<小麦硬度的测定硬度指数法>中对样品的清理只规定清除破损粒,而破损粒仅仅是不完善粒中的一种;本试验选用软质、硬质和混合三类小麦将各种不同的不完善粒按1.0%~8.0%的比例添加到完整粒的小麦样品中,使用JYDB100-40型小麦硬度测定仪进行系统的分析研究.结果表明,在GB 1351-2008国家标准规定的不完善粒不超过8%范围内,不完善粒含量的多少对硬度指数测定值没有显著影响,测定结果均在GB/T 21304-2007规定的允许误差范围内,证明了硬度指数主要受基因突变影响的机理,但硬度指数与小麦胚乳的完整性关系如何,有待进一步研讨. 相似文献
5.
采用图像分析技术与自动控制技术,将人工智能技术应用于小麦不完善粒检测,研究开发了小麦不完善粒指标的自动快速无损检测仪器。通过验证该仪器检测小麦不完善粒的准确性、重复性、稳定性、台间差等相关性能参数,结果表明:该仪器检测性能稳定,准确性、重复性、稳定性、台间差均符合行业标准要求,操作简单,检测速度快,克服了人工检测主观性强、重复性差、不同人员间检验一致性较差等问题,可实现小麦不完善粒的自动快速无损检测,能够满足粮食收储企业、加工企业和检测机构的检测需要。 相似文献
6.
本文主要介绍了高光谱成像技术及其在小麦不完善粒检测中的应用,指出了现阶段在不完善粒检测中存在的主要问题,并对今后的研究方向进行了展望,以期推动高光谱成像技术在不完善粒检测中的应用发展。 相似文献
7.
8.
为了实现图像处理技术对小麦不完善粒的准确快速识别,研究了一种基于小麦不完善粒图像特征和BP神经网络的不完善粒识别方法。采集小麦不完善粒图像,对图像进行中值滤波、形态学运算、图像分割等处理后,针对每个小麦籽粒,提取其形态、颜色和纹理共3大类54个特征参数,采用主成分分析法提取8个主成分得分向量作为模式识别的输入,建立BP神经网络模型,实现对小麦不完善粒的检测识别。结果表明,该模型对完善粒、破损粒、病斑粒、生芽粒和虫蚀粒的判别正确率分别为93%、98%、100%、90%和85%,平均判别正确率达到93%,可有效对小麦不完善粒进行检测识别。 相似文献
9.
利用高光谱成像技术对小麦不完善粒进行无损检测。以932个小麦为样本,其中正常粒样本486个、破损粒样本170个、虫蚀粒样本149个及黑胚粒样本127个为研究对象,通过高光谱图像采集系统采集样本的光谱信息,然后从每个样本的116个波段中选取30个波段,建立基于深度学习的卷积神经网络(convolutional neural networks,CNN)模型。实验中的CNN采用2个卷积层,第1层采用大小为3×3的32个卷积核,第2层采用大小为5×5的64个卷积核,池化层采用最大池,激活函数采用修正线性单元,为避免过拟合,在全连接层后面接入dropout层,参数设置为0.5,其他卷积参数均为默认值,得到校正集总识别率为100.00%,测试集总识别率为99.98%。最后,以支持向量机(support vector machine,SVM)为基线模型进行对比,从116个波段中选取90个波段进行建模,测试集总识别率为94.73%。通过实验对比可以看出,CNN模型比SVM模型识别率高。研究表明CNN模型能够实现对小麦不完善粒的准确、快速、无损检测。 相似文献
10.
11.
在国家粮食局、中国粮食行业协会的关心、支持下,“2008年中国小麦和面粉产业年会”,今天在合肥市召开了。参加本次会议的有从事小麦生产、加工、营销、科研、教育、管理等方面的领导、专家、教授和企业家;有从事制粉设备、检测仪器和食品添加剂等方面的生产商和供应商以及粮油行业的相关企业、网站和报社等代表,是中国粮食行业协会小麦分会继去年杭州会议后的又一次盛会,借此机会,我代表中国粮食行业协会、 相似文献
12.
13.
14.
这次小麦和面粉产业年会,是在粮食发展的重要时刻召开的。全国小麦面粉加工业的知名企业基本上都参加了会议。年会的参加人数一年比一年多,内容一年比一年丰富。这是贯彻十七大精神和十一届人大一次会议精神的一次重要会议,是小麦面粉加工产业处于转折时期的一次促进会议。 相似文献