共查询到19条相似文献,搜索用时 78 毫秒
1.
利用高光谱成像系统(1000~2500 nm)对羊肉含水率进行无损检测研究。对108个羊肉样本进行光谱信息采集,通过标准正态变换法、归一化法、去趋势校正法、S-G卷积平滑法、导数法、多元散射校正法对原始光谱进行预处理,对全波段下的原始光谱和预处理后的光谱建立偏最小二乘回归(PLSR)模型,优选出的最佳预处理算法为去趋势校正法。原始数据经去趋势校正法预处理后,采用相关系数法选取特征波长,建立特征波长下羊肉含水率的 PLSR模型和逐步多元线性回归(SMLR)模型。结果表明,SMLR模型对含水率预测效果最好,校正集相关系数Rc为0.8597,标准误差SEC为0.0521;预测集相关系数Rp为0.8654,标准误差SEP为0.0387。研究表明,利用高光谱成像技术检测羊肉含水率是可行的。 相似文献
2.
目的 利用高光谱成像技术对蔬菜新鲜度检测进行了初步探讨。方法 采集了小白菜、菠菜、油菜、娃娃菜这四种蔬菜的叶片, 分别在失水0、10、24、48 h的状态下, 利用成像光谱仪采集其光谱图像, 对蔬菜叶片进行对比分析。结果 蔬菜在失水过程中, 高光谱图像能反映其外观形态及内部叶绿素的变化, SPAD值预测模型的相关系数r=0.76。结论 利用高光谱成像来辨别蔬菜叶片新鲜度是可行的。 相似文献
3.
目的:实现对鲜食玉米含水率的快速、准确预测。方法:采用高光谱技术对鲜食水果玉米进行光谱数据采集,比较了变量标准化算法(SNV)、附加散射校正算法(MSC)、卷积平滑(SG)、移动平均法(MA)等数据预处理方法对模型精度的影响,选取MSC进行预处理。基于MSC预处理数据选用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)以及随机蛙跳法(RF)分别提取含水率的特征波长并建模分析。结果:MSC-CARS-PLS模型的含水率预测效果最好,预测集的决定系数(R2p)达到0.825 0,预测均方根误差(RMSEP)为0.006 0。结论:利用高光谱技术可实现对鲜食水果玉米含水率的快速无损检测。 相似文献
4.
织物的含水率是染整生产过程中的重要指标,应用微波技术检测物质的含水率,能在线实时准确测量,且可靠性好,抗干扰能力强,不易受到物质的颜色、结构等的影响,并可检测物质内部的含水率。本文从微波测湿的原理出发分别介绍了系统软、硬件构成及功能。并与烘箱法比较,分析了误差,进一步验证了微波测湿的可行性。 相似文献
5.
目的以蛋品质量评价指标—哈夫单位值为检测标准,建立一种基于机器视觉的鸡蛋品质无损检测方法。方法通过摄像头捕捉到鸡蛋图像信息,利用MATLAB对鸡蛋图像的G分量以及I分量进行特征参数提取,并计算出与鸡蛋新鲜度相关的4个特征参数:蛋黄面积比、气室面积比、气室高度比与气室直径比,将其作为自变量,通过高精度游标卡尺实测每个鸡蛋样本哈夫值作为因变量,分别建立一元回归模型,寻找特征参数与哈夫值的关系,并根据哈夫值对鸡蛋新鲜度进行分级。结果实验表明,所测4个特征参数中,蛋黄面积比与哈夫值存在较强的相关性,相关系数为0.78,拟合优度为0.62,蛋黄面积比越小,鸡蛋哈夫值越大,说明鸡蛋越新鲜。结论基于机器视觉的鸡蛋品质无损检测方法不仅具有较强的应用价值,还可以为鸡蛋品质智能分级提供技术支撑。 相似文献
6.
7.
8.
9.
文章介绍了一种应用于微波无损检测系统中的k波段32阵元微带阵列天线,该天线采用串并混合馈电网络,通过对单个天线单元交叉极化和阵元间相位的分析,采用适当的谐振模式予以抑制,并巧妙选择介质基本实现阵元间的相位补偿,满足了天线性能和尺寸等实际应用的需求。仿真结果表明,天线在工作频点,驻波低于1.5,最大增益为24d Bi,E面和H面半功率波瓣宽度分别为15°和8°,满足大多数微波无损检测的应用需求。 相似文献
10.
11.
12.
织物含水率在线检测系统研究 总被引:2,自引:0,他引:2
在纺织印染行业,湿度作为关键工艺参数,几乎贯穿于每一个工艺过程,对其进行检测尤为重要.为确保在印染过程中对织物湿度的准确测量,实现在线实时检测,本文在对织物的介电特性和微波的电磁特性分析和研究的基础上,提出了利用微波透射法在线检测织物湿度的方案.该系统基于微波测量原理,能在线测量织物含水率,具有无损检测,测量范围宽、不受材料颜色的影响、测量误差小、输出显示织物含水率等特性.通过试验,将微波测量法与烘箱法含水率检测方法相比,该系统具有使用方便、速度快、测量精度高等优点. 相似文献
13.
本研究以大豆分离蛋白、小麦蛋白、豌豆蛋白为原料,采用高水分植物蛋白双螺杆挤压纤维化技术制备蛋白样品,并探讨不同储藏方式对其品质特性的影响。通过对四种不同储藏方式的安全指标进行检测,未杀菌-18℃储藏和121℃杀菌后24℃储藏条件下,其储藏时间较长,在检测的180天内,各项安全指标均在安全范围内。对上述两种储藏方式下随着储藏时间的增加,其品质特性的变化规律进行研究,结果表明:不同储藏方式对高水分挤压纤维化蛋白品质特性的影响显著。未杀菌-18℃储藏条件下,可以很好的维持样品的组织化度,同时样品的水分在储藏过程中从内部向外部发生迁移,随着样品水分不断减少,亮度下降,颜色变深,硬度和咀嚼度升高,弹性下降;121℃杀菌24℃储藏条件下,样品受到高温高压作用,蛋白变性,纤维状结构被破坏,其组织化度下降,样品发生美拉德反应,颜色加深,硬度和咀嚼度升高,弹性下降。对高水分挤压纤维化蛋白产品各品质指标之间进行相关性分析。组织化度与L*值、b*值和弹性呈现显著正相关,与a*值、硬度和咀嚼度呈现显著负相关;L*值与弹性呈显著正相关,与a*值、硬度和咀嚼度呈现显著负相关;a*值与硬度和咀嚼度呈现显著正相关,与弹性呈现负相关;b*值与弹性呈现负相关,与硬度呈现正相关;硬度与咀嚼度呈现正相关,与弹性呈现负相关;弹性与咀嚼度呈现负相关。 相似文献
14.
本文在近红外反射光谱780~1700 nm的波长范围内采集新宰杀的同一品种的羊的后腿肉134个样本的光谱数据,来实现快速无损的南疆生鲜羊肉含水量的检测。这些光谱数据经中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等预处理方法对原始光谱进行降噪处理;然后以13:1的比例将样本分为训练集和测试集,并采用PLSR建立预测模型,使用所建模型对生鲜羊肉水分含量进行预测。结果为:训练集的预测相关系数Rc为0.94、标准差MSEC为0.04,预测成功率为97.6%,测试集的预测相关系数Rv为0.89、标准差MSEV为0.07,预测成功率为96.4%。实验结果证实结合中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等多种预处理方法建立的基于近红外光谱PLSR模型,可以对南疆鲜羊肉的水分含量进行精确的快速无损评价,并且能为南疆生鲜羊肉水分含量的快速无损检测技术的应用提供理论上的指导。 相似文献
15.
冷鲜羊肉冷藏时间和水分含量的高光谱无损检测 总被引:1,自引:0,他引:1
利用可见-近红外高光谱成像技术对冷鲜羊肉的冷藏时间和水分含量进行无损检测。通过波长400~1 000 nm可见-近红外高光谱系统采集160 个羊肉样本光谱信息,优选主成分-14-线性判别法对原始光谱建立羊肉冷藏时间的判别模型,校正集对羊肉冷藏时间的判别率为99.17%,预测集为100%,模型可较好地判别羊肉的冷藏时间。其次,针对羊肉冷藏过程中水分含量的变化,优选最佳预处理方法并运用偏最小二乘回归(partial leastsquares regression,PLSR)法建立水分含量预测模型;结果表明,经过Savitzky-Golay卷积平滑预处理的PLSR模型对水分含量的建模效果最优,校正集和预测集相关系数分别为0.888和0.784,交互验证均方根误差为0.696。研究表明,采用可见-近红外高光谱成像技术对冷鲜羊肉冷藏时间的判别和冷藏过程中羊肉水分含量的快速预测是可行的。 相似文献
16.
为有效解决纺织品在纺织印染过程中水分含量无法实时精确控制的问题,提升纺织产品综合性能,对现阶段纺织品生产及使用过程中因含水率过高、过低而引起的产品缺陷、设备磨损问题以及纺织品含水率研究背景和研究价值进行了介绍。阐述了纺织品含水率测量的7种方法,即烘箱法、电阻法、电容法、近红外光谱法、中子法、核磁共振法、微波法,分析了各个测量方法的特点、精度、适用范围以及最新进展,并对纺织品含水率研究成果进行了总结。结果表明,随着工艺要求、测量精度的不断提高,微波法由于其在线、实时、非接触、高精度测量等优点,逐渐成为纺织品含水率测量的主要测量方法。目前对于微波法测量的应用还处于起步阶段,测量时需标定每一种纺织品的含水率曲线,这就需要大量的实验样品以及数据库。但是纺织品的种类繁多、编织结构多样,很难做到对所有纺织品含水率曲线的标定,因此,应从纺织纤维的微观机理、混合物介电常数等方面去进一步研究,解决微波法的普遍适用性。 相似文献
17.
18.
19.
谷物安全水分估算 总被引:1,自引:0,他引:1
采用常用的水分吸着等温线模型对测定的14个小麦品种、15个稻谷品种、10个玉米品种及5个大米品种的平衡水分含量(EMC)/平衡相对湿度(ERH)数据进行拟合,Modified-Chung-Pfost(MCPE)被判定为最佳解吸等温线模型。以M=-1/C3×ln[-(t+C2)C×1ln(r.h.)/C1]形式表达的平均解吸等温线MCPE方程参数C1、C2及C3对小麦分别是635.479、57.093及0.221,对稻谷分别是502.485、45.276及0.186,对玉米分别是389.939、18.792及0.231,对大米分别是492.539、39.846及0.176。根据RH 70%是霉菌生长的界限,推导10、15、20、25、30、35℃条件下各品种的平均解吸值,对小麦分别是14.84%、14.51%、14.21%、13.93%、13.66%及13.41%;对稻谷分别是14.83%、14.49%、14.17%、13.88%、13.61%及13.35%;对玉米分别是15.74%、15.05%、14.45%、13.93%、13.46%及13.04%;对大米分别是15.88%、15.49%、15.13%、14.80%、14.50%及14.21%。这些数据对谷物安全水分标准制定有参考意义。 相似文献