基于机器学习算法的缺损米粉块在线快速检测

目的:实现缺损米粉块的快速在线检测。方法:提出运用机器学习算法对缺损米粉块检测数据进行分析。通过相机对米粉块进行非接触式数据采集,图像上传及处理后,获取米粉块的轮廓周长和面积、近似轮廓的周长和面积、近似轮廓点数、轮廓外接圆半径6个特征数据,依据米粉块样本数据特点,运用支持向量机(SVM)分类算法对米粉块的多特征数据组成的样本集进行分析。结果:通过与5种算法测试对比,GBDT分类算法平均准确率89%,用时1.10 s;KNN分类算法平均准确率88%,用时0.23 s;Logistic Regression分类算法平均准确率88%,用时0.68 s;Random Forest分类算法平均准确率87%,用时0.47 s;tree分类算法平均准确率87%,用时0.084 s;SVM分类算法检测平均准确率最高,达95%,平均用时最短,为0.000 97 s。结论:利用SVM分类算法进行米粉块缺损检测准确率高、用时短,适用于生产线的在线检测。     

改进的YOLOv5蛋类缺陷自动检测模型

目的:解决现有蛋类缺陷图像自动检测方法存在的检测效率低、精度差等问题。方法:在蛋类检测系统的基础上,提出一种改进的YOLOv5自动检测模型。将轻量级网络MobileNetv3添加到YOLOv5模型中,以降低模型复杂度,删除颈部网络和输出端小目标检测。结果:与传统的控制方法相比,该方法能够更准确、高效地实现蛋类目标表面缺陷检测,复杂度降低了35%以上,单幅图像的检测时间为14.25 ms,检测准确率＞95%,满足食品缺陷检测的需要。结论:改进的YOLOv5检测模型可以有效提高蛋类缺陷检测效率。     

基于机器视觉的磨粉机轧距监测系统研究

目的:实现磨粉机磨辊轧距的实时监测。方法:采用CCD工业相机采集轧距图片,利用阈值分割、形态学方法对采集的灰度图像进行预处理操作,再利用边缘检测算法并结合MATLAB软件和数学运算剔除边缘无关点,最终计算出磨粉机的轧距。通过比较塞尺测量轧距值与系统监测值,验证系统的可行性和准确性。结果:稳定状态下该在线监测系统的数据波动幅度为0.001~0.002 mm,增速状态下波动幅度较大,为0.001~0.005 mm。结论:该系统可实时测量磨辊轧距。     

基于机器视觉技术的罗非鱼去鳞率无损快速在线检测系统

目的:提高罗非鱼加工质量和效率、提升产品附加值.方法:利用鱼鳞、鱼皮在紫外激发下的荧光响应差异构建基于机器视觉技术的罗非鱼去鳞率快速检测系统. 罗非鱼鱼体图像经预处理、背景分割、ROI区域选取、未去鳞区域快速识别等算法处理后得到未去鳞和去鳞区图像,计算去鳞率并测试系统检测精度.结果:系统的去鳞率检测精度范围为90．18%~94．14%.结论:该系统可实现被测罗非鱼样品的自动输送、检测图像自动触发与采集和图像的快速处理并提高罗非鱼去鳞率检测效率,满足生产线检测要求.     

物理终止发酵工艺对低醇枣酒风味物质的影响

目的:为低醇枣酒的产业化生产提供理论依据。方法:采用巴氏灭菌、高频超声和超微过滤3种方法对枣酒进行终止发酵。利用离子色谱法、顶空固相微萃取—气相色谱—质谱联用技术测定低醇枣酒中风味物质,并进行品评。结果:低醇枣酒中共有苹果酸、柠檬酸、琥珀酸、乳酸和乙酸5种主要有机酸,共检测到50种香气成分,其中酯类为主要香气物质,且辛酸乙酯和癸酸乙酯含量最高;不同终止发酵处理下低醇枣酒风味物质含量差异明显。超声高频处理的低醇枣酒各种风味物质的平衡度最好,香气成分种类丰富且均衡,超微过滤处理的低醇枣酒风味物质平衡度中等,香气成分种类丰富且不均衡,巴氏灭菌处理的低醇枣酒风味物质平衡度和香气成分种类均最低。结论:通过物理措施将枣汁发酵尽量控制在单糖、果聚糖发酵阶段,生产低醇高糖的枣酒,是解决枣酒有害物超标的优良途径。     

基于深度学习的香蕉成熟度自动分级

目的:快速、准确分类香蕉成熟度。方法:采集不同成熟度的香蕉图像并建立图库,利用多种神经网络作为分类器提取香蕉特征,通过迁移学习对香蕉6个成熟度等级进行分类,并对最适合进行香蕉成熟度分类的网络模型进行改进,设计简易香蕉成熟度实时检测界面,最后验证模型的可行性和实用性。结果:AlexNet模型最适合用于香蕉成熟度分类,准确率最高,可达到95.56%;通过修改其全连接层结构改进AlexNet模型,模型准确率再提升1.11%。结论:AlexNet模型可快速准确识别并分类不同成熟度的香蕉。     

市售韭菜中农药残留及重金属污染状况

目的：科学管理湖南省韭菜食品安全。方法：对湖南地区690份韭菜样本中24项农药和5项重金属进行检测。结果：① 农药残留检出率为23.19%,检出率排名前3的农药分别为多菌灵、腐霉利和氯氰菊酯;农药残留的超标率为5.80%,其中腐霉利超标率最高,达2.61%。② 重金属元素检出率为77.68%,超标率为3.62%,其中检出率和超标率最高的重金属元素均为镉。结论：韭菜农药残留量较高,且重金属元素检出率远高于其农药残留检出率,其中,农药腐霉利和重金属镉为韭菜的主要超标项目,建议加强韭菜中农药残留及重金属污染的持续监测。     

基于深度学习卷积神经网络的花生籽粒完整性检测

目的:准确区分完整花生、果仁破损花生和表皮破损花生。方法:提出了一种基于深度学习卷积神经网络(CNN)的花生籽粒完整性检测方案。搭建了花生籽粒色选系统,建立了花生籽粒图像库;利用改进的密度峰值聚类(DPC)算法对CNN卷积核进行自适应压缩,有效平衡网络深度和运算效率;采用改进的麻雀搜索算法对CNN超参数配置和网络结构进行优化,得到适用于花生籽粒完整性检测的CNN模型。结果:相比于DL-CNN、CO-Net等检测方法,该方案识别准确率提高了5.41%~13.92%,花生籽粒单幅图像检测时间缩短了约16.9%。结论:该方法可有效提高花生籽粒完整性检测的准确率和实时性。     

气相色谱质谱联用法测定白酒中4类风味物质

目的:探究不同香型白酒风味成分组成规律与差异。方法:建立了同时测定白酒中酯类、醇类、酸类、醛类等微量成分的气相色谱质谱联用法(GC-MS)。采用选择离子(SIM)模式,外标法定量,并通过质谱数据库匹配、日内及日间相对标准偏差等进行方法考察。结果:白酒中酯类、醇类、醛类、酸类的检出限为0.007~0.070 mg/L,定量限为0.020~0.200 mg/L,并且在0.000 5~5.0 g/L的范围内线性良好,相关系数R²≥0.998 5。在60%乙醇水溶液中分别添加低、中、高3个浓度水平的标准品进行准确度试验,4类风味物质的平均回收率为87.8%~107.4%,相对标准偏差为2.0%~7.4% (n=6)。结论:试验方法可用于白酒中多种类风味物质的定量分析。     

基于相关性和时序分析的鲜食黄桃安全贮藏期的确定及品质预测

目的:建立鲜食黄桃安全贮藏期预测模型,实现贮藏品质的预警预测。方法:以锦绣黄桃为试材,对3个采摘期入库果实的带皮硬度、果肉组织硬度、果实色差、可溶性固形物含量等指标进行测定,并对果实质地、色泽、风味和香气4个感官模块进行评分,利用相关性和时序分析技术进行安全贮藏期的确定及品质预测。结果:利用轮廓曲线图确定了最佳聚类数为4,主要表现为果实硬度、可溶性固形物含量及果实红绿色差的差异,与消费者关注的质地、风味和色泽感官模块一致;果实质地、色泽和风味3个感官评分模块间有较强共线性,贮藏时间与果实硬度和果肉组织硬度呈负相关,与果实红绿色差呈正相关;果实红绿色差与果实带皮硬度和果肉组织硬度呈负相关,可作为硬度无损检测的表征因子之一。结论:温度(10.0±0.5) ℃、相对湿度80%~85%条件下,建立了非线性果实带皮硬度和果肉组织硬度预测数学模型f[T.(a,k,b)]=a×exp(k×T)+b和线性果实红绿色差预测数学模型f(x)=kx+b,两个预测模型的预测误差较低(R²＞0.9,平均误差＜0.2)。     

基于两次二维Daubechies小波变换的纸病在线辨识方法研究

针对造纸生产线上纸病在线检测系统光源不均匀性和纸病难以识别的问题,通过建立纸病图像背景模型实现动态补偿光源的不均匀成分,并根据不同纸病图像的灰度分布规律,两次使用二维小波变换增强其灰度轮廓信息和提取灰度特征,以实现纸病的在线辨识。实验结果表明,该方法可以显著提高纸病辨识精度。     

亲亲肠残次品在线视觉检测识别方法

目的:研究亲亲肠生产过程中常见外观缺陷的自动检测方法。方法:采用CMOS相机在线获取亲亲肠产品的图像信息,应用图像处理技术对产品外观缺陷特征进行提取并分析缺陷种类。结果:应用该在线检测方法对亲亲肠常见外观缺陷检测的准确率在97.2%以上。结论:该检测方法简单,实际应用前景广阔。     

基于几何及灰度特征的纸病检测算法研究

针对当前纸病在线检测系统实时性强和信息量大的特点,提出了一种高效、灵活的基于几何及灰度特征的纸病检测算法.首先采用邻域均值法对纸病图像去噪,然后根据灰度直方图选取合适阈值将图像二值化,并运用边界跟踪法检测出纸病边缘,最后提取出纸病的几何及灰度特征并分析其特征量将纸病分类.按照该算法依次对常见5种纸病进行检测,结果表明,基于几何及灰度特征的纸病检测算法能够准确地检测并分类常见纸病.     

基于Criminisi算法的非周期性印花织物缺陷检测

由于非周期印花织物颜色多变、花型复杂、印花缺陷纹理及背景纹理之间对比度低,导致织物缺陷不易被识别,因此给出一种Criminisi算法。首先,采用频率谐调(frequency-tuned,FT)显著性算法对印花织物缺陷图像进行显著性增强,突出缺陷的边缘轮廓;其次,利用大津阈值法对显著图进行二值化处理,并将得到的二值图作为图像修复时的Mask掩码图;最后,运用Criminisi算法对原印花织物缺陷图像进行修复,将修复的印花图像减去原印花缺陷图像,获得缺陷区域。实验结果表明,该方法能准确分割出非周期性印花织物的缺陷区域,如漏墨、污渍等,且检测准确率达97.39%。同时,实验过程中不涉及参数的调节。     

纸病检测方法的研究进展

目前,纸病的检测技术研究主要集中于纸病的智能化在线检测,目的在于开发一套机器视觉系统,应用快速有效的算法,实现纸病的精确检测和定位.目前纸病检测方法分为阈值法、形态学方法、灰度级统计法三类.其中阈值法根据不同的纸病设置不同的阈值,形态学方法采用腐蚀和膨胀的边缘检测算子检测纸病边缘,灰度级统计法利用纸病图像的统计特征检测纸病.文章最后指出随着各种快速算法和高性能信号处理器件的出现,利用频域分析或是频域分析、统计方法和建模法的结合是纸病检测研究的一种趋势.     

基于相似性定位和超像素分割的织物疵点检测

为解决周期性纹理织物图像的疵点检测及其轮廓精确分割问题,提出一种基于相似性定位和超像素分割的织物疵点检测方法。将待检测图像进行中值滤波和对数增强,并利用FT算法估计增强图像的显著图实现待检测图像的预处理;将基于归一化局部均值差分的灰度相似性检测参量和结构相似性检测参量结合,构建可测量更多类型周期性纹理织物图像的相似性度量函数,通过阈值化增强图像分块的相似性测量值实现疵点在显著图中的粗定位;最后对显著图粗定位图像分块进行超像素细分割及其二值化处理,并借助连通域分析剔除孤立点,获得完整的疵点轮廓。结果表明,本方法与常规3种方法相比,对周期性纹理织物图像的疵点检测准确率更高,且提取出的疵点轮廓更精确。     

基于Prewitt算子与形态学的纸病图像检测方法

针对Prewitt算子在检测中存在的边缘不连续性的问题,提出一种基于Prewitt算子和数学形态学的纸病图像边缘检测方法。首先利用Prewitt算子对纸病图像进行处理,然后将处理后的图像进行形态学的闭运算。实验表明,该方法结合了两种检测方法的优点,有效地提高了边缘检测的准确性,得到了比较理想的纸病边缘检测效果。