基于多源感知信息融合的牛肉新鲜度分级检测

利用机器视觉和近红外光谱的多源感知信息融合技术评判牛肉新鲜度,并开发了相关的识别系统。以牛后腿肉为研究对象,对获取的图像特征信息和光谱特征信息,采用BP神经网络建立牛肉新鲜度分级模型。其中,通过主成分分析提取相应的主成分因子作为建模输入,根据挥发性盐基氮含量划分新鲜度等级作为模型输出。结果发现,在图像特征信息因子数为6、光谱信息主成分因子数为6时,建立的模型预测识别率可达98.31%。结果表明,基于机器视觉和近红外光谱技术的多源感知信息融合技术评判牛肉新鲜度的方法可行。     

融合图谱特征信息的明虾挥发性盐基氮含量无损检测

为实现明虾中挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量的快速预测,采用近红外光谱和机器视觉技术获取明虾图谱特征信息,融合图谱特征信息构建预测明虾中TVB-N含量的支持向量机模型.获取明虾4℃贮藏0～12 d共51 个样品的光谱信息和图像信息,同时参照GB 5009.228...     

利用近红外光谱分析技术快速测定高良姜中水分含量

结合化学计量学技术构建高良姜中水分含量NIRS分析模型,可应用于高良姜中水分含量的快速测定。方法:用减压干燥法测定106批样品中水分的含量,采集并用多元散射校正法、二阶导数法、Savitzky-Golay卷积平滑法预处理近红外光谱,结合偏最小二乘法建立高良姜药材中水分含量的定量模型,对所建模型进行了内部交叉验证和23批验证集样品的外部预测验证,并对模型进行了重复性考察。结果:所建立的高良姜药材中水分含量的近红外光谱定量分析模型,内部交叉验证决定系数达到0.9864,校正均方差为0.134,预测均方差为0.145,内部交叉验证均方差为0.311,交叉检验和外部检验RPD均大于3。结论:该模型稳定,准确可靠,可应用于高良姜中水分含量的测定。     

马铃薯品质鉴别的近红外光谱与多源信息耦合

建立了基于机器视觉和近红外光谱技术的分级概率输出,利用DS证椐融合规则,搭建适用于异源数据的无损检测分级决策模型.采用方向梯度直方图和主成分提取方法提取光谱特征,并应用支持向量机和AdaBoost分类器进行识别,在此基础上,构建了基于特征层融合的马铃薯分级模型.采用多源信息融合技术,建立了融合无损检测分级决策和特征层融...     

基于近红外光谱技术快速检测稻谷水分含量

目的:建立一种无损、快速高效的稻谷水分含量检测方法。方法:研究收集了不同年份的稻谷样品161份,运用近红外光谱结合化学计量学方法,通过剔除异常光谱和光谱预处理,采用偏最小二乘法建立稻谷水分含量预测模型。结果:采用主成分分析结合马氏距离的方法剔除异常光谱样品15个,最佳的光谱预处理方式为消除常数偏移量。训练集建立的预测模型(R_CAL²)为0.9943,模型标准偏差(RMSEC)为0.21%,模型交叉验证决定系数(R_CV²)为0.9936,模型交叉验证标准偏差(RMSECV)为0.32%,表明预测模型交叉验证预测样品水分含量准确度高。用验证集样品检验预测模型,模型验证集验证决定系数R 2 VA L为0.9801,模型验证集验证标准偏差(RMSEP)值为0.36%,相对分析误差(RPD)值为7.14,表明预测模型对未知样品的预测准确度高。验证集样品实测值与预测值均值方程T检验结果P值(双侧)为0.879,验证集样品实测值与预测值之间差异不显著,表明预测模型的预测结果可信度高,验证集样品预测值与实测值的误差在±1%,且90%以上的验证集样品其预测值与实测值的误差都在±0.5%以内。结论:建立的稻谷水分预测模型可以实现收储稻谷的无损、快速、准确检测。     

利用近红外分析技术测定大豆水分含量方法的研究

建立了基于FOSS XDS近红外光谱分析仪快速测定大豆水分含量模型,对光学处理和数学处理手段等因素对模型的影响进行了探讨,对模型进行了内部和外部验证.实验结果表明最佳的建模参数为:光学处理选用标准正常化处理(SNV Only),数学处理选用1.4.4.1方法,大豆水分定标方程的交互定标决定系数(1-VR)为0.990 8,定标决定系数(R2)为0.993 9,定标标准误差(SEC)为0.096 7,交互定标标准误差(SECV)为0.127 3,现有数据预测标准偏差(SEP)为0.136.利用该模型对大豆水分含量进行检测,达到了代替常规标准方法的要求,可以应用于快速检测.     

基于近红外光谱仪分析中式爆炒猪肉的水分含量

应用傅里叶变换近红外光谱技术建立中式传统爆炒猪肉片水分含量预测模型,达到快速无损检测的目的。通过直接干燥法测定100 组爆炒猪肉片样品的水分含量,并扫描得到其近红外光谱图。采用偏最小二乘法并通过二阶微分结合卷积平滑算法对光谱进行预处理,通过拐点法、马氏距离法、杠杆值、学生残差法与内部交互验证均方根法进一步剔除异常样本,优化光谱模型。结果表明：所构建的中式爆炒肉片水分含量近红外光谱预测模型的校正均方差值为0.089 1,相关系数为0.972 1;且将预测值与真实值进行比较发现,预测结果正确率大于98.7%（P＜0.05）,表明本研究建立的用于检测中式爆炒肉片水分含量的近红外光谱预测模型效果良好,能够快速检测并准确预测中式爆炒肉片的水分含量,具有一定的应用价值。     

基于多源光谱特征融合技术的花生油掺伪检测

以拉曼、近红外2种光谱特征融合结合化学计量学方法对花生油掺伪进行了定量分析。分别用激光拉曼、激光近红外光谱仪采集134个掺伪油样本的光谱数据,采用SPXY算法对样本集进行划分。拉曼光谱(Ram)和近红外光谱(near infrared spectroscopy,NIR)数据进行预处理后,采用后向间隔偏最小二乘法(BiPLS)和联合间隔偏最小二乘法(synergy interval partial least squares,Si PLS)分别提取2种光谱的特征波长;将提取的特征波长融合,结合支持向量机回归(SVR)建立数学模型,采用网格搜索算法(CV)对SVR模型的参数组合(C,g)值寻优,建立最优参数模型。研究表明:建立的Ram-NIR-SVR模型能够实现花生油中掺杂油脂含量的快速准确预测,预测集和校正集的相关系数R分别达到0.98和0.99,均方根误差(MSE)低于2.38E-3;对比不同特征波长提取方法,并与单光谱分析技术比较,可以看出,数据融合技术能够增强模型预测能力,减小模型参数,有利于模型的实际应用,体现了2种光谱很好的互补性。表明光谱分析结合数据融合技术对食用油真实性综合鉴别具有重要意义。     

基于多数据融合技术的腊肉品质分级方法

针对近年来备受关注的腊肉酸价和过氧化值超标、褪色、出油、发黏等品质问题,提出一种快速、准确、 实用的检测技术。首先利用自组织特征映射网,对生化实验测得的酸价、过氧化值以及微生物菌落总数数据,在相 关国家标准的基础上将样品腊肉的品质等级划分为4 级：放心食用、可食用、不推荐食用和不可食用。在此基础上 采用近红外光谱技术对腊肉的酸价与过氧化值进行检测,用遗传算法优选后的波长建模所得预测均方根误差分别是 用优选前建模的41%、57%,所用波长数约为整个波段波长数的1/3。采用显微图像技术获得腊肉的菌斑信息,极大 的改善了传统细菌总数检验方法操作复杂、主观性强、耗时长等问题。最后采用支持向量机对近红外光谱数据和显 微图像数据进行多数据融合,建立腊肉可食用等级快速判别模型。     

傅立叶变换近红外光谱法快速检测锅盔中水分含量

应用傅立叶变换近红外光谱技术,建立锅盔水分含量分析模型.测定61份锅盔的近红外光谱,经一阶导数+MSC预处理以滤去噪声,在7 501.9～4 597.6 cm-1谱段范围内,选择维数10,利用偏最小二乘法建立近红外光谱与国标参考方法测得的水分含量之间的相关模型.最终得到水分定量校正模型决定系数(R2)为99.03％,内部交叉验证均方差(RMSECV)为0.409％.用该模型对19个未知锅盔样品进行外部验证,其水分外部验证决定系数(R2)为97.99％,预测标准偏差(RMSEP)为0.341％.结果表明,近红外定量分析技术有较高的准确度,能满足锅盔水分的快速检测精度要求.     

基于不同颜色模型定量预测永川秀芽在制品含水率

为定量预测永川秀芽在制品的含水率,基于不同颜色模型探究在制品的色泽变化,并结合偏最小二乘（partial least square,PLS）法建立含水率的定量预测模型。结果表明：在永川秀芽初制过程中,在制品的红绿度、蓝色通道均值增高,含水率和亮度、黄蓝度、红色通道均值、绿色通道均值、色调均值等15 个颜色模型分量降低,即色泽表现为变暗、变黄;通过热图与聚类分析,可将在制品分为2 个大类、4 个亚类,且理条工序对在制品含水率、色泽的影响最为显著;利用17 个颜色模型分量和PLS方法建立了含水率的定量预测模型,以校正集相关系数（Rc）、交互验证均方根误差（root-mean-square error of cross-validation,RMSECV）、预测集相关系数（Rp）、预测均方根误差（root-mean-square error of prediction,RMSEP）、相对分析误差（relative percent deviation,RPD）为评价指标。模型的Rc、Rp、RMSECV、RMSEP分别为0.979、0.980、0.044 7、0.044 3。RMSECV、RMSEP的差值仅为0.000 4,且RPD达到5.04,表明模型具有极好的预测能力和泛化能力,为实现永川秀芽在制品含水率的在线监测提供了一种新方法。     

单粒玉米种子水分近红外快速无损测定方法研究

玉米精量播种技术发展对种子质量检测提出了单粒、无损、快速测定等新需求,本研究重点探索了近红外光谱结合化学计量学方法建立单粒玉米种子水分检测模型的可行性。实验收集并测定了110份玉米样本的水分含量,应用傅里叶变换红外光谱仪及单粒测样附件扫描得到样本集近红外光谱,按照3:1随机划分训练集和测试集。首先采用多种光谱预处理方法消除单粒种子采集光谱时由于颗粒形态等引起的噪声干扰,然后分别建立基于PLS线性模型和SVM非线性模型的单粒玉米种子水分近红外检测模型,其中PLS模型测试集的R为0.93,RMSEP为0.86;SVM模型测试集的R达到0.96,RMSEP为0.71。实验结果表明,光谱预处理结合SVM非线性模型可以有效降低单粒玉米种子近红外光谱采集时引入的非线性干扰,有助于提升单粒玉米种子水分近红外快速无损检测实际应用可行性。     

绿茶茶多酚近红外光谱定量分析模型优化研究

采用NIR Systems6500 和InfraXact Lab 型近红外仪分别对158 份绿茶未粉碎品和粉碎样品进行光谱扫描,利用正交试验设计,分别采用主成分回归、偏最小二乘、改进偏最小二乘3 种校正方法,并对原始光谱分别进行不同的预处理,建立了绿茶茶多酚定标模型,利用目标函数法对模型进行评定,并对评定的最优模型适用性进行验证。试验结果为：利用NIR Systems6500 型近红外仪对绿茶粉碎样品扫描的光谱采用改进偏最小二乘法进行定标,在标准正常化+ 趋势变化散射处理、二阶导数处理(取点间隔为1)、平滑处理取点间隔为4 和二次平滑处理取点间隔为8 组合的光谱预处理下建立的模型最优,其目标函数值为95.74%,验证相对标准差(RSD)为4.52%,相对分析误差(RPD)为2.52%。结果表明：采用正交试验设计能够综合考察不同的校正方法和预处理方法对近红外定标模型的影响,利用近红外光谱分析法能够实现绿茶中茶多酚含量的定量检测,所建立的最优模型具有很好的预测准确性和适用性。     

茶鲜叶在不同季节及绿茶加工贮藏过程中糖苷类香气前体含量变化研究

选择了槠叶种鲜叶为茶叶原料 ,研究了茶叶糖苷类香气前体在不同季节和绿茶加工过程中的消长规律。研究结果表明 ,槠叶种鲜叶中存在以顺 3 己烯醇、芳樟醇及其氧化物、水杨酸甲酯、香叶醇、苯乙醇、苯甲醇等为苷元的糖苷类香气前体。不同季节 ,茶叶糖苷类香气前体在组成和含量上差别较大。单萜烯醇糖苷特别是香叶醇糖苷在春茶中的含量很高 ;秋茶中以芳香族醇、酯、脂肪族醇为苷元的糖苷含量显著增加 ,而单萜烯醇糖苷含量降低 ;夏茶中水杨酸甲酯、苯甲醇糖苷含量处于低水平 ,但苯乙醇糖苷含量较高。从春季到秋季 ,顺 3 己烯醇和水杨酸甲酯糖苷的含量逐渐提高 ,而芳樟醇和香叶醇糖苷的含量却逐步减少。茶鲜叶摊放 2h后 ,糖苷类香气前体的总量提高 ,并在绿茶加工的后续阶段逐步降低 ,特别是在干燥阶段。在成品绿茶中仍保留约 77%的糖苷类香气前体 ,这为绿茶香气品质的进一步改善留下了广阔的空间。     

纺织品含水率测量方法研究进展

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。     

基于嗅觉可视化技术的眉茶等级分类方法

为了快速、准确地对眉茶等级进行分类,提出了一种基于嗅觉可视化技术的眉茶等级快速分类方法。首先,根据卟啉显色反应预实验结果,选定了12 种显色效果明显的卟啉指示剂制备嗅觉可视化传感器阵列,通过该传感器阵列与不同等级的眉茶茶汤进行反应,获取不同的特征图像。然后,对特征图像数据进行主成分分析和降维,将得到的不同维数的主成分分析结果作为输入变量,构建支持向量机（support vector machine,SVM）眉茶等级分类模型。最后,引入3 种群体智能优化算法（萤火虫算法、灰狼优化算法、布谷鸟算法）对SVM分类模型的惩罚因子c和核函数参数g进行优化。结果显示：未经优化的SVM分类模型对测试集的分类正确率为80%,所需的主成分个数为12 个;经过优化的SVM模型的分类正确率均有所提升,其中经过布谷鸟算法优化的SVM模型对测试集的分类正确率达到了93.3%,且所需的主成分个数减少为6 个。这表明应用嗅觉可视化技术能够实现对眉茶等级的分类,而通过群体智能优化算法优化SVM分类模型可以显著增强模型的性能,提高分类正确率。