基于PCA-SVM的红枣缺陷识别方法

以干制红枣的黑斑、破头以及分类难度较高的干条3种病害图像作为研究对象,分别采用颜色矩和灰度共生矩阵提取颜色、纹理特征中的14维特征向量,然后采用主成分分析法对特征向量进行优化,得到4个主因素特征向量作为支持向量机输入。采用交叉算法确定最优支持向量机惩罚参数c和核函数参数g对支持向量机多分类模型进行训练,利用训练后的模型对红枣进行多分类试验。结果证明,该方法能够对红枣黑斑、破头和干条3种缺陷果进行快速准确的识别,识别率分别为93.3%,100.0%和96.6%,总识别率可达97.2%,且分类效率高。     

基于网中网卷积神经网络的红枣缺陷检测

提出了一种基于网中网卷积神经网络对红枣进行缺陷检测的方法,在原有AlexNet卷积神经网络的基础上增加了1×1隐含感知层,增强了网络的非线性以提取更抽象的特征;并采用全局平均池化层的方式替换全连接层,减少大量参数的同时提升了识别准确率。对新疆骏枣进行了实测,可将红枣分为好枣、黑斑枣、皱枣、叠枣、脱皮枣、黄皮枣和裂枣7类,表明该方法与基于常规SVM的视觉检测方法和基于AlexNet网络的分类方法相比,分类效果得到了有效提升。     

基于改进卷积神经网络的红枣缺陷识别

目的：建立一种基于改进的卷积神经网络的红枣缺陷自动识别方法。方法：采用双分支卷积神经网络结构,分支1结合迁移学习策略进行预训练,分支2基于轻量级网络融合特征图提取红枣图像中的特征信息。通过对比实验验证了该方法的优越性。结果：与改进前相比,改进后的缺陷识别方法优化了卷积神经网络的结构,检测准确率进一步提高,从96.02%提高到99.50%。结论：该方法提高了网络学习速度和收敛速度,具有较好的分类识别效果。     

基于Blob分析的红枣表面缺陷在线检测技术

搭建一个基于机器视觉的红枣表面缺陷在线检测平台,实现红枣全表面信息的自动化在线实时测量。根据红枣及其表面缺陷的特征,提出在颜色空间模型中采用Blob分析算法进行红枣与背景的分离以及红枣表面缺陷的识别,给出不同缺陷特征种类的颜色空间模型和分割阈值,快速准确地实现破头果、霉变果、浆头果、虫蛀果等典型红枣表面缺陷的识别。试验结果表明,该方法检测结果稳健可靠,缺陷果识别的准确率可达到90%以上。     

基于ResNeXt与迁移学习的干制哈密大枣果梗/花萼及缺陷识别

目的:解决目前红枣检测过程中果梗/花萼容易被误识别为缺陷枣的问题。方法:提出一种基于深度学习和图像处理的干制哈密大枣果梗/花萼及缺陷识别方法。通过改进深度残差网络ResNeXt-50,采用感兴趣区域提取方法和迁移学习技术提出一种TL-ROI-X-ResNext-50分类模型,实现干制哈密大枣果梗/花萼及缺陷分类。结果:通过模型试验对比,感兴趣区域提取方法和迁移学习技术可以减少模型计算成本,提高准确率,模型识别准确率可达94.17%。结论:该方法可初步满足干制哈密大枣果梗/花萼及缺陷在线检测装备的生产需求。     

自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术

针对传统基于内容的识别方法在特征提取方面存在计算复杂、特征不可迁移等问题,为避免光照条件、重叠及其他遮挡等因素对图像识别的影响,以LeNet卷积神经网络作为基础,对其结构进行改进,设计了一种基于改进LeNet卷积神经网络的苹果目标识别模型,并利用该模型对不同场景的苹果图像进行识别训练与验证。结果表明:该网络模型可有效实现苹果图像的识别,对独立果实、遮挡果实、重叠果实以及相邻果实的识别率分别为96.25%,91.37%,94.91%,89.56%,综合识别率达到93.79%。与其他方法相比,该算法具有较强的抗干扰能力,图像识别速度快、识别率更高。     

热风干制对红枣收缩特性的影响

以哈密大枣为原料,研究了不同热风干制温度对枣收缩特性的影响,结果表明:不同干制温度下红枣的干制过程由升速期、降速期和恒速期三个阶段组成,高温条件下降速期是主要的干制过程,低温条件下恒速期是主要的干制过程;红枣在干制过程中的体积的变化呈收缩与小幅度的膨胀交替的规律进行至干制结束;在干制过程中枣果内存在的空腔、气道、维管束组织和果核及表皮的支撑作用使得枣果失水体积远大于收缩体积;模型拟合结果显示选用的指数收缩模型预测效果较好,R2≥0.9992、PE≤1.5764%、RMSE≤6.4162%,能很好地模拟枣在热风干制过程中的收缩特性。     

南疆骏枣的保湿干制工艺研究

本试验以阿克苏地区骏枣为原料,利用太阳能干燥装置,采用保湿干燥技术干制红枣,研究干制条件对骏枣干制品品质的影响。结果表明,适宜的相对湿度可以改善干制骏枣的色泽、减少干燥过程的壳化现象、减少风味物质和营养成分的损失以及降低红枣的变形程度。骏枣保湿干制最佳工艺条件为:55℃干燥1 h,升温至60℃保持1 h,升温至65℃开始加湿,相对湿度62%,保湿时间为10 min,继续在65℃干燥170 min,升温至70℃干燥3 h,降温至60℃保持1 h,降温至55℃保持1 h,在此条件下干制的骏枣最终含水量为22.07%,色泽鲜艳,口感松软,外形饱满美观。     

基于改进卷积神经网络的化纤丝饼表面缺陷识别

针对传统人工检测化纤丝饼表面缺陷方法的不足,提出改进的卷积神经网络对正常以及3种常见缺陷丝饼进行分类识别。首先对采集的丝饼图像进行分块处理,然后利用改进的卷积神经网络进行特征提取,采用全局最大池化层代替全连接层,增强了图像对空间变换的鲁棒性,减少了模型参数,并利用softmax分类器进行分类。最后在网络学习过程中提出主动学习方法,用少量标注样本对网络进行训练,选出对提升网络性能最具价值的样本进行标注并加入到训练样本中进行训练检测。结果表明,该方法可有效实现丝饼的缺陷识别,识别准确率达到97.1%,并有效减少了网络所需的标注样本数量,节省大量的标注成本,具有一定的通用性。     

基于多尺度图像增强结合卷积神经网络的纸病识别分类

针对造纸工业中传统纸病识别分类依赖于特征描述子和分类器的选择问题,提出一种多尺度图像增强结合卷积神经网络的纸病识别分类方法。该方法利用多尺度形态学梯度增强纸病图像的边缘轮廓信息,突出缺陷梯度特征,然后利用卷积神经网络(CNN)学习纸病图像的特征并分类识别,从而实现纸病的准确识别分类。实验结果表明,该方法对纸病识别分类的结果明显优于HOG+SVM、LBP+SVM以及传统CNN方法,在Caltech101、KTH-TIPS以及本课题的数据集上的分类正确识别率分别达到98.44%、99.23%和99.64%。与现有纸病识别分类方法相比,本课题方法不需针对各种纸病进行缺陷特征提取和特征描述,能快速实现纸病的准确识别分类。     

基于高光谱成像技术的灵武长枣常见缺陷检测

以灵武长枣为研究对象,利用高光谱成像技术结合主成分分析法(principal component analysis,PCA)和最小噪声分离法(minimum noise fraction,MNF)对长枣缺陷进行快速检测与识别,主要探讨样本背景对缺陷识别的影响。首先,采集虫眼、裂痕、正常枣的高光谱图像,利用PCA法和MNF法分别对其降维去噪,选择虫眼与正常枣的PC1和M1图像、裂痕枣的PC2和M2图像进行缺陷识别,经PCA分析后的缺陷识别率均为100%,MNF处理后的识别率分别为69.2%,56.8%,100%;随后对其高光谱图像进行掩模去背景,再对其降维去噪后检测识别,PCA后的识别率均为100%,MNF后的识别率分别为73.1%,65.9%,100%。结果表明:利用高光谱成像技术结合两种降维去噪法对长枣常见缺陷的识别是可行的,背景干扰对于PCA法的缺陷识别不影响,其识别效果优于MNF法,且去背景后的MNF法缺陷识别率较未去背景的有所提高,为后续长枣缺陷的在线检测提供理论依据。     

基于电子鼻技术的烟丝霉变检测

霉变是影响烟丝质量的重要因素之一,研究探索建立基于电子鼻技术的烟丝霉变检测方法。构建的电子鼻系统主要由5只SnO2半导体气敏传感器形成反应阵列,采用BP神经网络(back propagation neural network,BPNN)为主的模式识别方法。从每个传感器响应曲线中提取2个特征值,使用主成分分析和BP神经网络对传感器阵列的所有特征值进行处理。主成分分析结果显示:非霉变烟丝和霉变烟丝存在可区分趋势,但不同霉变程度的烟丝间存在部分重叠。进一步利用BP神经网络对霉变烟丝判别,识别正确率达到90.00%。试验表明,使用电子鼻技术可以客观、有效地区分霉变和非霉变烟丝,为有效控制烟丝质量提供了可靠途径。     

不同杀菌和干燥方式对红枣中环核苷酸含量的影响

红枣中环核苷酸含量丰富而且十分稳定,在已报道的文献中位居首位。实验采用超声波辅助法提取红枣中环磷酸腺苷和环磷酸鸟苷,以高效液相色谱法测定不同品种及不同杀菌方式、干燥方式对红枣产品中环核苷酸含量的影响。结果表明,11种红枣果中环磷酸腺苷含量最高为28.71 μg/g,环磷酸鸟苷最高含量为52.27 μg/g;经微波干燥处理后梨枣粉中环核苷酸含量最高,杀菌处理可不同程度降解红枣果汁中环核苷酸含量。     

超声处理对中短波红外干燥红枣时间及品质的影响

为提高红枣干燥品质,减少干燥时间,以干燥时间为响应值,响应面优化得到红枣中短波红外干燥前超声处理条件为：频率40 kHz、时间40 min、功率350 W。最优超声处理后中短波红外干燥红枣至其干基含水率约为40%时所需干燥时间为9.55 h;未超声处理中短波红外干燥需13.33 h;传统热风干燥需17.13 h。扫描电镜观察红枣果皮,超声处理40 min使果皮表面产生大量裂缝,表皮层变薄,仅38.8 μm,表皮层和亚表皮层易分离,利于干燥过程中水分扩散,显著缩短中短波红外干燥时间。红枣超声处理后中短波红外干燥的干制品品质显著优于未超声处理红外干燥,极显著优于传统热风干燥。最优超声处理条件结合中短波红外干燥,所得干制品在3 种处理方式中总VC、总酚、总黄酮含量最高,糖酸比最高,色泽最优,能耗最少,是适合红枣干燥的技术方法。     

不同干制方式对新疆哈密大枣香气成分的影响

通过不同干制方式对新疆哈密大枣进行处理,采用顶空固相微萃取联合气相色谱-质谱联用分析鉴定40℃干制、45℃干制、晒干、阴干和鲜枣的香气成分及相对含量,探索不同干制方式对红枣香气成分的影响。结果表明:50/30 μm DVB/CAR/PDMS纤维头对红枣香气成分的灵敏度最佳,检出的香气成分种类和相对含量也最多,明显优于其他纤维头。5种红枣样品中共分离出66种香气成分,主要香气物质种类为醛类、酯类、酸类和酮类。采用主成分分析法对香气物质种类评价结果可知:45℃干制处理的红枣香气品质最佳,其次是40℃干制和晒干处理的红枣,阴干处理的样品香气品质最差。     

基于HPLC法研究红枣中氨基酸的含量及影响因素

红枣营养成分丰富,富含多种微量元素、氨基酸、酚酸和黄酮,在预防人类疾病、抗衰老和抗氧化方面具有显著的功效。试验使用HPLC法对若羌红枣、河南新郑红枣、哈密红枣、吕梁红枣和交城红枣5种红枣中的氨基酸进行测定和分析,同时对影响红枣中氨基酸含量的采摘日期、干燥方法和保存时间进行分析。研究结果表明,5种红枣中氨基酸含量最高的是交城骏枣(400μg/g DW),氨基酸含量最低的为吕梁木枣(250μg/g DW);随着采摘时间的延长,红枣中的氨基酸含量也逐渐增多;采用低温干燥的方式能够最大程度上保存红枣中的氨基酸;红枣的保存时间在9个月以内,能够最大程度地减少红枣中氨基酸的丧失。该研究为红枣的育种、采摘、烘干和保存提供了一定的理论基础。     

自制电子鼻检测霉变大米

为对不同霉变程度的大米实现快速鉴别,研制了一套以LabVIEW为平台用于检测大米霉变的电子鼻系统。通过霉菌孢子液侵染正常大米,使用该电子鼻系统对不同天数掺入不同比例霉米的大米样品挥发物进行检测,对采集数据进行主成分分析（PCA）、线性判别分析（LDA）,最后使用反向传播（back propagation,BP）神经网络建立预测模型。结果表明,得分图显示正常大米和霉变大米挥发物差异性显著,LDA分类效果优于PCA;所建立的模型预测值和实际值相关性达0.953以上,训练集和测试集平均相对误差分别为3.56%、4.18%,训练集和测试集对于正常大米样本识别率为100%。综上,电子鼻系统可以作为霉变大米无损检测的有效手段,在大米品质鉴别方面具有实际应用意义。