天然苹果香精成分含量测定方法的优化

【目的】建立了天然苹果香精中14种主要成分顶空固相微萃取法（HS-SPME）及气相色谱及质谱联用（GC-MS）含量测定的方法。【方法】通过单因素及响应曲面法实验确定HS-SPME最佳条件;通过内标标准法建立标准曲线,并测定香精成分。【结果】最佳的HS-SPME条件是85μmPA萃取头、香精体积2mL、40℃萃取温度、NaCl浓度0.4g/mL、萃取时间30min。标准曲线测定苹果香精含量中精密度实验RSD1.20%～3.60%,重复性实验RSD3.17%～8.86%,标准品回收率93.44%～107.42%。【结论】HS-SPME/GC-MS结合内标标准法测定有较好的准确性、精密度、重复性,能够有效测定苹果香精中成分含量。      

基于改进型YOLOv3的目标识别与跟踪技术

针对传统YOLOv3模型在小目标检测和跟踪方面存在的不足，提出了一种基于多尺度特征融合的改进型YOLOv3模型。该模型通过引入特征金字塔模块和预测分支，有效地提升了对小尺度目标的感知能力和定位精度。本研究使用MOTChallenge数据集对该模型进行实验评估，并与标准YOLOv3模型进行了对比。实验结果表明，基于多尺度特征融合的YOLOv3模型在精确率、召回率和平均精确度等评价指标上均取得了显著提升。     

嵌入式技术的光照不均图像边缘检测系统

为提取清晰、完整的光照不均图像轮廓，设计嵌入式技术的光照不均图像边缘检测系统。图像采集模块使用CMOS图像传感器采集光照不均图像，运用通信接口模块，将采集的图像传输到内嵌EP9315处理器的嵌入式模块，利用基于Canny算子的光照不均图像边缘检测方法，提取光照不均图像的完整轮廓，并通过HDMI显示模块，将实时光照不均图像和处理后边缘图像展示给用户，实现光照不均图像边缘检测。实验结果表明：该系统将CMOS图像传感器的帧频设置为300 fps,可采集到质量较高的光照不均图像；该系统的光照不均图像平滑处理和边缘检测能力均较为理想，且对于光线极差的夜间光照不均图像也能呈现出较优良的边缘检测效果。