基于线激光扫描的鱼类定量切段方法

目的:实现鱼类制品前处理加工鱼肉定量切段机械化.方法:利用线激光扫描得到的鱼体轮廓数据和鱼体重量随体长的分布数据,并据此构建鱼体定重切段和等重切段的定量化分切模型,通过试验验证方法的有效性和准确性.结果:鱼体重量分布模型的预测精度＞91%;给定段重为10,15,20g时的平均绝对误差分别为0．16,0．38, 1．15g;给定段数为10,15,20段时的平均绝对误差分别为 2．44,1．35,0．67g.结论:定重切段时,切割误差随给定重量增大而提高;等重切割时,给定段数越少,切割误差越大,该方法可满足实际生产中定量切段加工精度要求.     

机器学习结合视触多感知特征融合的盐渍海参等级评定方法

盐渍海参等级评定结果直接影响海参的经济价值,不同等级盐渍海参在颜色、形态和气味上很难直接分辨。现有的检测方法具有线下分散性操作以及依赖人工经验的特点,无法满足大规模生产线作业要求。为实现快速、无损的盐渍海参等级评定,本实验提出一种基于视觉、力学多感知特征融合的盐渍海参等级评定新方法。鉴于海参含盐量与质构特性的复杂关系,本实验利用构建的盐渍海参等级评定系统感知盐渍海参受力回复过程的形变图像与力学信息;通过回复过程形状变化特点与力学特征,结合机器学习算法实现盐渍海参等级评定。为精确提取与海参形状变化相关的图像特征,在传统图像处理方法基础上进行改进,建立盐渍海参轮廓动态能量图,提取基于直方图和灰度共生矩阵的纹理特征;针对力学信息,提取力学统计特征,采用单因素方差分析、主成分分析法对所有特征数据进行降维和融合,获得视触多感知融合特征,根据融合数据特点,采用遗传算法优化支持向量机建立盐渍海参等级评定模型。结果表明,特征融合后结合支持向量机模型检测效果优异,该模型的准确度（Accuracy）＝1、精确率（Precision）＝1、召回率（Recall）＝1、综合评价指标（F1-Score）＝1。一级品、二级品、合格品盐渍海参分类识别准确率可达100%。该方法可为盐渍海参等级评定提出新的思路。