真彩色图象显示技术

一、引言 目前市场上销售的图形显示适配器至少配有1MB的视频存储器,能够显示真彩色图像,但很少利用。其实,充分利用图形显示适配器硬件功能不仅可以显示色彩逼真的图像,制作多彩的软件封面;而且对硬件的直接操作可大大提高图像的显示速度,在此基础上作一些彩色图像处理研究工作,省去了价格昂贵的图像处理卡。     

基于可见/近红外光谱技术的便携分析仪的应用

目的为解决水果内部品质信息的快速无损检测,自主研制了一台基于可见/近红外光谱技术的便携式分析仪,通过试验验证其可行性及所建模型的鲁棒性。方法以红富士苹果为检测对象,采集透射光谱曲线,与化学指标可溶性固形物含量(soluble solid content,SSC)分别建立基于平均光谱、基于各采样光谱的偏最小二乘(partial least squares,PLS)回归模型,比较预测精度并对非同批次样本进行预测。结果试验表明该分析仪对苹果SSC具有较高的测量精度,特别是基于各采样光谱的PLS模型,对同批次样本预测相关系数(Rp)达到0.924,预测均方根误差低至0.429%Brix,预测精密度(平均偏差)低至0.136%Brix,对非同批次样本SSC表现出较强的鲁棒性能,预测均方根误差为0.531%Brix。结论通过此项研究,表明该便携分析仪可用于水果内部品质信息的定量分析,并建议采用基于各采样光谱建立的回归模型用于外来样本的预测。     

基于计算机视觉的槟榔分级研究

槟榔品种的分级技术目前比较落后,主要靠人工完成分级,因而品种分级的质量难以得到保证。该试验用计算机视觉技术进行品种分级,通过图像获取、预处理等提取其颜色特征、形状特征和纹理特征,通过试验分析,发现由颜色和形状特征参数结合起来即可以获得较好的效果。并对其进行主成分分析后代入支持向量机进行分级,预测集的正确识别率达到90.38%以上。     

基于siPLS的猕猴桃糖度近红外光谱检测

为了探寻一种快速无损检测猕猴桃糖度的方法,利用小波滤噪法对猕猴桃1000～2500nm 近红外光谱进行了预处理,并用偏最小二乘法(PLS)、区间偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)分别建立预测模型。结果表明,采用联合区间偏最小二乘法将光谱划分为16 个子区间,利用其中的第9、11、13 号3 个子区间联合建立的糖度模型效果最佳,其校正集相关系数和均方根误差分别为0.9414 和0.3788。预测集相关系数和均方根误差分别为0.9295 和0.3904,主因子数为7 个。研究表明,用小波滤噪和联合区间偏最小二乘法所建立的猕猴桃糖度模型不但减少建模运算时间,剔除噪声过大的谱区,而且预测能力和精度均有所提高。     

ASM和BP网络在苹果果形研究中的方法比较

形状判别是苹果外观品质检测中不可缺少的内容。本文先后采用主动形状模型(ASM)和基于傅立叶描述子的神经网络方法进行苹果形态分级。实验结果表明:传统神经网络方法的判别准确率为83．3%左右,而ASM方法的分级效果较好,对苹果果形的判别准确率高达95%,模型与实际对象匹配的时间不超过2s,且直观性强、鲁棒性好,具有较好的灵活性,能够满足苹果实时分级的需要。     

粮食水分检测装置设计

开发了一套对射式微波水分检测装置。以STC89C52芯片为主处理器,控制各部件执行顺序。为保证物料装载的一致性,采用光电开关控制装载量;为消除温度影响,实时采集样本料温,建立温度补偿模型;为避免微波产生热效应,采用时序控制采集温度及微波信号,以实现粮食水分的准确测量。经实验验证,物料实际水分与微波检测水分之间的相关系数0.96,满足实际检测要求。     

苹果糖度的光谱模型温度补偿设计

目的 为减少温度对便携仪器近红外光谱模型预测的影响, 尝试构建局部温度混合校正模型, 结合温度信息来预测不同温度下的苹果内部品质。方法 以16、24、32 ℃贮藏温度下红富士苹果为原料, 分别用内置微型光谱仪的自制便携式水果分析仪器获得其透射光谱, 结合温度传感器获取环境温度, 用阿贝折射仪测定苹果糖度。建立单一温度校正模型、全局温度混合校正模型和局部温度混合校正模型对不同温度的样本进行预测。结果 单一温度校正模型对不同温度下苹果糖度预测均方根误差为0.474~3.125% Brix; 当采用全局温度混合校正模型时能降低温度对光谱的影响, 预测均方根误差分布在0.488~0.533% Brix。根据待测样本的温度来构建多个局部温度混合校正模型, 对不同温度下苹果糖度的预测均方根误差为 0.462~0.500% Brix。结论 局部温度混合校正模型可以结合样本温度信息预测苹果糖度, 降低温度对模型的影响, 同时能减少初期建模成本。     

基于免标记电化学免疫传感的蔬菜中农药残留检测研究

本文利用层层自组装技术构建了一种用于农药残留高灵敏检测的免标记电化学免疫传感器。该免疫传感器首先通过在天然聚合物海藻酸钠修饰的玻碳电极上利用电化学方法原位聚合金纳米粒子,然后借助金纳米粒子与蛋白质抗体之间的较强吸附作用进一步原位组装农药抗体,从而成功构建了免标记电化学免疫传感器。实验中以呋喃丹农药为模型,呋喃丹分子通过特异性的免疫反应在抗体功能化电极表面生成免疫复合物,该复合物阻碍了电化学探针在电极表面的电子传递,从而减小了免疫传感器的电流响应,利用电流响应的变化与农药分子浓度的关系可以实现呋喃丹农药的快速、高灵敏检测。在优化的实验条件下,该传感器对呋喃丹农药的线性检测范围为1~105μg/L,检测限为1μg/L。同时,该免疫传感器还实现了多种蔬菜样品中呋喃丹农药残留的高灵敏检测。     

可见/近红外光谱半透射法检测苹果中可溶性固形物含量

目的 检验自行搭建的半透射光谱采集平台检测水果中可溶性固形物含量的可行性, 并比较不同光谱采集方式对光谱模型的影响。方法 以红富士苹果为检测对象, 光谱采集平台中的USB2000 光谱仪采集半透射光谱数据, AntarisⅡ FT-NIR光谱仪采集漫反射光谱数据, 同标准法检测得到的苹果可溶性固形物含量建立偏最小二乘(PLS)模型, 并结合不同的预处理方式优化近红外光谱模型。结果 比较发现采用半透射的光谱采集方式优于漫反射方式。半透射光谱采用平滑处理后模型预测性能最佳, 对样本预测得到相关系数为0.937, 均方根误差为0.517。结论 自行搭建的光谱采集平台可行, 为今后检测水果的光谱采集方式提供参考。