基于高光谱图像与光谱特征融合技术的鸡蛋新鲜度无损判别模型的建立

鸡蛋新鲜度等级评价是鸡蛋品质检测过程中的一项重要技术指标。选取了不同储藏环境的鸡蛋样本并采集其高光谱图像信息与光谱信息,提取图像特征和光谱特征;采用并行式融合方法进行图谱特征融合,基于连续投影法-灰度共生矩阵方法进行特征提取;建立支持向量机鸡蛋新鲜度判别模型。采用粒子群算法优化模型,训练集准确率达到85%,预测集准确率达到76.67%。为了解决单模型可能出现的偶然性误判问题,采用递进式特征融合方法,引入多模型共识策略和深度残差网络ResNet 50分析方法。建立基于连续投影法-方向梯度直方图特征提取方法的多模型共识策略,该模型的训练集准确率提升至89%,预测集准确率提升至88%;同时,建立基于连续投影法-方向梯度直方图特征提取方法的深度残差网络ResNet 50模型,模型的训练集准确率提升至89%,预测集的准确率提升至86.67%。图谱特征融合建模分析表明,并行式融合方法和递进式融合方法对鸡蛋新鲜度等级判别都有一定的可识别性,且递进式融合算法的多模型共识策略判别效果更佳。     

基于HPLC多元指纹图谱的龙井茶产地判别研究

针对西湖、钱塘、越州三大产区的104个龙井茶样本进行HPLC多元指纹图谱的构建,结合化学计量学判定方法对样本进行产地判定、预测研究。基于HPLC-DAD检测指纹图谱构建结果显示:龙井茶三大产区样本HPLC指纹图谱中共含有28个特征色谱峰,标示16个已知化合物和12个未知化合物。基于多元指纹图谱结合判别因子分析法(DFA)、多层感知器法(MLP)、支持向量机法(SVM)对龙井茶样本的产区判别及预测研究显示:3种判别方法的龙井茶产区预测准确率均在90%以上,其中SVM预测准确率最高,达98.08%。本研究利用不同判别技术多角度验证表明HPLC多元指纹图谱结合化学计量学判定方法能够较好地判定龙井茶样本的产区,该技术有望为茶叶产地溯源及茶叶品质控制提供技术支撑。     

基于改进支持向量机的温室大棚温度预测

针对温室大棚中影响温度预测的因素以及温室大棚温度变化存在的非线性问题,提出基于改进支持向量机的温度预测模型。支持向量机选择性能较好的RBF核函数,结合网格搜索算法对支持向量机的核参数和惩罚因子进行动态寻优,考虑光照强度、湿度、风速对温度的影响。实验结果表明,与其他模型相比,改进的支持向量机预测误差更小,精度更好。     

基于高光谱技术的铁观音茶叶等级判别

应用高光谱技术结合支持向量机分类理论对不同等级的铁观音茶叶进行判别分析。采集铁观音各等级茶样的高光谱数据,提取红边幅值、蓝边位置、黄边面积、红谷反射率、归一化植被指数等共20 个光谱特征参数,以其作为输入量带入以径向基函数作为核函数的支持向量机分类模型,探讨惩罚参数C和核参数g的最佳取值,构建判别模型,并对其进行验证和评价。结果显示,当惩罚参数C和核参数g分别为106和0.007 5时,所建模型对未知等级的铁观音样品正确判别率可达92.86%,表明应用高光谱技术进行铁观音茶叶等级的快速无损准确鉴别是可行的。     

基于支持向量机的牛肉嫩度等级评价模型研究

目的 利用VIS/NIR反射光谱建立基于支持向量机的生鲜牛肉嫩度等级的评价模型。方法 以牛肉背最长肌为研究对象, 选取样本58个, 在牛肉新鲜切口处采集波长范围400~1700 nm的反射光谱信息, 使用肉类嫩度测量仪测量牛肉剪切力值, 应用支持向量机(SVM)模型评价牛肉嫩度等级。结果 应用SVM模型可以较好地实现对牛肉嫩度等级的评价。尤其是经主成分分析降维预处理, 结合径向基核函数SVM, 对牛肉训练集嫩度等级的回判率达到95%, 对样品校正集判别的准确率进一步提高至83.3%。结论 SVM模型对牛肉嫩度等级评价结果较好, 进行主成分分析后, 判别结果有所提高。     

南美白对虾货架期预测指标选择及模型研究

为研究南美白对虾品质指标与货架期之间的关系及南美白对虾在贮藏过程中的品质变化过程,精确预测其剩余货架期,通过检测277,272.2,255K温度下南美白对虾的感官指标、理化指标和微生物指标,分别针对南美白对虾品质检测的综合指标和部分关键指标,以支持向量机模型和BP神经网络模型为基础,建立南美白对虾货架期预测模型。结果表明:基于综合指标构建的货架期预测模型的预测精度(支持向量机为97.71%,BP为91.41%)比基于关键指标的(支持向量机为84.08%,BP为83.76%)高;基于支持向量机的预测模型的预测精度(关键指标为84.08%,综合指标为97.71%)比BP预测模型的(关键指标为83.76%,综合指标为91.41%)高;基于综合指标的支持向量机预测模型的预测精度是4种模型中最高的,为97.71%。该结论也可为支持向量机方法和预测指标选择在其他食品领域货架期的应用研究提供一定的参考。     

应用粗糙集和支持向量机的熔喷非织造布过滤性能预测

为预测熔喷非织造布的过滤性能,提出基于属性约简和支持向量机的预测方法。运用粗糙集理论在ROSETTA 环境下对含有9 个参数的熔喷非织造纤网结构参数全集进行约简,得到6 个各含3 个参数的约简集。分别将参数全集及各个约简集作为输入建立基于支持向量机（SVM）和ＢＰ 神经网络（BP-ANN）的28 个过滤性能预测模型,运用交叉验证法进行模型结构参数优化。结果表明：以含厚度、纤维直径和孔径的约简集为输入,基于ＳＶＭ模型预测准确度最高;其对过滤效率和过滤阻力的预测精度均超过98%,且CV 值均小于2%,表明这3 个参数是影响熔喷非织造布过滤性能的核心要素;基于SVM 模型的预测准确度总体优于基于BP-ANN模型的。     

基于超声成像技术的火腿肠等级判别

本研究通过超声成像技术实现火腿肠的等级判别,利用火腿肠的蛋白质、脂肪、淀粉等理化指标,将其分为特级、优级、普通级。分别采集3个等级的火腿肠共120份超声图像信息,提取图像的角二阶矩、熵、平均值等常见纹理特征值。然后利用主成分分析(PCA)结合K-最近邻法(KNN)和最小二乘支持向量机(LS-SVM)化学计量学方法建立基于纹理特征的火腿肠等级判别模型。结果表明:不同等级火腿肠的超声图像差异明显,且超声图像的纹理特征值差异显著(P0.05)。建立的识别模型中,LS-SVM模型的校正集识别率为100%,预测集识别率为94.87%;KNN模型优于LS-SVM模型,当主成分数为2,K为1时,KNN模型对应的校正集识别率为97.53%,预测集识别率为97.44%。超声成像技术可实现火腿肠等级的快速准确识别,研究结果可为超声成像技术在火腿肠等级判别方面的应用提供参考。     

基于高光谱技术的马铃薯外部品质检测

为了快速无损检测马铃薯外部品质,研究采用高光谱成像技术对马铃薯外部品质分级。选取合格、发芽、绿皮、孔洞4种马铃薯外部特征,获取光谱数据,采用不同预处理方法对光谱数据进行处理,并分别建立偏最小二乘判别模型,结果显示采用标准正态变量变换法(SNV)获得的模型效果最优。对预处理后的光谱数据利用连续投影算法(SPA)及加权权重法(WWM)分别优选出了13个和9个特征波段,对两种不同方法得出的特征波段分别建立了支持向量机判别模型,结果显示两种方法对预测集的判别准确率均达到了100%,WWM-SVM判别模型对校正集的交叉验证率为99.5%,高于SPA-SVM判别模型的交叉验证率。利用高光谱成像技术结合SPA-SVM和WWM-SVM对马铃薯外部品质进行分级具有可行性。     

基于GA优化SVM参数的白酒分类识别方法应用研究

为提升支持向量机算法在白酒品牌分类预测中的准确度,利用遗传算法优化支持向量机参数,并建立最优参数的SVM白酒品牌分类预测模型.通过阵列式传感器(电子舌)采集多个待测品牌白酒的特征信息,将提取的特征信息数据经预处理(异常值处理、归一化操作等)后存储为样本数据集.其中样本数据分为训练样本与测试样本,通过训练样本对最优参数的...     

基于高光谱成像技术的祁门红茶等级无损检测

为实现快速无损的茶叶产品等级评估,应用近红外（900~1700 nm）高光谱成像技术对6个等级的祁门红茶进行分类。首先利用线性和非线性降维方法对高光谱数据进行可视化处理,可视化算法包括线性方法的主成分分析（Principal Component Analysis,PCA）、多维尺度变换（Multi-Dimensional Scaling,MDS）,和非线性方法的t分布随机邻域嵌入（t-Distributed Stochastic Neighbour Embedding,t-SNE）、Sammon非线性映射。其次利用支持向量机（Support Vector Machine,SVM）和极限学习机（Extreme Learning Machine,ELM）建立分类模型来鉴定祁门红茶的不同等级。最后利用SVM和ELM分类模型对高光谱图像每个像素点进行识别,得到预测图。结果表明,t-SNE可以将6个等级的祁门红茶分在六个不同的簇,SVM和ELM的预测集准确率分别为100%和96.35%。t-SNE可视化效果最佳,SVM的检测模型能够有效地对祁门红茶六个等级进行识别。本文为茶叶产品等级的快速、无损检测提供了一种有效的方法,对茶叶产品的质量控制、真伪检测和掺假检测具有重要意义。     

基于高光谱技术的红茶茶多酚可视化研究

目的 利用高光谱技术实现对英红九号红茶茶多酚含量的快速无损、可视化检测。方法 采集128个红茶光谱数据并进行光谱预处理后,引入蒙特卡罗-高斯分布方法寻找异常样本。经两次异常样本剔除,各模型预测集决定系数r²均有0.2～0.4的大幅提升。为解决大样本模型训练时间长、数据冗余问题,采用连续投影算法进行波长筛选,共得到14个能反映红茶茶多酚含量的特征波长,并比较了最小二乘回归、支持向量机回归、BP神经网路、粒子群优化最小二乘支持向量机回归(particle swarm optimization least squares support vector regression, PSO-LSSVR) 4种模型预测红茶茶多酚含量的精度。最后以最优模型建立茶多酚可视化模型。结果 合理剔除样本并以光谱特征为输入,结合PSO-LSSVR方法建立的模型效果最佳,其校正集决定系数为0.921,预测集决定系数为0.903,预测精度达到了90%以上,基本实现了茶多酚含量可视化检测。结论 可视化算法有效地反映了红茶茶多酚分布情况,适用于茶叶快速无损检测。     

乌龙茶加工过程中水分对β-葡萄糖苷酶活性影响的研究进展

茶叶品质主要体现在色、香、味、形等方面,其中香气和滋味是衡量各类茶叶品质的主要指标。水分在乌龙茶初制过程中参与了一系列物理和化学反应,同时也是各种化学反应的重要媒介,对乌龙茶外形内质具有重要影响。β-葡萄糖苷酶是一种与乌龙茶特征性品质香气形成密切相关的水解酶类,为实现形成乌龙茶特有香气品质特征的目标,研究做青叶含水量及β-葡萄糖苷酶活性变化对做青适度的影响显得尤为重要。本文对不同茶类加工过程中水分变化、乌龙茶加工过程中水分管理指标与水分控制及乌龙茶加工过程中β-葡萄糖苷酶活性动态变化影响因素等进行了综述,以期为乌龙茶加工过程中水分对β-葡萄糖苷酶活性变化影响提供理论依据。     

乌龙茶加工过程中儿茶素的稳定性及化学变化

研究半发酵乌龙茶加工对活性化学成分儿茶素的影响。采摘的鲜叶立即在严格控制的加工条件下进行加工,分析每道加工工艺操作所制茶叶的儿茶素总量和各种儿茶素单体(－)-儿茶素、(－)-表没食子儿茶素、(＋)-儿茶素、(－)-表儿茶素、(－)-表没食子儿茶素没食子酸酯、没食子儿茶素没食子酸酯、(－)-表儿茶素没食子酸酯、(－)-儿茶素没食子酸酯的含量。研究表明,在乌龙茶加工过程中,儿茶素总含量略有下降,约为10%;儿茶素单体变化不一。在加工工艺中,做青、杀青和干燥对儿茶素含量影响较大。为使乌龙茶中儿茶素的潜在健康效益最大化,这3 道工艺应在茶叶生产中加以考虑并做到最优化,以期为乌龙茶加工研究提供一定的参考依据。     

不同等级金牡丹乌龙茶品质和矿质元素差异分析

以不同等级金牡丹乌龙茶为试材,测定了不同等级金牡丹乌龙茶的感官审评得分、品质指标（茶多酚、咖啡碱、8种儿茶素、可溶性糖、游离氨基酸、茶氨酸、水浸出物和总黄酮）和8种矿质元素含量。等级越高的金牡丹乌龙茶水浸出物含量越高,特等奖水浸出物含量比一等奖和优质奖分别高1.07%和1.75%,且差异均达到显著水平（P<0.05）。咖啡碱、可溶性糖和总黄酮含量均为低等级显著高于高等级（P<0.05）。三个等级的茶多酚含量之间没有显著差异（P>0.05）。特等奖的酚氨比要显著低于一等奖和优质奖（P<0.05）。优质奖的茶氨酸含量要显著低于特等奖和一等奖（P<0.05）。线性回归分析表明,游离氨基酸和总黄酮与审评得分呈显著线性负相关（P<0.05）,可溶性糖与审评得分呈极显著线性负相关（P<0.01）,而水浸出物与审评得分呈极显著线性正相关（P<0.01）。不同等级金牡丹乌龙茶除Mn和Fe外,大多数矿质元素之间不存在显著差异（P>0.05）。限制性主坐标分析表明,品质指标结合限制性主坐标分析可以很好的区分金牡丹乌龙茶等级差异,R值达1.00。但矿质元素结合限制性主坐标分析并不能很好的区分不同等级金牡丹乌龙茶的品质差异。研究结果为金牡丹乌龙茶品质鉴定提供相关参考依据。     

基于高光谱成像技术的水果表面农药残留无损检测

在高光谱成像技术的基础上,提出了一种应用于水果表面农药残留的无损检测方法。对采集数据进行预处理和特征提取,通过细菌群体趋药性算法找到最优的最小二乘支持向量机参数,建立农残检测模型,并与最小二乘支持向量机模型进行比较,验证该模型的优越性和准确性。结果表明,基于连续投影法特征波长结合文中检测模型具有最高的检测精度,其准确率达97.92%。     

基于计算机视觉的茶叶品质在线评价系统

为实现茶叶品质在线评价及自动分级,摒除茶叶品质人工感官审评存在的缺陷,本文研发一套基于计算机视觉技术的茶叶品质在线评价及自动分级系统。采用Open CV和Visual C++开发茶叶品质在线评价软件,结合监督正交局部保持投影方法（supervised orthogonal locality preserving projections,SOLPP）对图像特征变量进行降维处理,对比随机森林（random forest,RF）、反向传播神经网络（back-propagation artificial neural network,BP-ANN）和相关向量机（relevance vector machine,RVM）茶叶品质在线评价模型,得出随机森林算法所建模型性能最好。系统自动完成茶样图像采集、原始图像预处理、特征提取、基于所建模型对待检茶样进行等级评价。控制系统根据评价结果,驱动分级及收集装置将检测茶样输送到相应等级槽中。经测试,研发系统对市售婺源仙芝绿茶、碧螺春绿茶的分级准确率达到93.00%以上。本系统结构简单,运行稳定,能将待检茶样准确送入到相应等级槽中,满足茶叶等级在线评价要求。     

不同茶类加工副产物的化学成分分析

为了实现对不同茶类加工副产物的有效利用,本文研究了绿茶、乌龙茶和红茶的茶片、茶末、茶梗和大宗茶中化学成分含量,并进行比较分析。结果表明:绿茶是不发酵茶,其茶片和茶末中儿茶素含量分别为19.34%和18.52%,高于其他茶类和副产物,与绿茶大宗茶含量相近甚至高于大宗茶,茶梗中游离氨基酸和总糖含量分别为2.65%和22.85%,高于其他副产物和大宗茶;红茶为发酵茶,其茶片、茶末和茶梗中茶黄素和聚酯型儿茶素(TSs)含量较高,其中红茶茶末中茶黄素总量(TFs)、聚酯型儿茶素A(TSA)和聚酯型儿茶素B(TSB)含量最高,分别为0.96%、1.65%和0.53%;乌龙茶是半发酵茶,其加工副产物中儿茶素、TFs、TSs含量居于绿茶和红茶之间,氨基酸组分含量低于绿茶和红茶。研究表明,绿茶、乌龙茶和红茶茶片和茶末的茶多酚、水浸出物、总糖、可溶性蛋白、咖啡碱以及儿茶素和游离氨基酸组分等化学成分利用价值与大宗茶相近,甚至高于大宗茶,茶梗中总糖和游离氨基酸组分含量高,利用价值高于大宗茶,本研究明晰了不同茶类及其加工副产物的化学成分含量,可为茶叶加工副产物的进一步研究和开发利用提供基础。     

基于高效液相色谱指纹图谱结合化学计量学及机器学习的黑茶产地识别

目的 建立广西、湖南、四川、陕西和西藏产地黑茶高效液相色谱(highperformanceliquid chromatography,HPLC)指纹图谱,并结合化学计量学与机器学习对黑茶进行产地识别研究。方法 采用高效液相色谱-二极管阵列检测器(high performance liquid chromatography-diode array detector, HPLC-DAD)检测48份不同产地黑茶的化学成分,并建立指纹图谱;利用没食子酸、表没食子儿茶素、表儿茶素没食子酸酯、表儿茶素、儿茶素、咖啡碱和表没食子儿茶素没食子酸酯7种对照品对图谱共有峰进行指认;结合化学计量学和不同机器学习算法建立黑茶产地识别模型,并使用准确率、精确率、召回率及F1分数作为机器学习产地识别模型的评价指标。结果 黑茶指纹图谱共识别出8个共有峰,指认其中7个成分;基于指纹图谱8个共有峰峰面积建立的化学计量学和机器学习的产地识别模型中显示,偏最小二乘法-判别分析模型能识别部分产地黑茶,并筛选出4个差异标志物,其预测准确率为54.2%,逻辑回归(logistic regression, LR)、反向传播神经网络...     

玉米籽粒霉变等级高光谱图像检测方法研究

为了快速、无损检测出储藏玉米籽粒不同霉变状况,提升玉米收储环节质检效率,尝试利用高光谱成像技术结合机器学习算法构建玉米籽粒霉变等级分类模型。采集400～1 000 nm波段范围内玉米籽粒高光谱图像,以测定的真菌孢子数为依据,将籽粒霉变状态划分为健康、轻度霉变、中度霉变和重度霉变4个等级,采用随机蛙跳(RF)算法优选出7个光谱特征变量,针对特征波段图像,利用Tamura算法共提取出21个纹理特征变量,基于颜色矩阵提取出21个颜色特征变量。进一步结合支持向量机(SVM)、极限学习机(ELM)和偏最小二乘回归(PLSR)3种算法分别建立基于光谱、图像和图谱特征融合的玉米籽粒霉变等级分类模型。经分析比较,融合光谱和图像特征并结合ELM算法建立的分类模型用于玉米籽粒霉变等级识别效果最优,训练集和测试集分类准确率(Acc)分别为94.21%和93.86%,并将玉米籽粒霉变等级进行可视化表达。