基于高光谱成像技术的水果品质无损检测

高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的.综述了国内外将该技术应用于水果品质检测方面的研究进展,提出了利用高光谱图像技术检测苹果轻微损伤的方法,利用500～900 nm的高光谱图像数据,通过主成分分析提取547 nm波长下的特征图像.     

肉品新鲜度检测方法

概述了肉品新鲜度检测的意义、原理和方法     

高光谱成像技术及其在农产品检测中的应用

高光谱成像是一项将光谱与成像科学相结合的分析技术,本文介绍了高光谱成像的基本原理和系统构成,指出其优点及不足之处,并讨论了高光谱在农产品检测中的一些应用。     

拉曼光谱检测技术新进展

拉曼光谱检测技术是现代科学研究领域最先进的高新技术．本文借助拉曼光谱检测技术手段,重点阐述了拉曼光谱无损技术在宝玉石、公安系统、考古研究并检定等领域的最新进展．     

水果成熟度的高光谱成像无损检测研究

水果成熟度作为衡量水果品质和等级的一个重要指标,区分不同成熟度的水果可以降低水果在采摘、包装、储存、运输等物流环节的损失率.高光谱技术是一种新型光谱技术和计算机视觉融合技术,它可以从图像维和光谱维对水果的综合品质进行评价.分析了国内外将该技术应用于水果成熟度检测方面的研究进展,提出了利用高光谱图像技术检测枣和梨成熟度的方法,利用不同成熟度的水果在可见光及近红外波段的反射率,初步确定了利用高光谱成像技术检测枣和梨2种水果成熟度的有效特征波长.     

农产品品质的无损检测技术

介绍了农产品品质无损检测技术,分析了其特点及应用领域,这对人们了解和研究农产品品质检测技术具有借鉴作用。     

现代光学成像技术在食品品质快速检测中的应用

食品现代化生产、加工过程中需要对食品品质信息进行快速无损获取,以保证食品品质安全,满足消费者的需要.近年来国内频发的食品质量与安全问题也要求实现食品品质安全信息的客观准确检测.现代光学成像技术通过获取食品在不同光谱波段下的图像信息,然后采用数字图像处理算法进行特征信息提取,并通过模式识别算法建立食品品质定量关系模型,从而实现食品品质信息的快速、无损、高效、低成本检测,为食品现代化加工流程中的自动控制和分级管理与监控提供信息支持.孙大文院士领导的爱尔兰国立都柏林大学(University College Dublin,UCD)食品冷冻与计算机化食品技术(Food Refrige-ration&Computerised Food Technology,FRCFT)研究所在应用包括计算机视觉技术和高光谱成像技术在内的多种现代光学成像技术对食品品质快速无损检测这一领域的研究工作一直处于世界领先水平,研究成果得到了国际同行的广泛认可和高度关注.本文综述了孙大文院士及其团队过去十余年间在相关领域取得的一系列原创性研究成果.     

高光谱影像化学气体检测算法研究

在研究高光谱影像目标检测常用算法的基础上,将约束能量最小化方法(CEM)、正交子空间投影(OSP)、广义似然比检验(GLRT)及自适应一致估计器(ACE)等算法应用到高光谱影像化学气体检测中。实验采用两组合成的高光谱影像数据,实验结果显示算法可行,且ACE算法取得最好的检测效果。     

图像识别技术在无损检测中的应用

图像识别技术在无损检测中的应用越来越广泛，要想更好的利用无损检测，必须了解无损检测的原理和图像学的基本知识，即图像识别和图像处理。本文在指出无损检测的基本原理的基础上，讨论了数字化、预处理、图像识别技术。     

无损检测技术在混凝土钢筋检测中的应用

笔者通过无损检测技术在混凝土钢筋检测中的应用,并阐述了无损检测技术在实际检测过程中减少误差,提高检测质量的技术方法。     

基于K-means-RBF的鸡肉品质分类方法研究

鸡肉在贮藏和运输过程中容易腐败变质,利用高光谱成像技术的图、谱合一特点,同时获取鸡肉的光谱特征和纹理、颜色特征,通过鸡肉的内在特征与外在特征综合实现鸡肉品质快速分类。制备62份鸡胸肉样品,通过理化分析分为放心食用、可食用、不建议食用和不可食用4类;以已知分类结果的42个样品作为训练集,将纹理、颜色、光谱特征作为K-means-RBF神经网络的输入,确定K-means初始分类中心、训练RBF神经网络,构建K-means-RBF鸡肉品质分类模型,并利用剩余20个样品作为测试集,对K-means-RBF鸡肉品质分类模型进行测试。测试结果显示,通过训练后的K-means-RBF神经网络对20个测试集样品的分类正确率达到100%;而分别采用纹理、颜色和纹理颜色综合特征作为输入建立的分类器,正确率分别为85%、80%、95%。鸡肉品质分类成功利用了高光谱成像技术“图谱合一”的特点,实现了鸡肉品质的综合检测,验证了K-means-RBF融合方法在高光谱数据分析中的有效性,及单一特征在分类中的局限性。     

一维条码印刷质量检测研究

针对条码印刷的检测问题,提出一种印刷质量检测算法,该算法对于基于图像处理的一维条码能有效处理.并给出了算法工作流程及建立了数学模型,该算法可以避免在传统条码检测方法中多次扫描而耗费大量时间.实验结果表明,该算法可以有效地实现条码图像的检测.     

网络入侵检测技术研究

入侵检测是保护网络信息安全的重要途径。文章简要介绍了入侵和入侵检测的概念，以及入侵检测系统所具有的功能，并对4种主要的入侵检测方法进行了分析，重点阐述了一种适用于中小型网络环境的基于网络和主机相结合的入侵检测技术。     

食品非目标性检测技术

非目标性检测技术近年来在食品安全与质量分析领域得到了深入应用。非目标性检测技术创新性地通过仪器分析、指纹图谱及细胞分子生物学技术与化学计量学等手段的有机结合,综合分析食品的特征,是现代分析技术与食品质量控制的有机结合。非目标性检测技术的核心是检出非正常样品,而不是检测由何种物质造成样品的非正常。重点介绍了非目标性检测技术相关研究的最新进展,包括非目标性色谱、质谱、波谱,以及基于体外细胞的非目标性检测技术,广泛涉及了国内外的牛乳、枸杞、当归、牛至、蜂蜜等食品及食品原料。非目标性检测技术的研究工作能够在食品检验方面建立新的标准规范,推动食品工业健康快速发展,为保障群众的公共卫生安全水平以及生活质量的提高发挥重要作用。     

不同部位阿拉善双峰驼肉营养与食用品质分析

驼肉高蛋白、低脂肪、低胆固醇且具有一定药用价值,一直是肉品营养研究的重要对象。为了探究阿拉善双峰驼肉的品质特性,测定了阿拉善双峰驼胴体的上脑、里脊、外脊、眼肉、骆驼霖、辣椒条、胸肉、臀肉、米龙、大黄瓜条、小黄瓜条、腹肉和腱子肉在内的13个分割部位肉的营养成分和食用品质。结果表明:双峰驼不同部位肉品质特性有较大差异,主要表现在脂肪酸与氨基酸的含量及分布、熟肉率、保水性、色泽以及硬度、嫩度等方面。其中外脊的脂肪酸种类最为丰富,腹肉的总氨基酸含量最高。与羊肉、马肉和牦牛肉相比,双峰驼肉中的必需氨基酸与总氨基酸更接近FAO/WHO的推荐标准,多不饱和脂肪酸与饱和脂肪酸的比值也更高。进一步聚类分析结果表明:双峰驼不同部位肉营养品质较其他畜禽肉差异较小,氨基酸和脂肪酸含量与分布更均匀。眼肉的熟肉率显著高于其他部位;辣椒条的保水性最好且色泽鲜艳,L^*值和a*值和a^*值明显高于其他部位;臀肉、大黄瓜条硬度最大,嫩度较差,咀嚼性高;米龙部位保水性较差,色泽较暗,但弹性较好。研究结果旨在为骆驼肉的加工及销售提供一定的数据支持和依据。     

国外HMA生产中质量控制检测方法的探索

介绍了国外在HMA生产质量控制研究中的一些新型检测技术,并对其进行了初步的分析评价,指出了这些新技术应用的不足并提出了改进措施。     

爆炸危险品检测技术浅探

介绍了当前爆炸危险品检测的主要方法,分析了这些方法的基本原理,总结了各种检测系统存在的问题,提出了解决问题的措施。     

运输时间对扬州鹅应激程度和肉品质的影响

研究运输时间对扬州鹅应激程度和肉品质的影响。将30只扬州鹅随机分为5组,每组6只,以运输时间为主要因素,分别为运输0、1、2、3、4h,其中0h为对照组。2h运输后,鹅血液中促肾上腺皮质激素和血糖含量显著增加(p<0.05),乳酸含量显著减少(p<0.05),肌酸激酶和乳酸脱氢酶活性显著高于对照组和4h运输组(p<0.05)。能量代谢方面,2h运输后,肌肉中乳酸含量显著高于对照组、1h和4h运输组(p<0.05),丙酮酸激酶和己糖激酶活性显著高于对照组和4h运输组,ATP含量显著低于对照组(p<0.05);3h和4h运输后,ADP含量显著高于对照组(p<0.05),2~4h运输后,AMP含量显著高于对照组(p<0.05);1h和4h运输后,IMP含量显著高于对照组(p<0.05);肉品质方面,2h运输后,L*值和剪切力值显著上升(p<0.05),a*值显著降低(p<0.05)。2h运输后扬州鹅应激反应最大,肉品质下降明显。     

近红外高光谱大米典型特征提取分类识别

针对大米近红外高光谱特征轮廓不清导致有效信息损失与有损化品质检测的问题, 提出一种基于掩膜下能量泛函活动轮廓波的大米高光谱典型特征区域提取算法组合模型. 该方法对目标样本形态学区域与几何形心点进行高光谱谱段信息对比寻优建模, 对4个产地、3种品质大米进行泛化性可视判别. MATLAB实验结果表明, 对不同品质大米典型特征区域的光谱信息进行建模对比, 形态学感兴趣区域识别准确率更高, 泛化预测集精度为94.84%, 优化了近红外高光谱大米典型特征区域择优建模问题, 实现了大米快速无损化品质检测.