基于高光谱图像技术的菜用大豆厚度检测

菜用大豆厚度是划分菜用大豆等级的重要衡量指标之一。采用高光谱图像技术对菜用大豆的厚度进行预测。实验中选取200个菜用大豆作为测试样本,获取其高光谱反射图像,同时用数字式游标卡尺测量厚度值。选取400～1 000 nm范围的光谱信息,采用多元散射校正、标准归一化和导数计算对光谱数据预处理,结合偏最小二乘和多元线性回归两种分析方法建立厚度校正模型和预测模型。研究发现基于多元散射校正的偏最小二乘方法的模型精度较优,校正模型和预测模型的相关系数分别为0.956和0.933,均方根误差分别为0.59 mm和0.70 mm。研究结果表明可以利用高光谱图像技术预测菜用大豆厚度。     

呼吸裂纹故障动力特性及特征提取方法的研究

提出了故障行为特征提取的概念。对呼吸裂纹转子系统进行了以故障诊断为背景的动力学分析。提出了呼吸裂纹的界定方法。建立了呼吸裂纹转子系统的集总化模型，并利用数值方法对其求解。对开关函数和时变刚度的物理性质进行了深入讨论。用幅值谱对处于相对于裂纹不同位置处的振动响应进行了分析比较，根据差异，提出多测点信号幅值谱比较和构造复信号进行瞬时频率分析的特征提取方法，数值仿真和实验验证表明该方法是可行的。     

基于ARM的苹果采后田间分级检测系统设计

苹果采摘后的及时分类,可以降低储藏、包装、加工等生产成本,对于增加果农的经济收入,提高企业经济效益具有重要的作用。项目研究并开发了一套基于ARM11+Linux架构,以S3C6410为核心处理器、运行精简的Linux内核的苹果采后田间预分级检测系统,克服了传统分级检测系统体积庞大,难以田间实时应用等缺点。该系统利用CMOS图像传感器,基于Linux下的V4L2编程框架,实现苹果图像的实时采集;采用基于Haar-like特性的级联Adaboost目标检测算法,调用OpenCV机器视觉库,完成检测图像中的苹果缺陷和大小识别;并由执行机构完成不同等级苹果的分离操作。系统控制界面采用QT应用程序开发框架和多线程技术,保证了控制按键的快速响应。实验结果表明,一个苹果的平均检测时间为300 ms,对于各级苹果分类的平均精度为93%,与传统苹果检测系统相比,该系统检测速度快,成本低,体积小,适合苹果的田间预分级检验。     

手持式食品残留物荧光成像检测系统开发

为了解决食品生产加工场所的卫生检查地点不固定、检测效果受环境因素影响大等问题，根据不同种类食品残留物在紫外光照射下产生不同波长荧光的特性，采用荧光成像技术和分块大津算法，开发了一种能够协助现场检测员进行视觉卫生检查的手持式荧光成像设备。利用3种常见材料表面(木制案板、不锈钢板、聚乙烯塑料板)对奶粉(体积分数为50%、33%、20%、10%、2%)和菠菜残渣(体积分数为50%、33%、25%、20%、10%)进行了实验验证。结果表明，该系统可以协助检测员进行卫生安全检查，不同体积分数菠菜残渣在3种材料表面检出率为100%,不同体积分数奶粉残留物在木制案板和不锈钢板表面检出率为100%,在聚乙烯塑料板表面，除体积分数为2%的奶粉残留物部分检出外，其余体积分数奶粉残留物均能有效检出。该研究为食品加工场所手持式卫生检测设备开发提供了参考。