排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
近红外光谱在南疆红枣糖度无损检测中的应用 总被引:2,自引:0,他引:2
南疆红枣的分级目前还停留在外部品质,然而红枣的内部品质比外部品质更重要。红枣的内部品质包括糖度、酸度等。利用近红外漫反射光谱技术对南疆红枣糖度进行无损检测,应用傅立叶变换近红外光谱仪采集红枣光谱图,糖度的测定选用数字阿贝折射仪。分别选用偏最小二乘法(PLS)和主成分回归分析法(PCR)的化学计量学方法建立红枣校正模型,光谱数据预处理选择一阶导数光谱、平滑等,得到的校正相关系数(Rc)为0.942 5,预测相关系数(Rp)为0.910 4,校正标准偏差(SEC)值为1.02。预测标准偏差(SEP)值为0.836,主因子数为5。 相似文献
2.
南疆红枣静态图像采集分级方法研究 总被引:2,自引:1,他引:2
为了提高红枣商品品质,提出了红枣静态图像采集分级方法。通过比较不同光照条件、颜色背景下取得的红枣图片,研究基于机器视觉红枣大小的分级检测方法。采集红枣图像和图像预处理,选取最佳图像阈值,提取特征尺寸,建立特征尺寸与质量之间的对应关系;建立红枣的机测尺寸与实际尺寸、机测尺寸与红枣质量、实际尺寸与质量之间的不同关系模型。选择最贴近的二维分级模型:红枣机测实面积与质量的一次线性回归模型,通过对机测面积线性方程回归分析,线性模型的确定系数R2=0.841 8,并对研究结果进行验证,为进一步开展在线机器视觉红枣品质分级奠定了基础。 相似文献
3.
【目的】为了提高模型的通用性,确保在实际的近红外定性模型的构建过程中能够提取近红外光谱更多的有效信息,建立一套稳定的、能够适应外界光谱变化的近红外定性模型。【方法】研究小组采用基于加速遗传算法的投影寻踪方法构建光谱的定性模型。通过混合多批次、多产地、多等级、多部位的光谱作为训练样本集,来提高模型的通用性。然后计算投影特征向量和其他光谱集的投影值,并分别进行比较。【结果】建模集与同批次光谱集的均值的变异系数为0.63%,与不同批次光谱集的均值的变异系数为1.54%,并且,混合不同批次样本前后,不同批次样本集投影值均值的变异系数从1.54%降至0.26%。【结论】通过混合不同批次的光谱,可明显提高模型在不同批次光谱的定性表现。因此,使用投影寻踪方法建立光谱的定性模型具备很好的可行性。 相似文献
4.
以识别烟叶在线近红外异常光谱为研究目的,设计不同的烟叶状态,通过分析烟叶不同状态下的光谱,采用主成分分析结合马氏距离的方法,选择合适的马氏距离阈值,将大于该阈值的光谱判断为异常光谱.结果表明:该方法能够有效的将异常状态下的烟叶光谱判断为异常光谱,识别率高,该方法适合烟叶在线近红外检测. 相似文献
5.
以南疆红枣颜色快速分级为研究对象,采用美国海洋光学USB650红潮光谱仪来测量红枣的颜色特征值,采用红枣颜色按L[微软拥护1]值分级时,一级红枣的L值为30.2~35.4,二级红枣的L值为35.5~39.9,三级红枣的L值为40.0~44.6,按L值分级与人工分级的一致度为93.65%;以红枣的L、a、b值作为特征值,应用BP人工神经网络进行分级,BP人工神经网络分级与人工分级的一致度达到了94.76%。结果表明,以L、a、b三个颜色值分级效果要好于仅以L值分级,BP人工神经网络分级效果优于人工分级,较好地满足红枣颜色分级的需求,对南疆红枣产品的加工、销售具有一定的理论指导和实际应用意义。 相似文献
6.
7.
8.
基于近红外光谱的南疆温185核桃水分无损检测的研究 总被引:1,自引:0,他引:1
[目的]利用近红外光谱技术建立预测南疆核桃水分的检测模型。[方法]通过对南疆温185核桃进行近红外光谱水分无损检测,并用标准烘干法对所建立的检测模型进行验证,形成测定核桃水分的快速检测模型。[结果]试验表明,对采集的光谱数据进行SNV预处理,并采用偏最小二乘回归分析法(PLS)建立模型,得到了较小的SEC值和较高的RC值。其SNV预测的值用标准烘干法得出的平均偏差为0.35%,完全满足对南疆温185核桃进行水分无损检测的要求,可以应用到实际的核桃水分预测当中。[结论]研究可为核桃水分的快速无损检测提供参考依据,同时将此项无损检测技术应用到果农的生产实际当中,可提高果农的收益。 相似文献
9.
近红外技术对南疆冬枣糖度无损检测的研究 总被引:2,自引:0,他引:2
筛选具有代表性的100个新疆南疆和田冬枣作为试验样品,采用近红外光谱分析技术对冬枣样品的糖度进行分析。结果表明:通过相关系数法选取特征波长区间的波数分别为5 303~5 600 cm-1、6 205~6 302cm-1、7 308~7 405 cm-1,然后作多元散射校正、一阶导数和Savitzky-Golay卷积平滑法预处理后,建立的偏最小二乘法(PLS)校正模型效果最好,校正标准偏差(SEC)为0.613,预测标准偏差(SEP)为0.573,相关系数(R)为0.967,具有良好的预测效果,满足生产实践的要求。试验表明,近红外光谱分析技术适合南疆冬枣的糖度无损检测。 相似文献
1