近红外光谱技术在农作物品质分析方面的应用

近红外光谱分析技术是近年来迅猛发展起来的高新技术,由于其在测量方面具有快速、非破坏性等优点,已被广泛应用。在此,首先介绍了近红外光谱技术及其分析过程（定标和预测）,而后又总结了其在小麦、玉米、稻米及油料作物等农作物品质方面的应用。     

可拓工程方法在储粮害虫分类识别中的应用研究

利用图像识别储粮害虫过程中，需解决多种害虫的多特征参数和混和度大的分类识别问题。该文提出应用可拓工程方法，构造储粮害虫特征数据的标准物元矩阵与节域物元矩阵,计算待测粮虫与各类害虫的关联度，以关联度的大小对储粮害虫进行分类判别，程序计算结果表明，该方法可行有效。可拓工程方法应用在储粮害虫分类识别上有应用价值。     

基于近红外光谱的活体植物叶片水分检测仪器

在近红外光谱区,采用超低功耗单片机MSP430及新型的光频转换芯片TSL230,研制快速无损、可现场测定植物叶片水分含量的透射式检测仪器。仪器整体由信号采集系统、单片机系统及相应的软件支撑、校正模型组成。其信号采集系统采用近红外LED光源,890 nm和980 nm的窄带干涉滤光片和光频转换芯片。光频转换芯片的使用简化了信号采集电路,减少了噪声的引入。该文介绍了该仪器的硬件设计、软件设计,对紫荆叶片水分含量的建模及预测。预测结果与水分真实值基本一致,二者相关系数为0.900。仪器具有较高的重复性、稳定性和可靠性,与其他水分测量仪相比,该仪器具有体积小、结构简单、重量轻、超低功耗、抗干扰等特点。试验结果表明本仪器可在田间现场对植物叶片水分含量进行快速无损检测。     

用主成分回归和偏最小二乘法定量测定谷物成分

用主成分回归和偏最小二乘方法分别处理谷物的付立叶变换近红外慢反射光谱，对谷物中含别为１０＾－＾１的蛋白质，１０＾－＾２的脂肪，１０＾－＾３的赖氨酸进行了定量测定。表明这２种方法与经典化学方法没有系统偏差，结果优于逐步回分析。     

基于计算机视觉的苹果表面缺陷识别方法

在利用计算机视觉技术检测苹果外部品质的过程中,苹果表面缺陷的识别相对于形状、大小、颜色的检测要复杂得多,因此缺陷检测方法的研究极具挑战性。在实验的基础上,本文对几种缺陷检测算法(“洪水法”和“蛇形法”、“自适应球形变换法”、“参考图像法”、“标准球体灰度模型法”)的思路和实验结果进行了深入的分析和比较,并对缺陷检测中尚待解决的问题进行了阐述。     

用主成分回归和偏最小二乘法定量测定谷物成分

用主成分回归和偏最小二乘方法分别处理谷物的付立叶变换近红外漫反射光谱,对谷物中含量分别为 10~(-1)的蛋白质、10~(-2)的脂肪、10~(-3)的赖氨酸进行了定量测定。表明这2种方法与经典化学方法没有系统偏差,结果优于逐步回归分析。     

基于病斑形状和神经网络的黄瓜病害识别

为了研究基于图像处理的黄瓜病害识别方法,试验中采集了黄瓜细菌性角斑病和黄瓜霜霉病叶片进行图像研究。在黄瓜病斑的图像分割方面,尝试了边缘检测法和最大类间方差法进行图像处理。边缘检测法提取出来的病态部位轮廓不是很完整,而利用最大类间方差法的图像分割效果较好。试验中提取了10个形状特征,选取黄瓜细菌性角斑病和黄瓜霜霉病叶片的各50个样本,其中每个病害的前30个样本,共计60个样本作为训练样本输入神经网络,对2种黄瓜病害叶片的后20个样本,共计40个样本进行测试,正确识别率达到了100%,说明通过病斑形状和神经网络进行黄瓜细菌性角斑病和黄瓜霜霉病的识别是可行的。     

近红外光谱技术在农作物品质分析方面的应用

近红外光谱分析技术是近年来迅猛发展起来的高新技术,由于其在测量方面具有快速、非破坏性等优点,已被广泛应用。在此,首先介绍了近红外光谱技术及其分析过程(定标和预测),而后又总结了其在小麦、玉米、稻米及油料作物等农作物品质方面的应用。     

利用MATLAB实现平滑系数的精确表达

本文通过分析最小二乘多项式平滑技术的数学原理,依据MATLAB这一基于矩阵运算的科学计算语言,提出了用MATLAB实现平滑系数和求导系数的精确表达的方法.结果表明,这种方法简单实用,简化并优化了计算过程.     

基于便携式光谱仪和反射、透射光谱技术的小麦叶片叶绿素定量分析研究

为了无损检测小麦叶片叶绿素含量,应用便携式高分辨率光谱仪及内置钨卤灯光源的叶片夹采集小麦叶片的反射、透射光谱数据,采用多种预处理方法对光谱数据进行预处理。用偏最小二乘法建立小麦叶片叶绿素含量与反射、透射光谱间的数学模型,同时分析了不同预处理方法对模型预测性能的影响。结果表明,基于反射光谱的最优检测模型校正集的相关系数r为0.950,预测标准偏差SD为0.1287,相对标准偏差RSD为5.67%。检验集的相关系数r为0.926,预测标准偏差SD为0.1892,相对标准偏差RSD为8.26%。基于透射光谱的最优检测模型r为0.846,SD为0.2201,RSD为9.69%。检验集的r为0.880,SD为0.2714,RSD为11.84%。研究表明,应用便携式高分辨率光谱仪和反射、透射光谱技术来定量分析小麦叶片叶绿素含量是具有可行性的;通过对比发现,基于反射光谱模型的预测性能较好;为叶片叶绿素含量的现场快速无损测定提供了一种有效途径。