摘要：为了研究淀粉的糊化特性,创新性的将显微观察方法与基于人工神经网络(ANNs)的目标识别方法相结合,由机器学习算法实现对马铃薯淀粉糊化特性的在线检测。本文设计了一种基于深层神经网络的检测器(Starch-SSD),用于监测淀粉随温度升高的形态变化。首先进行对淀粉双折射特征的自动识别,然后计算糊化过程中每张显微图片中呈现双折射特征的淀粉数目,根据其数量变化确定淀粉的糊化温度和不同温度下的糊化程度(DG)。实验表明,与传统以人工视觉观察为主的方法相比,本文所提方法具有精度高、速度快的优点。与此同时,该方法克服了人工主观判断的不确定性,为利用显微镜对淀粉糊化特性进行判断提供了统一的标准,也为淀粉产品工业化生产过程中的在线监控提供了可能性。

摘要：为了满足工业污染排放及突发安全事故对在线实时监测分析仪器的迫切需求,提出了全景双谱段红外成像干涉光谱测量反演仪器。通过双通道干涉系统、双谱段成像系统及方位俯仰轴系的协同设计,实现目标场景图像光谱信息的大视场、宽谱段、高分辨率测量。首先,根据傅立叶光学理论,建立了干涉成像光谱的标量衍射理论模型;然后,基于宽带采样与窄带采样理论,对双通道干涉系统进行采样设计,并在分析干涉成像特点的基础上,对双谱段成像系统进行光学设计;最后,研制了原理样机,并开展了烟囱排放气体烟羽的遥测实验。该仪器可以实现360°×60°大视场空间场景中3~5μm和8~12μm中长波红外光谱范围内4 cm^(−1)分辨率的光谱测量,满足排放监测定性识别与定量分析的应用要求。