摘要：马铃薯是我国第四大主要粮食作物,随着马铃薯主食化战略的提出,其市场占比逐年攀升,但各地甚至同区域内马铃薯品质参差不齐,严重影响了马铃薯行业的发展。实现马铃薯品质快速无损检测对马铃薯主食化产业的发展有着重要的现实意义。该研究以研发低成本马铃薯品质无损快速检测装置为目的,采用连续投影算法(SPA)分析光谱仪环境下马铃薯加工品质特征波长的分布情况,根据标准正态变换(SNV)预处理状态下的模型结果选取了一个包含7个波段(700,750,800,850,900,950和1000 nm)的多通道光谱传感器,并根据马铃薯特殊的表皮特征及内部质地均匀性,设计了一种手持式马铃薯多品质可见/近红外局部漫透射检测装置。利用研发装置建立了马铃薯多品质偏最小二乘预测模型,马铃薯干物质含量、淀粉含量预测模型验证集均方根误差分别为1.05%和1.02%。同时,基于QT的开发工具,采用C语言编写了实时分析设备控制软件,实现了对马铃薯内部品质的一键式实时无损检测。对研发装置检测稳定性和精度进行了试验验证。结果表明,研发的手持式马铃薯多品质传感器检测装置可以满足现场实时检测需求,为马铃薯主食化产业的发展提供技术支撑。

摘要：为解决颗粒饲料在制粒过程中调质温度依赖人工辅助控制问题,该研究设计了基于PID控制算法的调质温度控制系统。采用开环阶跃响应法建立电动比例调节阀与调质温度之间的控制模型。为了得到最优的PID控制参数(比例系数K_(p)、积分系数T_(i)、微分系数T_(d)),通过Simulink仿真试验对比了Ziegler-Nichols整定法、衰减曲线法和临界比例度法的PID响应曲线,确定PID最优控制参数为K_(p)=52.7,T_(i)=6.4,T_(d)=1.6。对小型制粒机调质温度控制系统进行试验,选用哺乳母猪配合粉料,调质温度分别设定为75、80和85℃,稳定后的调质温度均能维持在设定范围内;选取调质温度为80℃进行稳定性试验,每1 min记录调质温度,整个试验过程中调质温度基本稳定在(80±1)℃范围内,调质温度平均相对误差小于1%,调质温度变异系数小于0.5%,系统温度控制稳定,可自动采集制粒生产数据,实现了制粒过程中调质温度的快速响应和实时控制。研究结果可为颗粒饲料制粒机的自动化控制提供参考。

摘要：我国玉米产量高,高效、便携、低成本的玉米成分检测技术及其装置对于玉米品质的检测至关重要,基于可见/近红外光谱技术,设计了一款玉米主要品质便携式检测装置。为探究所设计方案的可行性,自行搭建了可见/近红外光谱采集系统,对不同品种共72份玉米样本进行光谱采集,分别建立了玉米籽粒蛋白质、脂肪和淀粉含量的偏最小二乘(PLS)预测模型以及结合竞争性自适应重加权算法(CARS)的CARS PLS预测模型。结果表明,CARS方法可以有效筛选出各组分的相关变量,提升模型效果,各组分质量分数的预测集均方根误差(RMSEP)均有所下降,蛋白质质量分数的RMSEP由0.4866%降至0.4068%;脂肪质量分数的RMSEP由0.1549%降至0.0989%;淀粉质量分数的RMSEP由0.4714%降至0.4675%。预测集相关系数R_(p)均有所提高,蛋白质质量分数的R_(p)由0.9309提升至0.9603;脂肪质量分数的R_(p)由0.9497提升至0.9770;淀粉质量分数的R_(p)由0.9520提升至0.9605。基于CARS方法所筛选的各组分特征变量,选择了合适的近红外光谱传感器,在此基础上设计了检测装置的光谱采集单元、控制单元、显示单元、电源单元以及散热单元,并基于NodeMCU开发板和Arduino IDE开发工具,采用Arduino语言对装置控制程序进行开发,实现“一键式”快速检测。试验验证了该装置的检测精度和稳定性,结果表明,预测玉米籽粒蛋白质、脂肪和淀粉质量分数的相关系数分别为0.8431、0.8243、0.8154,预测均方根误差分别为0.3576%、0.2318%、0.2333%,相对分析误差分别为1.8577、1.7761、1.5735。对同一样本多次重复预测,各组分预测值的变异系数分别为0.235%、0.241%和0.028%。

摘要：糖度是西瓜分级的重要指标之一,针对传统西瓜检测方法的弊端,探讨了声学特性结合机器学习用于西瓜无损检测与分级的可行性。设计了西瓜声学检测系统,采集了不同批次样本的时域信号。时域信号经归一化处理后,采用快速傅里叶变换得到频域信号,并对其进行去趋势预处理。采用主成分分析提取了频域信号主成分,其中前3个主成分累计方差贡献率为95.32%,第1主成分和第2主成分对不同等级样本具有可分性。利用4种不同的机器学习算法建立了西瓜全变量分级模型,验证集分类准确率均达到66%以上。使用稳定竞争性自适应加权算法提取了特征变量,减少了约84%的变量数,使用优化后的特征变量建立的分类模型,性能均得到了较好的提升,其中支持向量机模型取得了最高的验证集准确率(95.56%)、F1分数(96%)和Kappa系数(93%)。结果表明,声学特性结合机器学习的方法,对西瓜进行无损检测和分级是可行的。该研究为西瓜无损检测和分级提供了可行的技术方案。

摘要：为了解决普通检测装置难以覆盖不同果径(25~95mm)柑橘的检测需求问题,研发了覆盖多果径柑橘的便携式双档位多品质无损检测装置。以砂糖橘(果径25.35~48.61mm)和武鸣沃柑(果径53.24~94.71mm)为研究对象,基于研发的双档位探头,在赤道部位每隔120°采集一次光谱,平均光谱作为该柑橘的原始光谱。经标准正态变量变换(standard normal variable,SNV)、多元散射校正(multiplicative scatter correction,MSC)预处理,再利用竞争性自适应加权抽样算法(competitive adaptive reweighted sampling,CARS)筛选特征波长,分别建立了沃柑和砂糖橘的可溶性固形物含量(soluble solids content,SSC)和水分的偏最小二乘预测模型。沃柑的SSC和水分预测模型验证集相关系数分别为0.937、0.951,均方根误差分别为0.382°Brix、0.491%;砂糖橘的SSC和水分预测模型验证集相关系数分别为0.921、0.935,均方根误差分别为0.460°Brix、0.673%。为了评估检测装置的准确性和稳定性,使用平均变异系数分析了沃柑和砂糖橘的SSC含量和水分测定结果,并通过预测结果与标准理化值进行残差分析。结果表明,研制的便携式双档位柑橘多品质光谱检测装置对不同果径柑橘内部品质检测稳定性与精度均满足现场实时检测需求。

摘要：中国是水果消费大国,但在水果产后检测装备方面相对滞后。针对目前在线检测装置无法采集苹果全表面图像信息且无法精确计算缺陷面积的问题,该研究以表面缺陷面积的快速检测为主要目标,提出苹果全表面图像合成算法,设计了一套苹果外部品质在线检测及分级装置。该研究以苹果为例,基于球模型提出苹果全表面图像合成算法、缺陷面积校正算法精确计算苹果的表面缺陷面积。通过试验验证,对苹果表面图像进行分割合成后,整体的图像的漏检率为0。提出缺陷面积校正算法,可以计算图像中位于任意位置的苹果缺陷真实面积,选取了120个样本进行验证,其中擦伤样本、碰伤样本、痘斑病样本、表面腐败样本各30个。4种表面损伤面积的预测值和真实值的决定系数R^(2)均在0.97以上,均方根误差(Root Mean Squared Error,RMSE)在4 mm^(2)以下。在偏角试验中,4种表面损伤面积的预测值和真实值的决定系数R^(2)均在0.9742以上,RMSE在6.3044 mm^(2)以下。装置检测苹果的速度为2个/s,评级准确率为95%。研究结果表明,检测与苹果评级精度较高,工作较为稳定,实现了苹果外部缺陷的检测与分级评价,可为苹果的外部品质检测提供技术支撑。

摘要：传统的破坏性检测方法已难以满足豆类品质快速检测的需求。现有的无损检测设备存在稳定性及准确性不高等问题,为提高豆类品质含量检测装置的性能,基于近红外光谱技术研发了豆类品质无损检测装置,体积小、便于携带,能够适用于现场检测。基于所研发的装置,各取30个黄豆、绿豆、红豆、黑豆样本,通过旋转静态采集多次光谱求平均值与采集1次光谱的方式,对同一样品重复测量20次,得出随着采集次数的增加,光谱反射率变异系数平均值逐渐减小直至平缓,选取最佳豆类采集次数分别为16、8、14、16,对应的光谱变异系数平均值为2.9%、2.435%、2.763%、3.019%。以黄豆为例,选取80个样品,使用不同的预处理方法,分别建立黄豆蛋白质、粗脂肪和淀粉含量的偏最小二乘预测模型,结果表明,蛋白质、粗脂肪、淀粉质量分数预测的最优模型预处理方式分别为SG-MSC、SNV、SNV,其预测集相关系数Rp分别为0.9746、0.9505、0.9607,均方根误差分别为0.249%、0.572%、0.623%。取40个黄豆样本对装置模型进行试验验证,蛋白质、粗脂肪、淀粉质量分数的独立验证相关系数Ri分别为0.9411、0.9439、0.9334,独立验证均方根误差分别为0.465%、0.604%、0.673%,重复测量20次的平均偏差分别为0.409%、0.623%、0.637%,各参数重复测量20次变异系数分别为1.257%、0.896%、0.964%。结果表明,该装置具有良好的预测精度。以Visual Studio 2015为软件开发平台开发了豆类品质含量实时检测软件,实现多粒豆类品质情况“一键式操作”检测。选用阿里云服务器和MySQL数据库,基于TCP/IP网络通信协议,实现检测数据自动上传至数据库。基于若依开发框架设计了便于豆类品质监测的前端网络监控系统,实时显示数据库信息。

摘要：为了实现原料肉新鲜度参数的无损在线实时评估,基于双波段可见/近红外反射光谱(350～1 100和1 000～2 500 nm)技术建立了原料肉新鲜度主要指标的在线检测系统。研究设计了装置的光源单元、光谱采集单元、控制单元和驱动单元,优化设计了光源固定支架和安放角度,编写了相应的控制程序,开发了实验室用和便于在不同生产线应用的两套在线检测系统。首先,对试验参数(传送带速度和样品到透镜入光口距离)进行了优化研究,通过光谱相似度比较和显著性分析,确定传送带速度是275 mm·s^(-1)、距离是12 cm时能够获得更加稳定的光谱信号。然后,基于该试验参数,分别在静止和在线条件下采集了贮藏时间为1～13 d共50个猪肉样本的反射光谱,并利用抛物线拟合法对双波段光谱进行融合,以获取整条覆盖可见及近红外区域的完整光谱。为了使两个波段范围内的光谱数据点权重相同,在整个波段范围内均匀分布,借助三次样条插值法将所有光谱数据点以2 nm为间隔进行重新排布。采用窗口移动多项式最小二乘拟合法对光谱作平滑处理,采用标准正态变量变换对每条光谱进行标准化预处理,分别建立了静止和在线条件下新鲜度主要表征指标-颜色(L~*, a~*和b~*)、 pH和挥发性盐基氮的预测模型,以此验证所搭建系统的可靠性。经过对比分析,发现在线条件下的建模结果不如静止状态下的建模结果,这可能与在线采集时光谱存在漂移现象有关。进一步尝试利用一阶导数处理来消除基线漂移强化谱带特征,并对一阶导数和标准化处理顺序对建模结果的影响进行了探讨。结果发现先经过一阶导数再经过标准化处理,能更好地消除外部干扰造成的影响,建模结果更佳。在该处理方式下,基于第一波段光谱建立了颜色参数(L~*, a~*, b~*)的预测模型,基于双波段光谱建立了pH和挥发性盐基氮的在线检测模型,预测相关系数分别为0.955 3, 0.924 7, 0.955 1, 0.961 5和0.966 8。最后,为了验证模型的适用性,基于开发的便于在不同生产线应用的在线检测系统,利用独立的20个样本对在线模型进行外部验证,对颜色参数(L~*, a~*, b~*), pH和挥发性盐基氮的预测相关系数分别为0.918 9, 0.914 1, 0.947 7, 0.950 4和0.960 6。研究结果表明,该系统通过双波段光谱的实时采集和融合,可以获取更多反应样本内部信息的光学信号,具有更强的检测能力。结合设计的光路等其他硬件单元,可以同时获取样本表面更大区域的反射光谱信息,从而实现对原料肉新鲜度主要表征参数的无损、在线、实时评估。该系统便于组装和拆卸,可以适应不同企业生产线的实际需要,具有较强的实用价值和较好的市场前景。

摘要：为了满足生鲜肉品质参数无损检测领域,对轻便式、低成本设备的开发需求,提出一种基于多光谱漫反射技术的生鲜肉品质检测方法。首先根据漫反射近似理论,结合牛肉样品散射系数、吸收系数及折射率等参数,在无线细垂直光束的蒙特卡洛仿真的基础上,对具有一定发散角度LED光源进行了初始化的校正,分别从光源照射位置概率分布、不同角度的照射概率分布、仰角、方向角的概率分布、不同角度光线入射样品时反射引起能量损失及对光子权重的影响,得到在LED光源发散角情况下,不同源探距下的漫反射率与检测深度,确定了光源与检测器之间的最佳距离为15 mm,然后根据此距离,搭建了多光谱漫反射检测平台,检测平台由8组中心波长为470, 535, 575, 610, 650, 720, 780和960 nm的LED光源组成,与所要检测的生鲜牛肉品质参数相对应。同时利用LED光源的发散角,确定了光源到样品表面的垂直距离与每个光源的安装位置,保证光源照射到样品的区域是均匀的。样品的漫射光强经由信号采集与放大电路的处理后传至上位机,并在上位机完成建模与分析。最后为验证该检测系统的性能,以生鲜牛肉新鲜度参数中的颜色(L~*, a~*, b~*)与pH值为指标,利用60个样品进行了试验,分别得到8个光源下的原始光强值与校正后的反射率值,然后将牛肉样品按照3∶1比例分为校正集与预测集,针对原始光强值与反射率值,分别利用多元线性回归(multiple linear regression, MLR),偏最小二乘回归(partial least squares regression, PLSR)与偏最小二乘支持向量机回归(partial least-squares support vector machine, LS-SVM)三种方法,建立各个参数在原始光强与反射率数据两种情况下的预测模型,并得到最佳模型结果。结果表明,利用反射率数据建模结果均好于光强数据结果,其中参数L~*, a~*, b~*的MLR建模结果优于PLSR与LS-SVR,其预测集相关系数分别为0.983 2, 0.907 2及0.935 9,预测集误差分别为1.00, 2.14及0.67。参数pH值的LS-SVR建模结果优于PLSR与MLR,其预测集相关系数为0.942 0,误差为0.19。最后利用未参与试验的20块牛肉样品对模型进行了验证,颜色L~*, a~*, b~*及pH参数的预测值与实测值的相关系数均大于0.85,结果证明,利用多光谱漫反射技术以及所搭建的多光谱漫反射检测系统对生鲜牛肉品质参数检测是可行的,该方法能够为设计便携式或微型化生鲜牛肉品质的无损检测仪器提供参考与依据。

摘要：为探究粉状饲料原料的流动特性,进而为配料仓、输送设备及混合机的设计和仿真模拟提供依据,减少结拱、鼠洞和堵塞问题,该文分别以3种粉碎筛孔直径(1.5、2.0和2.5 mm)的豆粕和玉米(DDGS distillers dried grains with solubles)为研究对象,采用基于剪切法的粉体流动仪测定了其在不同含水率(10%~14%,湿基)和不同固结应力范围(1~3 kPa)的内聚力,由此表征其流动性的变化,并分析了3个因素对流动性的影响规律,构建了内聚力关于研究变量的预测模型。结果表明:豆粕粉料和DDGS粉料的流动性均受固结应力、含水率和筛孔直径的显著影响,亦受三者交互作用的影响,其中固结应力的影响最为显著,含水率和筛孔直径次之。豆粕粉料的内聚力分别与含水率及固结应力呈非线性正相关,与筛孔直径呈非线性负相关,即豆粕粉体的流动性随含水率及固结应力的增加而变差,随筛孔直径的减小而变差。DDGS粉料表现出类似的规律。豆粕粉料的内聚力在0.113~0.366 kPa范围内变化,DDGS粉料的内聚力变化范围为0.125~0.500k Pa。基于试验数据建立了内聚力关于含水率、固结应力、筛孔直径的多元回归模型(R^2>0.957),能够有效预测2种饲料原料的粉体流动特性。研究结果可为粉状饲料原料的储存、运输和混合设备的设计及工艺参数优化提供理论依据。