山西省自然科学基金(2012011030-3)
- 作品数：30 被引量：164H指数：8
- 相关作者：张淑娟薛建新王斌杨一周靖博更多>>
- 相关机构：山西农业大学浙江大学更多>>
- 发文基金：山西省自然科学基金国家自然科学基金国家教育部博士点基金更多>>
- 相关领域：农业科学理学轻工技术与工程自动化与计算机技术更多>>
- 轻微损伤郎枣近红外光谱检测被引量：1
- 2014年
- 为了实现对郎枣轻微损伤的无损检测,以产自太谷县的郎枣为研究对象,所用200个样本分为校正集140个和预测集60个,利用近红外光谱技术,对完好和损伤郎枣进行光谱分析。通过比较平滑处理(Smoothing)、标准正态变量校正(SNV)和多元散射校正(MSC)3种预处理方法并结合偏最小二乘法(PLS)所建模型的精度分析,确定最佳预处理方法为SNV,其PLS预测模型校正集相关系数(Rc)为0.817 569,校正集预测均方根误差(RMSEP)为0.216 473。利用所建PLS模型对预测集进行判断,轻微损伤郎枣识别的准确率为100%。
- 杨一张淑娟薛建新
- 关键词：预处理
- 不同轻微损伤方式下鲜枣整果力学特性的研究被引量：4
- 2019年
- 考虑鲜枣在采摘和运输过程中造成损伤的可能性,针对4种轻微损伤方式下的壶瓶枣在贮藏过程中力学特性的变化进行了研究。应用质构分析仪对壶瓶枣进行压缩-穿刺实验,得到贮藏期间壶瓶枣整果的最大穿刺力(坚实度)、果皮脆性、果肉最大硬度和果肉平均硬度4个主要力学参数的变化及相互关系。结果表明:(1)壶瓶枣整果最大穿刺力与果皮脆性、果肉最大硬度、果肉平均硬度均呈显著正相关(R=0.888~0.962),与果皮脆性的相关性程度最高(R=0.962);壶瓶枣整果的果皮脆性与果肉最大硬度、果肉平均硬度也具有较好的相关性(R=0.969~0.987),且存在显著的正相关性。(2)4种损伤方式下的自变量果皮脆性、果肉最大硬度和果肉平均硬度解释了最大穿刺力的总变异性的99.6%、96.6%、98.4%和80.6%。(3)贮藏期间壶瓶枣整果各项质地参数总体呈下降趋势,且4种损伤方式的质地参数下降规律有所差异性。因此,质构仪分析法能很好地反映壶瓶枣整果各项质地参数变化规律,适合于评价不同轻微损伤方式下的壶瓶枣贮藏期间整果质地变化情况。
- 王斌李丽丽张淑娟
- 关键词：壶瓶枣质构仪力学特性
- 鲜枣轻微损伤力学特性的研究被引量：1
- 2016年
- 为了探明轻微损伤对鲜枣力学特性的影响,以太谷壶瓶枣、梨枣、郎枣为研究对象,使用Instron万能材料物理试验机进行鲜枣轻微损伤试验样本制作,对样本从损伤制作到变质这一时间段的果皮强度、果皮破裂深度、果皮脆度、果皮韧性、果肉最大硬度、果肉平均硬度和果肉匀质指数进行了测定。通过对这些指标的比较分析,发现轻微损伤对果皮脆度的影响最为明显,并探明了鲜枣从开始轻微损伤到变质阶段的力学特性及其变化规律,为鲜枣加工和运输相关研究提供了依据。
- 刘蒋龙张淑娟申海霞李军宇
- 关键词：鲜枣力学特性穿刺
- 壶瓶枣自然损伤的高光谱成像检测被引量：8
- 2015年
- 采用高光谱成像技术（450-1 000 nm）对壶瓶枣的5种自然损伤（缩果病、裂纹、虫害、黑斑病、鸟啄伤）进行识别研究。利用高光谱成像系统采集了5种自然损伤及完好枣一共663个壶瓶枣样本的高光谱图像,并提取相应的感兴趣区域（ROI）,得到了样本的光谱数据。应用偏最小二乘回归（PLSR）、连续投影算法（SPA）从全波段中分别提取了9条、10条特征波长,利用Kennard-Stone算法将各类样本按照3∶1的比例随机分成训练集（500个）和测试集（163个）,并对其建立最小二乘支持向量机（LS-SVM）判别模型,结果表明使用SPA-LS-SVM建立的壶瓶枣自然损伤模型的整体判别正确识别率为93.2%。运用主成分分析（PCA）对由SPA提取出的10条特征波长（535、595、657、672、685、749、826、898、964、999 nm）所对应的单波段图像进行数据压缩,分别采用Sobel算子、区域生长算法Regiongrow并结合主成分图像识别出163个壶瓶枣样本的边缘与自然损伤特征区域,得出平均正确识别率达到90.8%。研究结果表明：采用高光谱成像技术可以对壶瓶枣的自然损伤进行光谱判别和图像识别。
- 薛建新张淑娟张晶晶
- 关键词：壶瓶枣高光谱成像
- 扫描次数对鲜枣硬度近红外光谱建模响应特性的影响被引量：4
- 2013年
- 以壶瓶枣为对象,利用Field Spec3型近红外光谱仪进行采集光谱,分析了扫描次数对鲜枣近红外光谱响应特性的影响。结果表明,样品同一位置扫描1次、3次、6次时,吸光度ΔA值和变异系数CV无显著差异,显著性检验概率分别为0.163、0.453,表明光谱稳定性好。对样品同一位置扫描1次、3次、6次的光谱所建立的硬度定量模型,在6次扫描时,硬度定量模型的决定系数较高,该模型较稳定;同时,不同扫描次数下所建模型预测能力差异不显著,显著性检验概率为0.356。因此,对所采集的光谱建立模型时,应综合考虑影响因素选择较少的扫描次数。
- 王斌薛建新张淑娟
- 关键词：近红外光谱
- 梨枣糖度无损检测建模分析——基于高光谱成像技术被引量：2
- 2014年
- 以梨枣为对象,利用去噪和去基后的全光谱数据及提取的42个近似系数,分别建立相应的PLS和PCR模型。结果分析表明:用近似系数所建的PLS模型校正集决定系数Rc(0.931)和PCR模型Rc(0.882)分别比用全光谱所建的PLS模型Rc(0.875)和PCR模型Rc(0.858)要高;PLS模型校正集方差RMSEC(0.986)、预测集方差RMSEP(1.159)和PCR模型校正集方差RMSEC(1.048)、预测集方差RMSEP(1.322)分别要比全光谱PLS模型校正集方差RMSEC(0.731)、预测集方差RMSEP(1.270)和PCR模型校正集方差RMSEC(0.958)、预测集方差RMSEP(1.361)的差值更为接近。这说明,应用近似系数所建模型较稳定。
- 王斌尹丽华张淑娟
- 关键词：梨枣
- 油桃外部缺陷的高光谱成像检测被引量：13
- 2015年
- 采用高光谱（420~1 000 nm）成像技术对＂中油9号＂油桃的4种外部缺陷（裂纹果、锈病果、异形果和暗伤果）进行检测判别。对400个样本（4种外部缺陷样本和完好样本）运用偏最小二乘回归（PLSR）从全波段中分别提取了10条特征波长,分别为497、534、657、677、696、709、745、823、868、943 nm。缺陷样本的高光谱图像经过主成分分析后,对876 nm下的单波段图像通过掩膜、Sobel算子处理,并对主成分图像经过区域生长算法实现缺陷样本的缺陷区域分割。对光谱数据进行主成分分析得到前10个主成分值,并对图像数据采用灰度共生矩阵（GLCM）提取得到6项图像纹理指标（均值、对比度、相关性、能量、同质性、熵值）。将主成分值和纹理值融合建立极限学习机（ELM）模型对油桃外部缺陷进行检测判别。结果表明,该模型对缺陷样本的判别正确率为91.67%,完好样本的正确率为100%。
- 黄锋华张淑娟杨一满尊张学豪吴玉香
- 关键词：油桃高光谱成像无损检测极限学习机
- 基于ELM和可见/近红外光谱的鲜枣动态分类检测被引量：6
- 2015年
- 枣营养丰富且品种繁多,不同品种的内外部品质与市场价格均存在差异,为了实现鲜枣品种分类的快速无损检测,以产自同一地区的板枣、鸡心枣和相枣为研究对象,动态采集光谱数据。采用移动平滑(moving smoothing)与多元散射校正(multiplicative scatter correction,MSC)相结合的方法预处理光谱数据,对预处理后的光谱数据采用连续投影算法(successive projections algorithm,SPA)提取出11个特征波长分别为:980,1 860,1 341,1 386,2 096,1 831,1 910,1 628,441,768,601nm,其重要程度依次递减。以所提取的特征波长作为输入变量,建立极限学习机(extreme learning machine,ELM)分类模型,进行预测判别,并与偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)和最小二乘支持向量机(least squares support vector machines,LS-SVM)方法进行比较。结果表明:SPA-ELM方法所建校正模型的决定系数R2=0.972 38,校正均方根误差RMESC=0.018 724,SPA-ELM方法与SPA-PLS-DA和SPA-LSSVM方法判别准确率均为100%,说明ELM是一种有效的分类判别方法。该研究为鲜枣品种分类检测提供了新的理论基础。
- 杨一张淑娟何勇
- 关键词：鲜枣连续投影算法极限学习机
- 高光谱成像技术对鲜枣内外部品质检测的研究被引量：12
- 2015年
- 外部缺陷以及内部可溶性固形物的含量对提升鲜枣的采后附加值和鲜枣后续生产加工具有重要的意义,因此,为了实现同时对鲜枣内外部品质进行快速、准确识别,利用高光谱成像技术(450-1,000nm)对壶瓶枣的"自然损伤"和可溶性固形物含量同时进行检测研究。首先,对光谱数据进行主成分分析(PCA)得到前7个主成分光谱值,对图像数据采用灰度共生矩阵(GLCM)提取到7项图像纹理指标(对比度、相关性、能量、同质性、方差、均值、熵)。然后,分别使用光谱主成分值、图像纹理特征值、以及主成分与纹理特征融合值建立偏最小二乘支持向量机(LS-SVM)模型对壶瓶枣的外部缺陷("自然损伤")和内部品质(可溶性固形物含量)进行检测研究。结果表明:使用主成分与纹理特征融合值建立的LS-SVM模型可作为通用模型同时对壶瓶枣内外部品质进行检测研究,其"自然损伤"判别正确率为92.5%,可溶性固形物预测集的预测相关系数(Rp)和预测均方根误差(RMSEP)分别达到了0.944和0.495。表明,采用高光谱成像技术可以建立通用模型同时对壶瓶枣的内外部品质进行检测,该研究为壶瓶枣的无损检测提供了理论参考。
- 薛建新张淑娟张晶晶
- 关键词：壶瓶枣可溶性固形物
- 基于高光谱图像信息的李果实成熟度判别被引量：6
- 2017年
- 本文以李果实作为研究对象,基于高光谱图像技术对不同成熟度的李果实(未熟、半熟、成熟和过熟)样本的图像信息进行采集,对采集样本的图像进行中值滤波去噪处理。运用Matlab软件编程对各种成熟度样本的图像进行颜色特征值提取,分别获得RGB和HSV彩色图像模型不同分量的平均值(μ)和标准差(σ)作为颜色特征值,并建立RGB、HSV颜色特征值以及RGB-HSV特征值相融合的样本成熟度PLS判别模型,并对所建立的判别模型进行预测。结果表明,基于RGB-HSV相融合颜色特征值的判别模型准确率优于RGB与HSV,其对未熟、半熟、成熟、过熟的判别准确率达到了98.4%、90.0%、85.6%及90.9%。该方法建立的判别模型不仅简化,而且增强了模型的判别能力,为实现李果实成熟度的无损检测和判别提供理论依据。
- 李丽丽王斌张学豪张淑娟
- 关键词：成熟度
