研讨PPT.ppt

* 汇报人: 2017年1月17日 * 主要内容 * 一.文献阅读 1.机器视觉 （1）Mehrdad B., Ahmad B.,et al. Machine vision system for grading of dried figs. Computers and Electronics in Agriculture 119 (2015):158–165. 题目：采用机器视觉系统对无花果干进行分级 基于颜色、大小和张裂程度这些物理特性和国家现行标准将无花果干分为5个等级，将颜色、张裂区域和当量直径作为三个特征值，机器视觉系统包括图像的获取、图像处理算法的建立，再将其与分级算法于Lab-view上依据特征值不同进行分级。 * 相机的标准显示这三个特征值能被检测出来的准确率分别为98%、96.66%和94%，张裂区域这个特征值可以较好的进行第一和第二等级的区分，当量直径可以区分二三四等级，而区分四五等级最好的标准是颜色这一特征值，分级系统的准确率在从一到五等级分别为90%、94%、98%、96%和98%，处理速度为90kg/h，平均每个等级区分的准确率为95.2%，故此系统可以很好的对无花果干实现在线分级。 总结： （1）文章对计算空气喷嘴的激活延迟这一关键技术点介绍的非常详细，对今后此方面的研究有指导意义； （2）对如何进行分级采用流程图的形式展示更加清晰明朗，如图： * * （2） ?mer Bar?s,?ZLüOYMAK.Development of a UV-based Imaging System for Real-Time Detectionand Separation of Dried Figs Contaminated with A?atoxins [J]. Journal of Agricultural Sciences20(2014):302-316. 题目：紫外成像技术对感染黄曲霉毒素的无花果干 用紫外成像技术对感染黄曲霉毒素的无花果干实现在线检测与分离，全自动的荧光成像技术结合图像处理和分类方法以及用在线检测感染黄曲霉毒素的无花果干来进行验证，在紫外灯下我们会看到受感染的区域会发出明亮的黄绿的光，对图像进行一系列处理，如果最后剩下的图片还有红色像素点说明其受黄曲霉毒素污染，而污染的程度则由污染区域像素点的构成及毒素的微粒数决定，由两条速度分别为0.18m/s和0.06m/s的传送带输送样品，从而采集无花果前后两张图片用以鉴别。 * 实验表明系统对感染黄曲霉毒素的无花果干识别率为96%，对未受感染的无花果干的识别率达100%，翻转准确率为82%，全系统的准确率为80.36%，处理速度达34.56kg/h。 总结： （1）可在光源扩增来实现全方位采集样本图像，例如放置侧面的相机来实现样品侧面图像的拍摄，建立多通道输送无花果干，机器臂分离污染样品和更高效率的翻转方面进行深入研究； （2）由这两篇启发我们可以建立关于一种或一类食品综合品质的在线检测系统，也同时要求在硬件和算法方面更深层次的研究。 7 2.电子鼻 （1）Zhenbo Wei, Jun Wang , Weilin Zhang. Detecting internal quality of peanuts during storage using electronic nose responses combined with physicochemical methods[J]. Food Chemistry 177 (2015) :89–96. 题名：利用电子鼻反应结合物理化学方法检测花生贮藏期 间的内在品质 使用电子鼻来检测花生内部品质，旨在达成在未剥壳情况下即可检测花生品质。将采集的花生分成12组，每组20粒，分别测定未剥壳和脱壳花生的电子鼻信号，然后用国标方法测定酸度和过氧化值，数据处理采用CA、PCA、PLSR。 * 结果显示：1.储藏期花生的酸度值远远小于国家标准，而过氧化值在第8天以后超过国家标准，CA结合K-均值距离依据酸度和过氧化值将花生分为4类； 2.三种类型的特征值被用于模式识别分析，最大值、区域值和第70个信号值，发现只有以第70个信号值作为特征值才可以完全识别样本，同时也可以观察到前12天(SD=0.997)花生的品质较后10天（SD=5.120）品质的变化缓慢的多； * 3.采用DOM处理第70个信号值作为特征值用PLSR进行储藏期预测，发现未剥壳的花生验证集拟合相关系数（R2=0.91）大于剥壳后的花生（R2=0.89），但是基于酸度值和过氧化值进行PLSR分析所得的R2=0.88，RSME=2.45，预测结果没有电子鼻响应好； 4