【摘 要】
：
弹性是鸡肉新鲜度的重要指标之一.本文选择激光诱导荧光技术来检测鸡肉的弹性,建立激光诱导荧光光谱与鸡肉弹性之间的预测模型.对采集到的光谱采用归一化预处理,利用万能试验机测得鸡肉的弹性(以恢复距离表示),应用偏最小二乘法进行数学建模.在460nm-999nm 的光谱范围内,PLS 校正组模型的相关系数为0.8944,样本均方根误差为0.1011;模型对预测组的相关系数为0.8897,预测样本均方根误差
【机 构】
：
江西农业大学工学院,江西南昌,330013 华东交通大学机电工程学院,江西南昌,330045
【出 处】
：
中国农业工程学会电气信息与自动化专委会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会
论文部分内容阅读
弹性是鸡肉新鲜度的重要指标之一.本文选择激光诱导荧光技术来检测鸡肉的弹性,建立激光诱导荧光光谱与鸡肉弹性之间的预测模型.对采集到的光谱采用归一化预处理,利用万能试验机测得鸡肉的弹性(以恢复距离表示),应用偏最小二乘法进行数学建模.在460nm-999nm 的光谱范围内,PLS 校正组模型的相关系数为0.8944,样本均方根误差为0.1011;模型对预测组的相关系数为0.8897,预测样本均方根误差为0.1083.结果表明,采用激光诱导荧光技术快速检测鸡肉弹性是可行的.
其他文献
本文通过对不同秋眠级紫花苜蓿品种在浙江省稻田进行栽培试验，了解紫花苜蓿作为一年生作物用于我省稻田绿肥的可行性。试验结果表明：秋眠级在7—8或8级的品种在南方稻田种植，在播种期适宜，稻田排水设施良好，适度施肥的情况下，在次年早稻种植前翻耕用做稻田绿肥的生物产量基本能满足水稻生长的需要，其它秋眠级的品种前期生长缓慢，其生物产量不足以满足早稻绿肥对鲜草产量的需求。但不同秋眠级紫花苜蓿品种在单季晚稻种植前
苜蓿是一种国内外广泛种植的优质豆科牧草。本文在对贵州地区多年来推广种植苜蓿效果调查总结的基础上，结合本土畜牧业发展需求，分析了苜蓿发展必要性与可行性，并提出贵州紫花苜蓿科技工作重点，以期为贵州生态畜牧业发展提供理论依据和技术基础。
以构建适用于精确灌溉的WSN 数据传输系统为目标,从精确灌溉实施需求和管道式喷灌系统的特点出发,设计一个两层的WSN 体系结构,给出了灌区WSN 的网络拓扑结构,并提出构建大田WSN 数据传输系统需要解决的几个关键问题,初步通信实验表明利用该网络实现的数据通信是有效的.
棉花异性纤维图像的背景(棉花纤维)简单,灰度服从正态分布,目标(异性纤维)一般都比背景暗,但是细小且灰度分布方差大.本文有针对性地提出一种背景估计阈值BET(Background Estimation Thresholding)方法对图像进行分割,以便对棉花中的异性纤维含量进行检测和计量.实验结果表明该方法简单有效,速度快,可应用于大批量棉花异性纤维的实时在线检测.
本文概述了电子鼻的研究近况,给出了E-Nose-1000型电子鼻的结构设计,并应用E-Nose-1000型电子鼻对不同储藏条件、不同储藏时间的鸡肉进行检测;利用数模转换和主成分分析方法,检测到不同储藏条件下鸡肉中的挥发性成分发生变化,并能区分相同储藏时间不同储藏条件下的鸡肉以及不同储藏时间相同储藏条件下的鸡肉.得出了电子鼻可以作为鸡肉新鲜度检测的新型补充工具的结论,为鸡肉新鲜度的判断了提供有力的依
本文用便携式辐射光谱仪采集了活体冬小麦叶片的反射光谱,用多元散射校正方法对采集的光谱进行预处理,建立人工神经网络的定量分析模型,对叶片中的叶绿素、叶绿素a、叶绿素b 的含量进行了建模和检验研究.对叶片中叶绿素的建模与检验相关系数分别为0.9269 和0.8178;建模与检验标准偏差分别为0.2519 和0.4701.对叶片中叶绿素a 的建模与检验相关系数分别为0.7804 和0.6273;建模与检
光谱分析技术以其速度快、效率高、成本低、无损伤以及无污染等优越性成为了获取作物生长信息的重要手段,在精细农业的发展中起到了重要的作用.作物的生化组分是影响作物生长的重要因素同时也反映了作物的生长状况.本文介绍了光谱分析技术在作物生化组分检测中的应用以及光谱分析技术在作物生化组分定量分析中的最新应用研究进展,对光谱分析技术在作物生化组分检测中的应用前景进行了展望.
采用日本费加罗(Figaro)TGS8 系列气敏传感器,针对电子鼻的数据特点,研究了多种特征提取的方法,对滤波后的响应曲线的特征进行了提取,选择了七个特征以表征响应曲线:均值,能量,平均速度,相对差分,加速度,速度,区域.分别用二次项拟合曲线参数和对数拟合曲线参数作为其中两个特征进行主成分降维、模型训练和测试,测试结果表明对数拟合的效果要好于二次项拟合.
使用便携式分光辐射光谱仪和积分球采集冬小麦叶片样品的反射光谱信息,采用多元散射校正(MSC)方法对原始光谱进行预处理,之后对其提取主成分,输入人工神经网络(ANN)进行建模分析,可以很好地预测冬小麦叶片的水分含量.本文对孕穗期和乳熟期的小麦叶片水分含量进行了定量分析研究.基于MSC-ANN 算法的水分含量分析模型的预测相关系数都比较高,孕穗期小麦检验集的化学值与预测值的相关系数r 为0.9182,
对于大量样品参与建模的情况,将样品集进行分类建模,可以减少样品的变异范围,提高近红外模型的预测能力.本文以全国各地小麦样品222 份为建模样品,采用基于试探的未知类别的样品聚类方法,分别用最邻近规则法和最大最小距离算法对实验样品集分类建模.从分类实现过程和结果可以看出:基于试探的未知类别的样品聚类方法中无需多次训练,且对未知类别的样品集无需事先确定分类数目,但需要确定分类阈值,阈值不同,则分类结果