公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

禽肉肉色、弹性和嫩度的图像和激光诱导荧光无损检测技术研究: 禽肉是人们的主要肉食品之一,随着中国禽业养殖的发展,以及社会生活水平的提升,人们对禽肉食用品质的要求也越来越高。目前常规的禽肉检测方法涉及复杂的预处理、较多的化学分析设备、试剂,且检测时间长,对样品具有破坏性,所以难以实...; 涂冬成; 关键词：禽肉品质激光诱导荧光计算机视觉; 文献传递

基于支持向量机的鹅肉肉色客观评定研究: 为了对鹅肉肉色进行更加快速、客观的评定,搭建了可见光图像采集系统,获取了98 个新鲜鹅肉RGB 图像.首先应用过阈值分割方法去除背景,获取颜色的有效判别部位,鹅胸脯肌肉区域的图像,然后通过对该图像进行颜色空间转换提取肉色...; 涂冬成薛龙刘木华赵进辉沈杰吁芳; 关键词：支持向量机

基于最小二乘支持向量回归的鹅肉弹性的可见-近红外光谱测定被引量：3: 2012年; 为简化鹅肉弹性的可见-近红外光谱模型和提高预测精度,采用联合区间偏最小二乘法(synergyinterval partial least square algorithm,siPLS)结合遗传算法(Genetic algorithm,GA)提取可见-近红外光谱特征波长,用最小二乘支持向量回归(least square support vector for regression,LSSVR)建立鹅肉弹性的预测模型。试验以万能试验机获取恢复距离S作为鹅肉弹性实际值。在模型建立过程中,先利用sym8小波的2层分解对原始的可见-近红外光谱进行光谱预处理;然后用siPLS优选出4个特征光谱子区间(分别为第3、5、9、13子区间),在这4个特征光谱子区间内继续用GA优选出74个特征波长,并建立基于LSSVR的鹅肉弹性的预测模型。模型预测集的决定系数(R2)和预测均方根误差(root mean squarederror of prediction,RMSEP)分别为0.9096和0.0588。试验结果表明,siPLS结合GA法能够有效提取光谱中的鹅肉弹性对应的特征波长,有利于提高LSSVR模型预测鹅肉弹性的精度。; 赵进辉袁海超刘木华涂冬成吁芳; 关键词：遗传算法

基于激光诱导荧光技术的鹅肉嫩度初步研究: 嫩度是评价禽肉食用品质的一项重要指标。本文研究了采用激光诱导荧光技术检测鹅肉嫩度的无损检测方法。通过激光诱导荧光采集系统获取38个鹅肉样本荧光光谱图。以模型相关系数(R)、校正均方根误差(RMSEC)、预测均方根误差(R...; 涂冬成薛龙刘木华黎静; 关键词：激光荧光光谱嫩度偏最小二乘法鹅肉; 文献传递

禽肉综合品质的无损检测装置: 本实用新型公开了一种禽肉综合品质的无损检测装置，包括由输送皮带和皮带传输装置组成的禽肉样本输送单元，样本图像采集单元，数据处理单元，所述样本图像采集单元包括激光诱导荧光光谱图像采集部件，X射线图像采集部件，可见光图像采集...; 刘木华赵进辉沈杰涂冬成; 文献传递

利用高光谱图像技术检测鸡胴体内部粪便污染物被引量：10: 2011年; 以鸡胴体为研究对象,探讨基于高光谱图像技术的鸡胴体内部粪便污染物检测方法。首先采集400～1 000 nm的鸡胴体高光谱图像;然后应用主成分分析(PCA)获得主成分图像,由第1主成分图像得到3个特征波长518.59,562.64,700.67 nm,并以700.67 nm特征波长下的图像作为鸡胴体内部粪便污染物检测特征图像;最后构建掩膜以消除特征图像背景噪声并将其置为白色,并运用阈值分割和数学形态学完成粪便污染物的提取。试验结果表明,对100个鸡胴体样本进行检测,检测总正确率为93%。应用高光谱图像技术结合主成分分析等数据处理方法能较好地完成对鸡胴体内部粪便污染物检测,为鸡胴体内部粪便污染物在线快速检测提供重要的理论依据。; 赵进辉涂冬成欧阳静怡刘木华沈杰; 关键词：高光谱图像

基于支持向量机的鹅肉肉色客观评定研究: 为了对鹅肉肉色进行更加快速、客观的评定,搭建了可见光图像采集系统,获取了98个新鲜鹅肉RGB图像。首先应用过阈值分割方法去除背景,获取颜色的有效判别部位,鹅胸脯肌肉区域的图像,然后通过对该图像进行颜色空间转换提取肉色参数...; 涂冬成薛龙刘木华赵进辉沈杰吁芳; 关键词：鹅肉肉色支持向量机; 文献传递

基于激光诱导荧光技术的鹅肉嫩度初步研究: 嫩度是评价禽肉食用品质的一项重要指标.本文研究了采用激光诱导荧光技术检测鹅肉嫩度的无损检测方法.通过激光诱导荧光采集系统获取38 个鹅肉样本荧光光谱图.以模型相关系数(R)、校正均方根误差(RMSEC)、预测均方根误差(...; 涂冬成薛龙刘木华黎静; 关键词：偏最小二乘法食用品质; 文献传递

全选清除导出

共1页<1>

涂冬成