期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
新型无损检测技术在番茄品质检测中的研究与应用进展
被引量：
4
1
作者
韩子馨
张丽丽
+2 位作者
张博
邹方磊
尚楠
《食品科学》
EI
CAS
CSCD
北大核心
2024年第1期289-300,共12页
番茄是我国种植面积最广的蔬菜之一,受到广大消费者的青睐。近年来,随着人们对健康饮食需求的逐步提升,番茄的品质愈发受到关注。番茄形状较为规则,但不同品种间的大小、果型、颜色差异较大,蕴含的营养成分种类繁多、化学结构复杂,导致...
番茄是我国种植面积最广的蔬菜之一,受到广大消费者的青睐。近年来,随着人们对健康饮食需求的逐步提升,番茄的品质愈发受到关注。番茄形状较为规则,但不同品种间的大小、果型、颜色差异较大,蕴含的营养成分种类繁多、化学结构复杂,导致其品质检测存在一定难度。传统番茄品质检测方法大多存在主观性强、破坏性强、耗时费力的缺点,难以满足大规模品质检测的需求。近年来,随着各类无损检测技术的发展,机器学习、多光谱技术、电子鼻/电子舌等新型检测方法也已逐步应用于番茄品质的快速、无损检测中。本文在传统番茄品质检测技术的基础上,重点总结了基于图像识别的人工智能、电子鼻技术和光谱技术在番茄无损检测方面的发展与应用,为番茄品质检测的研究与发展提供参考。
展开更多
关键词
番茄品质检测
可见-近红外光谱
高光谱成像
拉曼光谱
电子鼻
机器视觉
在线阅读
下载PDF
职称材料
苹果品质动态无损感知及分级机器手系统
被引量：
10
2
作者
彭彦昆
孙晨
赵苗
《农业工程学报》
EI
CAS
CSCD
北大核心
2022年第16期293-303,共11页
为了实现灵活高效的苹果多品质指标检测分级,基于机器视觉技术及可见/近红外光谱技术,开发了用于苹果内外部品质无损感知及分级的机器手系统。机器手系统采用六轴机械臂搭载自行研发的末端执行器,末端执行器上装载有光学传感器与抓取结...
为了实现灵活高效的苹果多品质指标检测分级,基于机器视觉技术及可见/近红外光谱技术,开发了用于苹果内外部品质无损感知及分级的机器手系统。机器手系统采用六轴机械臂搭载自行研发的末端执行器,末端执行器上装载有光学传感器与抓取结构,可以抓取流水线上的苹果并同时采集苹果的光谱进行糖度检测。使用CMOS相机采集苹果图像,训练并使用PP-YOLO深度学习目标检测模型处理采集的苹果图像,计算苹果的坐标位置实现苹果的动态定位,并获取苹果的果径大小、着色度信息实现外部品质检测。采集苹果样本光谱,结合不同的光谱预处理方式,利用偏最小二乘(Partial Least-Square,PLS)方法进行建模分析。试验结果表明,使用PP-YOLO目标检测算法处理图像和计算苹果位置,其识别速度为38帧/s,极大地提高了检测速度。使用归一化光谱比值法(Normalized Spectral Ratio,NSR)作为预处理算法的糖度建模结果较佳。采用NSR+CARS(Competitive Adaptive Reweighted Sampling,竞争性自适应重加权算法)作为机器手的动态光谱模型效果较佳,该动态光谱模型相关系数Rv为0.9589,验证均方根误差RMSEV(Root Mean Squared Error of Validation)为0.4627%,与静态下建立的模型相比,机器手在动态状态下采集光谱对所建立的预测模型的预测效果影响较小。对整体机器手系统进行了试验验证,机器手在工作时能够无损伤地抓取苹果,给出果径大小、着色度、糖度3个检测指标并依据指标自动划分等级,然后依据等级信息分级。随后测定了3个指标的实测值与预测值进行分析,果径大小的预测相关系数为0.9772,均方根误差为1.6315 mm;着色度的预测相关系数为0.9674,均方根误差为5.9734%;糖度的预测相关系数为0.9643,均方根误差为0.5048%,预测结果与真实值均具有较强的线性关系和较低的预测误差,机器手系统分级正确率为95%,完成一颗苹果的定位、抓取、检测、分级和放置的时间约为5.2 s,具有较好的工作可靠性,研究结果可为苹果多品质指标的高效检测提供参考。
展开更多
关键词
机器视觉
可见/近红外光谱
苹果
无损感知
分级
机器手系统
在线阅读
下载PDF
职称材料
芒果品质无损检测技术研究进展
被引量：
8
3
作者
刘彩华
李曦
+5 位作者
朱正杰
包竹君
谢晓娜
杨郑州
王赟
刘芳
《食品工业科技》
CAS
北大核心
2021年第22期413-422,共10页
芒果是世界五大水果之一,深受人们喜爱。对芒果品质进行无损检测,有利于芒果采后科学处理,对提高其品质和市场竞争力,具有重要的意义。文章主要论述了计算机视觉技术和可见/近红外光谱检测技术在芒果品质检测中的研究进展,以及其他无损...
芒果是世界五大水果之一,深受人们喜爱。对芒果品质进行无损检测,有利于芒果采后科学处理,对提高其品质和市场竞争力,具有重要的意义。文章主要论述了计算机视觉技术和可见/近红外光谱检测技术在芒果品质检测中的研究进展,以及其他无损检测技术在芒果品质检测中的研究,如电子鼻、超声波检测、高光谱检测、机械传感等,并比较了国内外研究的差异,总结了存在的问题,进一步探讨了未来计算机视觉技术和可见/近红外光谱检测技术在芒果品质检测及全过程质量控制方面的发展趋势。本文将为芒果品质无损检测技术的发展和应用提供参考。
展开更多
关键词
芒果
品质
无损检测
计算机视觉技术
可见/近红外光谱检测技术
在线阅读
下载PDF
职称材料
题名
新型无损检测技术在番茄品质检测中的研究与应用进展
被引量：
4
1
作者
韩子馨
张丽丽
张博
邹方磊
尚楠
机构
中国农业大学工学院
出处
《食品科学》
EI
CAS
CSCD
北大核心
2024年第1期289-300,共12页
基金
北京市乡村振兴科技项目(20221230-01)。
文摘
番茄是我国种植面积最广的蔬菜之一,受到广大消费者的青睐。近年来,随着人们对健康饮食需求的逐步提升,番茄的品质愈发受到关注。番茄形状较为规则,但不同品种间的大小、果型、颜色差异较大,蕴含的营养成分种类繁多、化学结构复杂,导致其品质检测存在一定难度。传统番茄品质检测方法大多存在主观性强、破坏性强、耗时费力的缺点,难以满足大规模品质检测的需求。近年来,随着各类无损检测技术的发展,机器学习、多光谱技术、电子鼻/电子舌等新型检测方法也已逐步应用于番茄品质的快速、无损检测中。本文在传统番茄品质检测技术的基础上,重点总结了基于图像识别的人工智能、电子鼻技术和光谱技术在番茄无损检测方面的发展与应用,为番茄品质检测的研究与发展提供参考。
关键词
番茄品质检测
可见-近红外光谱
高光谱成像
拉曼光谱
电子鼻
机器视觉
Keywords
tomato quality inspection
visible
-near infrared
spectroscopy
hyperspectral imaging
Raman
spectroscopy
electronic nose
machine
vision
分类号
TS207 [轻工技术与工程—食品科学]
在线阅读
下载PDF
职称材料
题名
苹果品质动态无损感知及分级机器手系统
被引量：
10
2
作者
彭彦昆
孙晨
赵苗
机构
中国农业大学工学院
国家农产品加工技术装备研发分中心
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2022年第16期293-303,共11页
基金
国家重点研发计划项目(2016YFD0400905-05)。
文摘
为了实现灵活高效的苹果多品质指标检测分级,基于机器视觉技术及可见/近红外光谱技术,开发了用于苹果内外部品质无损感知及分级的机器手系统。机器手系统采用六轴机械臂搭载自行研发的末端执行器,末端执行器上装载有光学传感器与抓取结构,可以抓取流水线上的苹果并同时采集苹果的光谱进行糖度检测。使用CMOS相机采集苹果图像,训练并使用PP-YOLO深度学习目标检测模型处理采集的苹果图像,计算苹果的坐标位置实现苹果的动态定位,并获取苹果的果径大小、着色度信息实现外部品质检测。采集苹果样本光谱,结合不同的光谱预处理方式,利用偏最小二乘(Partial Least-Square,PLS)方法进行建模分析。试验结果表明,使用PP-YOLO目标检测算法处理图像和计算苹果位置,其识别速度为38帧/s,极大地提高了检测速度。使用归一化光谱比值法(Normalized Spectral Ratio,NSR)作为预处理算法的糖度建模结果较佳。采用NSR+CARS(Competitive Adaptive Reweighted Sampling,竞争性自适应重加权算法)作为机器手的动态光谱模型效果较佳,该动态光谱模型相关系数Rv为0.9589,验证均方根误差RMSEV(Root Mean Squared Error of Validation)为0.4627%,与静态下建立的模型相比,机器手在动态状态下采集光谱对所建立的预测模型的预测效果影响较小。对整体机器手系统进行了试验验证,机器手在工作时能够无损伤地抓取苹果,给出果径大小、着色度、糖度3个检测指标并依据指标自动划分等级,然后依据等级信息分级。随后测定了3个指标的实测值与预测值进行分析,果径大小的预测相关系数为0.9772,均方根误差为1.6315 mm;着色度的预测相关系数为0.9674,均方根误差为5.9734%;糖度的预测相关系数为0.9643,均方根误差为0.5048%,预测结果与真实值均具有较强的线性关系和较低的预测误差,机器手系统分级正确率为95%,完成一颗苹果的定位、抓取、检测、分级和放置的时间约为5.2 s,具有较好的工作可靠性,研究结果可为苹果多品质指标的高效检测提供参考。
关键词
机器视觉
可见/近红外光谱
苹果
无损感知
分级
机器手系统
Keywords
machine
vision
vision and visible and near-infrared spectroscopy
apple
nondestructive sensing
grading
manipulator system
分类号
TP23 [自动化与计算机技术—检测技术与自动化装置]
S237 [农业科学—农业机械化工程]
在线阅读
下载PDF
职称材料
题名
芒果品质无损检测技术研究进展
被引量：
8
3
作者
刘彩华
李曦
朱正杰
包竹君
谢晓娜
杨郑州
王赟
刘芳
机构
百色学院农业与食品工程学院
出处
《食品工业科技》
CAS
北大核心
2021年第22期413-422,共10页
基金
广西自然科学基金(2019GXNSFBA245065)
广西高校中青年教师基础能力提升项目(2019KY0756)
+1 种基金
百色学院博士科研启动基金项目(DC2000002721)
广西大学生创新创业训练项目(202010609058)。
文摘
芒果是世界五大水果之一,深受人们喜爱。对芒果品质进行无损检测,有利于芒果采后科学处理,对提高其品质和市场竞争力,具有重要的意义。文章主要论述了计算机视觉技术和可见/近红外光谱检测技术在芒果品质检测中的研究进展,以及其他无损检测技术在芒果品质检测中的研究,如电子鼻、超声波检测、高光谱检测、机械传感等,并比较了国内外研究的差异,总结了存在的问题,进一步探讨了未来计算机视觉技术和可见/近红外光谱检测技术在芒果品质检测及全过程质量控制方面的发展趋势。本文将为芒果品质无损检测技术的发展和应用提供参考。
关键词
芒果
品质
无损检测
计算机视觉技术
可见/近红外光谱检测技术
Keywords
mango
fruit quality
nondestructive testing
computer
vision
technology
visible
/near infrared
spectroscopy
分类号
TS207.3 [轻工技术与工程—食品科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
新型无损检测技术在番茄品质检测中的研究与应用进展
韩子馨
张丽丽
张博
邹方磊
尚楠
《食品科学》
EI
CAS
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
2
苹果品质动态无损感知及分级机器手系统
彭彦昆
孙晨
赵苗
《农业工程学报》
EI
CAS
CSCD
北大核心
2022
10
在线阅读
下载PDF
职称材料
3
芒果品质无损检测技术研究进展
刘彩华
李曦
朱正杰
包竹君
谢晓娜
杨郑州
王赟
刘芳
《食品工业科技》
CAS
北大核心
2021
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
