- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
中南林业科技大学
大学生研究性学习和创新性实验计划
项 目 结 题 报 告
项目名称
稻谷霉变快速检测与分离机构研究
项目主持人
赵兵
所在学校及院系
中南林业科技大学机电工程学院
项目级别
R国家级 □省级 □校级
立项年份
2014年6月
指导老师
文韬
联系电话填表日期
2016年2月
中南林业科技大学
教务处制
填 写 说 明
一、本表要按要求逐项认真填写,填写内容必须实事求是,表达明确严谨。空缺项要填“无”。
二、格式要求:表格中的字体用小四号仿宋体,1.5倍行距;需签字部分由相关人员以黑色钢笔或水笔签名。均用A4纸双面打印,于左侧装订成册。
三、本页不装订。
一、基本情况
项目名称
稻谷霉变快速检测与分离机构研究
立项时间
2014.6
完成时间
2016.3
项
目
主
要
研
究
人
员
序号
姓 名
学号
专业班级
所在院(系)
项目中的
分 工
1
赵兵机械电子
机电工程学院
实验数据处理及数据建模
2
夏叙伦机械电子
机电工程学院
实验设计
3
张仟仟机械电子
机电工程学院
传感器研究
4
刘付机械设计及自动化
机电工程学院
硬件电路研究
5
马智翔机械设计及自动化
机电工程学院
实验实施
二、研究成果简介
项目成果类型
□产品 □系统软件 R论文 R专利 □其它
(注:请在相应成果复选框内打“√”,其它请具体说明)
项目成果名称
论文《基于高光谱技术的霉变稻谷脂肪酸含量无损检测》
论文《霉变稻谷脂肪酸含量的光谱检测模型构建与优化分析》
论文《基于高光谱技术的不同霉变程度稻谷快速鉴别》
专利《一种稻谷脂肪酸含量无损检测方法及系统》
项目研究的目的、意义;研究成果的主要内容、重要观点或对策建议;成果的创新特色、实践意义和社会影响;研究成果和研究方法的特色。限定在2000字以内。
一、研究意义
随着科学技术的进步和人们健康意识的增加,对于谷物安全越来越来重视,能否找到快速准确检测稻谷是否霉变的方法成为当务之急。通过本项目的研究,系统地掌握基于光谱技术的霉变稻谷测评模型的构建方法,为霉变稻谷无损检测及霉变程度快速鉴别提供理论依据和技术支持。
二、主要研究内容
本研究利用光谱技术(Hypersis农产品高光谱仪,Hypersis-VNIR-PFH,卓立汉光,北京)测定霉变稻谷和正常稻谷对可见光到近红外波段的光谱反射情况,寻找和构建能够显著反应霉变稻谷和正常稻谷的光谱指数、指数集或光谱反射区,研究基于光谱信息的霉变稻谷检测方法,建立霉变稻谷和正常稻谷的测评模型,同时提出稻谷霉变程度快速鉴别理论。为开发基于光谱模型的霉变稻谷快速、实时、无损检测设备提供理论依据。主要研究内容如下:
1.不同霉变程度稻谷稻谷样本制备
(1)通过查阅稻谷储藏国家标准及相关研究论文,确定脂肪含量为稻谷是否霉变的指标。
(2)根据文献中的稻谷霉变培养条件,选取C两优34156晚稻,在恒温恒湿箱中,设定温度25-30℃,相对湿度为80%-90%,培养出轻度、中度及重度霉变稻谷。
2.制备样本光谱数据采集及脂肪酸含量测定
(1)采用Hypersis农产品高光谱仪测定不同程度霉变稻谷和正常稻谷对应的光谱反射值。
(2)在采集完光谱数据后,按GB/T15684-1995《谷物制品脂肪酸测定法》立即进行对应样本的脂肪酸含量测定。
3.建立稻谷霉变测评模型
3.1霉变稻谷测评模型初步研究
(1)在整体样本的正常和三种不同霉变程度每个区间随机选取共155个样本作为校正集,剩余样本作为预测集。
(2)对校正集和预测集光谱数据分别采用SG平滑和一阶微分进行了预处理,减少环境噪声影响,增强光谱特征。
(3)采用连续投影算法(SPA)提取光谱数据的特征波段,消除原始光谱矩阵中的冗余信息,实现光谱数据压缩。
(4)对采用不同预处理方法的数据建立光谱特征波段与脂肪酸含量的多元线性回归(MLR)模型。
(5)对建立的两个模型进行预测性能的比较,优选出较好脂肪酸含量预测模型。
3.2霉变稻谷测评模型优化研究
(1)与初步研究阶段一样先相同进行校正集和预测集的随机划分,随即对校正集和预测集数据进行SG平滑处理。
(2)采用SPXY算法在校正集中筛选出具有差异性及代表性的样本作为新的校正集。
(3)采用连续投影算法(SPA)提取光谱数据的特征波段,消除原始光谱矩阵中的冗余信息,实现光谱数据压缩。
(4)采用偏最小二乘法(PLS)和多元线性回归法(MLR)分别建立光谱特征波段与脂肪酸含量预测模型。
文档评论(0)