交易价格： 面议
类型： 非专利
交易方式： 资料待完善
联系人：
所在地：
作为世界上人口最多的国家,粮食问题在我国一直是关乎民生,关乎社稷的大事。近年来食品安全事件频频发生,对快速检测仪器的需求也是日渐明显。目前常用的食品安全指标检测需依托大型仪器设备,但是大型仪器设备存在检测方法复杂,检测速度较慢等弊端,无法及时、快速地进行现场检测。为了满足日益增长的食品安全现场快速监管需求,快速检测（快检）方法受到越来越多的重视。 本研究工作主要是从近红外检测和机器学习两个方向进行研究,设计适合于我国稻米外观品质分析的检测装置,为谷物的收购、储藏、销售提供快速、准确的外观品质检测手段。 近红外检测方向工作总结如下： 为了解决现有技术存在的若干问题,本研究在实验室搭建了一种近红外检测装置,近红外检测装置包括漫反射光电管、漫反射滤光片、漫反射菲涅尔透镜、近红外光源、样品载物台、透射菲涅尔透镜、透射滤光片和透射光电管。 通过漫反射菲涅尔透镜和透射菲涅尔透镜分别构成透射光和漫反射光光路,并利用漫反射光电管和透射光电管分别生成光电信号,从而为检测样品特征信息提供了数据基础;本装置具有结构简单,成本低的优点,功能少但可定制,可推广应用。 机器学习方向研究工作总结如下： 1)对图像基础处理算法进行了研究,分析了适用于稻米外观品质检测的图像处理算法。其中,在进行边缘检测时,Roberts算子的检测效果最好。在进行图像滤波时,中值滤波法的处理效果最好。在进行图像分割时,可以采用Ostu法。 2)针对直角坐标系下图像处理算法的局限性,提出了基于极坐标系的区域处理算法。针对极坐标系中的几个关键问题：区域型心、区域边界、初始方向的检测算法进行了分析。提出了长短轴快速检测算法,这种算法检测速度快,而且具有旋转不变性。 3)在垩白的检测问题上,采用基于垩白大小的检测算法;通过分析色度直方图,选用单个特征区域的色度均值作为判别参数,提出了基于色度的黄米粒检测算法。 4)采用离线检测的方式在移动设备上实现大米外观品质的检测。首先选定合适的轻量化神经网络,对该网络通过剪枝的方法压缩模型。其次,在PC端利用自建大米数据集训练网络,并测试网络精度。最后将网络移植到移动端实验结果表明,检测结果满足需求。 虽然我们的研究拉近了和国外先进技术的差距,但是一些技术问题仍然存在,现有的研究成果距在农业生产上的实际应用还有一定的距离,有待于进一步探索。这也正是本项目的初衷之一。 本项目采用机器学习的方法对大米品质检测方法进行了研究,提出来两种检测分类的方法。一种方法是将根据大米米粒的外观特征参数实现大米品质的判别。另一种方法则是在手机端离线检测大米品质。项目还有一些需要改进和值得继续探索的内容： 1、本研究手机端的检测精度较低,原因可能是卷积神经网络在优化过程中,模型精度损失较多,网络的压缩比可能过大导致的,若时间和资源允许,可以反复试验得到最佳压缩模型。 2、卷积神经网络是可以不断学习的网络,手机端的准确率偏低有可能是提供给模型的训练样本数集不够多,如果时间允许,可以继续增加数据样本数量,尝试提高模型精度。
Copyright © 2018 宁夏回族自治区生产力促进中心 版权所有 宁ICP备11000235号-3 宁公网安备 64010402000776号
网站访问量： 网站在线人数：0 技术支持：科易网 
微信公众号
