我国淡水渔业转型升级路径与工程科技创新重点研究

淡水渔业转型升级对推动消费升级、实现产业高质量可持续发展具有重要意义。本文在剖析我国淡水渔业转型升级面临的突出问题和工程科技需求的基础上,提出淡水渔业转型升级的总体思路、推进路径、主要任务和主要目标,并通过系统研究提出淡水渔业绿色高效养殖模式、优良养殖品种繁育技术与装备、精准投喂与饲料高效利用技术、不同养殖模式下水环境调控技术、尾水高效绿色处理技术与装备、多元信息智能立体感知技术与装备、淡水产品捕捞及冷链化优质保鲜贮运技术和养殖产品初加工技术与装备等工程科技创新研究重点,旨在为全面提升我国淡水渔业的设施化、机械化、智能化、智慧化和标准化水平提供决策参考。

高光谱技术在牛肉丸复合掺假类型鉴别中的应用

肉制品加工过程的复杂性给肉制品掺假检测带来了巨大的挑战。基于高光谱技术,对不同比例的猪肉-鸡肉复合掺假牛肉丸进行了掺假类别判别分析,尤其首次提出了对熟牛肉丸复合掺假的快速检测。为建立模型,分别在牛肉糜中加入不同比例(20%、40%和80%)的猪肉/鸡肉,获得单一掺假样品。并将猪肉和鸡肉按2∶8、5∶5和8∶2的比例混合,在20%、40%和80%比例下进行复合掺假。此外,还制备了油炸掺假牛肉丸,以检验分类模型的适用性。对采集的掺假样本高光谱数据,经五种方法预处理后建立基于极限学习机分类(ELMC)和支持向量分类(SVC)的掺假鉴别模型。此外利用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)分别提取特征波长并建立相应简化模型。研究表明:基于全波长建立的生/熟牛肉丸掺假类别检测模型SVC性能均优于ELMC。而基于特征波长建立的简化模型ELMC性能优于SVC。对生牛肉丸分类判别,利用SPA筛选出的44个特征波长建立的ELMC模型性能最优,其校正集和预测集的分类准确率均为97.17%。基于CARS筛选出的38个特征波长建立的ELMC模型对熟牛肉丸具有最高的分类性能,其校正集和预测集的分类准确率分别为97.17%和96.23%。因此高光谱技术可以对生肉和熟肉的复合掺假类型进行有效、快速、准确的鉴别,为便携式检测设备的研制奠定了理论基础。

面向池塘圈养模式的气液混合泵的参数优化及增氧试验

为探究气液混合泵能否满足在高密度养殖条件下养殖对象对水体溶氧的需求,基于气液(氧气-水)混合泵搭建溶氧试验平台,在不同水温、不同出水压力和不同气水体积比的条件下,测试气液混合泵溶氧性能,并在池塘圈养桶(直径4 m,高2 m,养殖水体体积20 m^(3))内进行增氧试验。溶氧性能测试结果显示:当出水压力为0.25 MPa、气水体积比为0.01~0.05时,在不同水温(5.6、13.5、30.3)条件下出水溶解氧与水温成反比,溶解氧在47.93~20.60 mg/L变化;氧气吸收效率与气水体积比呈反比,氧气吸收效率在91%~33.7%变化;动力效率与气水体积比成正比,动力效率在22.32~55.12 kg/(kW·h)变化。基于圈养桶的增氧试验结果显示,在有鱼耗氧的条件下(黄颡鱼,单个桶内养殖密度为13.19~16.49 kg/m^(3)),使用功率3 kW的气液混合泵为4个圈养桶增氧时,每个桶内水体溶解氧在光照时间内可达11 mg/L,夜间稳定保持在8 mg/L以上。试验结果表明气液混合泵可应用于高密度的水产养殖,并能有效应对夏季高温供氧难题。

基于RGB图像光谱重建的鱼糜掺假定量检测研究

实现基于RGB图像的光谱重建对降低光谱的硬件要求、扩大其实际应用具有重大意义。该研究以鱼糜掺假检测为例,比较多元多项式最小二乘回归算法(polynomial multivariate least-squares regression,PMLR)与深度学习HRNet网络对光谱重建的性能,建立基于重建光谱多种掺假鱼糜检测模型并验证其实际应用的有效性。结果表明,2种方法的重建光谱误差较小,HRNet网络、PMLR算法重建光谱的均方根误差(root mean square error,RMSE)分别为0.0104和0.0126,大多数掺假检测模型有较高的预测准确性,其预测相关系数大于0.91,预测均方根误差小于9%。在基于重建光谱建立的掺假检测模型中,效果最佳的是基于PMLR算法重建光谱使用标准正态变量变换(standard normal variate,SNV)预处理的极限学习机回归模型,其预测均方根误差为3.9544%、预测相关系数为0.9830。因此,PMLR算法和HRNet网络均能较好的实现基于RGB图像的光谱重建,且重建光谱均能实现对鱼糜掺假样本的较好检测结果,为基于重建光谱的食品和农产品品质与安全检测提供了新思路。

研究生创新性课程体系改革和教学方法探究

课程体系和教学方法对研究生创新能力的培养起着至关重要的作用。本文从我国研究生课程体系的现状与不足出发,阐述了创新性课程体系的构建及其实践模式,并在此基础上着重探讨了提倡学术交流和以研究生为主体的非指导性的参与式教学方法。

聚苯乙烯微球介导的颗粒计数生物传感法检测鲜味

鲜味物质对提升食品风味和保证人类健康具有重要作用,探究鲜味检测新的研究方向和方法变得愈发重要。该研究基于聚苯乙烯(polystyrene,PS)微球介导的竞争性反应、磁分离技术及颗粒计数原理,开发了一种谷氨酸钠(monosodium glutamate,MSG)高灵敏度检测方法。在PS微球表面修饰谷氨酸钠-牛血清白蛋白形成功能化复合物(PS@MSG-BSA),其与被测样本中MSG竞争结合修饰在磁珠(magnetic beads,MB)上的MSG受体T1R1。经孵育和磁分离去除耦合的磁珠复合物,并对剩余PS微球进行颗粒计数以间接表征被测样本中MSG的浓度。试验通过优化PS微球和MB的浓度、竞争反应孵育时间等试验条件,建立了MSG检测的标准曲线。结果表明,该传感方法对MSG的响应决定系数R^(2)为0.993,检测限为5.17 pg/mL,具有良好的准确性和灵敏度,并对鲜味物质的检测具有特异性与良好的稳定性,在食品加工保鲜及品质评价等领域具有很好的应用前景。

基于流形学习算法的马铃薯机械损伤机器视觉检测方法

针对马铃薯表面芽眼和凹凸不平的影响,使之马铃薯机械损伤难以检测的问题,该文提出了一种基于流形学习算法的马铃薯机械损伤检测方法。首先利用马铃薯图像的显著图分割出马铃薯区域,然后利用主成分分析(principal component analysis,PCA)、等距映射(isometric mapping,Isomap)和局部线性嵌入(locally-linear embedding,LLE)3种流形学习方法提取马铃薯区域图像特征参数,然后分别建立基于3种流形特征的支持向量机(support vector machine,SVM)分类模型PCA-SVM、Isomap-SVM和LLE-SVM,利用网格搜索法(grid search)、遗传算法(genetic algorithm,GA)以及粒子群算法(particle swarm optimization,PSO)3种模型参数优化方法,优化支持向量机模型的惩罚参数c和RBF核参数g,以建立最优分类模型,最后比较3种分类模型的识别效果,确定最优分类模型。研究结果表明,PCA-SVM分类模型对训练集识别率为100%,测试集识别率为100%;Isomap-SVM分类模型对训练集识别率为100%,测试集识别率为91.7%;LLE-SVM分类模型对训练集识别率为100%,测试集识别率为91.7%,表明PCA、Isomap和LLE 3种流形学习方法用于马铃薯机械损伤检测是可行的,其中PCA-SVM分类模型检测效果最优。

现代光学成像技术在食品品质快速检测中的应用

食品现代化生产、加工过程中需要对食品品质信息进行快速无损获取,以保证食品品质安全,满足消费者的需要.近年来国内频发的食品质量与安全问题也要求实现食品品质安全信息的客观准确检测.现代光学成像技术通过获取食品在不同光谱波段下的图像信息,然后采用数字图像处理算法进行特征信息提取,并通过模式识别算法建立食品品质定量关系模型,从而实现食品品质信息的快速、无损、高效、低成本检测,为食品现代化加工流程中的自动控制和分级管理与监控提供信息支持.孙大文院士领导的爱尔兰国立都柏林大学(University College Dublin,UCD)食品冷冻与计算机化食品技术(Food Refrige-ration&Computerised Food Technology,FRCFT)研究所在应用包括计算机视觉技术和高光谱成像技术在内的多种现代光学成像技术对食品品质快速无损检测这一领域的研究工作一直处于世界领先水平,研究成果得到了国际同行的广泛认可和高度关注.本文综述了孙大文院士及其团队过去十余年间在相关领域取得的一系列原创性研究成果.

基于近红外光谱土壤水分检测模型的适应性

由于土壤水分的近红外光谱定量分析模型精度依赖于样品状态,故土壤水分定量分析模型的适应性极其重要。以湖北地区的3种土壤为研究对象,利用偏最小二乘法交叉验证建立了处理后样品下的土壤水分分析模型,模型预测值与标准值的决定系数R2为0.9946,交叉验证预测均方差为0.801%,模型预测决定系数R2为0.9919,预测均方差为0.912%;利用主成分分析了未处理土壤样品与处理土壤样品得分图的差异,结果表明定量分析模型对未处理样品的预测精度降低;采用斜率/截距的方法修正了12个未处理样品的模型预测值,预测平均绝对值误差从0.78%降低到0.38%,结果表明斜率/截距校正法能较好的提高近红外光谱土壤水分定量分析模型的适应性。

电子鼻检测鲢鱼新鲜度的试验参数优化

以虚拟仪器和仿生嗅觉技术为基础,用储藏在4℃的鲢鱼为样品,用自行研制的四气体传感阵列的电子鼻测量系统研究了采样方式、采样时间和样品质量对新鲜度测量的影响,采用PCA(主成分)对试验结果进行分析。试验结果表明,改进的自由扩散法可以代替传统顶空生成法的采样方式,简化了测量系统;确定最佳测量条件为样品质量60 g、自由扩散法采样和连续采集5 min。

近红外光谱和机器视觉信息融合的土壤含水率检测

为了精确、快速和稳定测定土壤含水率以及扩大所建模型的适应性,该文提出了机器视觉与近红外光谱技术融合的土壤含水率分析方法。通过试验建立了湖北地区主要土壤基于近红外光谱的土壤含水率分析模型、基于土壤表层图像特征参数的含水率分析模型和机器视觉与近红外光谱信息融合的土壤含水率分析模型。结果表明,基于近红外光谱含水率分析模型虽然具有较高的精度,但该模型预测非建模样品黄绵土误差均大于4%;以图像特征参数H,S和V所建BP人工神经网络非线性预测模型最优,模型的决定系数R2为0.9849,但当土壤水分饱和(达到20%以上)时存在分析误差;而所建立的土壤的近红外光谱与机器视觉BP神经网络信息融合模型可预测非建模样品黄绵土与水分饱和达20%以上土壤,决定系数R2可达到0.9961,融合模型分析精度均高于单独使用近红外光谱或机器视觉分析模型。

基于近红外傅里叶特征提取方法的土壤含水率检测

以湖北地区的3种土壤为研究对象,利用偏最小二乘法建立了处理后样品的土壤含水率分析模型,模型预测值与标准值的决定系数为0.995,交叉验证预测均方差为0.801%,模型预测决定系数为0.992,预测均方差为0.912%,利用该模型预测黄土高原地区黄绵土含水率误差均大于4%。利用近红外光谱傅里叶变换特征提取方法对湖北地区黄棕壤、稻田土和潮土建立土壤含水率PLS预测模型,模型决定系数为0.988,交叉验证预测均方差为1.106%,且该模型预测黄绵土的误差均在2%左右,精度较传统模型有较大提高。

基于高光谱技术的牛肉-猪肉掺假检测

利用高光谱技术建立一种牛肉-猪肉掺假的快速无损检测方法.通过对样本集进行划分、光谱预处理以及特征波长的选择,建立了全波长和选择波长的掺假定量检测模型.结果表明:基于基线校正光谱预处理所得的偏最小二乘回归(PLSR)预测模型最优,其交叉验证决定系数R2CV=0.97、预测决定系数R2P=0.98,均方根误差RMSECV=5.20%、RMSEP=4.23%.此外,用回归系数法优选5个波长点作为特征波长进行建模,所得模型与全波长模型相比,具有变量少、结构简单、性能更优等优点.

基于高光谱图像与果蝇优化算法的马铃薯轻微碰伤检测

针对通常采用的反射高光谱无法准确检测随机放置马铃薯表面轻微碰伤的问题,提出了一种用V型平面镜的高光谱并结合果蝇优化算法(FOA)检测马铃薯轻微碰伤的方法。试验搭建了V型平面镜反射高光谱图像采集系统,分别采集随机放置下的轻微碰伤和合格马铃薯的高光谱图像,每张高光谱图像包含平面镜1反射图像F1、相机直接采集图像F2、平面镜2反射图像F3,分别提取F1、F2、F3感兴趣区域的平均光谱拼接成马铃薯的属性矩阵。采用标准正态变量变换(SNV)预处理后的光谱矩阵进行全波段的支持向量分类机(SVC)建模,预测集的识别率仅为84.11%;为了提高模型的性能,采用蚁群算法(ACO)进行变量优选,优选出9个变量建立的SVC模型预测准确率为95.32%;分别用网格搜索法(Grid search)、遗传算法(GA)和FOA对SVC的惩罚参数c和核函数参数g进行寻优,通过比较分析,FOA-SVC对训练集和预测集的识别准确率均达到100%。试验结果表明,用V型平面镜的高光谱结合FOA-SVC能够准确检测马铃薯的轻微碰伤,可为马铃薯的轻微碰伤在线检测提供技术基础。

基于高光谱图像技术和波长选择方法的羊肉掺假检测方法研究

针对肉类掺假的定量检测问题,建立了基于高光谱图像技术结合波长选择方法以及偏最小二乘（PLS）法的羊肉掺假无损检测方法.试验搭建了羊肉-猪肉的高光谱图像采集系统,对选取的99个样本进行高光谱图像（390-1040nm）采集并提取感兴趣区域光谱.比较了多种预处理方法对全波长模型的影响,标准正态变量校正（SNV）为最优光谱预处理方法,校正决定系数R2CV达到0.93,预测决定系数R2P达到0.96,校正均方根误差RMSECV为8.33%,预测均方根误差RMSEP为6.18%.采用多种波长选择方法对光谱全波段520个变量进行变量选择,最终确定基于竞争性自适应重加权算法（CARS）的简化模型最优,其R2C=0.96,R2CV=0.94,R2P=0.96,RMSEC=6.55%,RMSECV=7.66%,RMSEP=6.10%.高光谱图像技术结合CARS能够对掺假羊肉进行准确的定量检测,可为羊肉掺假的在线无损检测提供理论依据。

虫眼板栗的图像识别方法研究

针对板栗易发生虫害、虫眼的形状和大小等不定、不易识别的情况,研究了一种基于图像处理技术识别虫眼板栗的方法。采用中值滤波法对图像进行消噪;采用微分算子对板栗图像进行边缘检测,经膨胀和腐蚀等形态学运算实现了背景分割;采用Otsu法将图像转换成二值图像,经形态学处理后与模板进行异或运算,提取了虫眼面积特征值;设置两个不同的敏感度阈值并将由Sobel算子得到的边界提取图进行相减,提取了虫眼边缘特征向量。试验结果表明,该识别方法的正确率可达88.9%。

短时经验模态分解实时识别生猪心电QRS波群

心率是猪的重要生命体征,而在健康监测中由于猪的依从性较差而造成心电信号呈现非平稳特性,给实时心率计算带来困难。该文针对此问题结合经验模态分解方法(empirical mode decomposition,EMD)提出一种对心电信号具有实时处理能力的短时经验模态分解算法(short-time empirical mode decomposition,ST-EMD)。该算法通过对数据分段并根据信号特征决定分段起点及长度等参数,然后对每段数据进行EMD分解,再基于能量窗变换法从分解结果中提取QRS波的特征参数并识别R波。通过动物试验表明,ST-EMD算法能够对猪的心电信号实时处理和识别QRS波群,识别正确率为99.6%,且表现出一定的自适应性。说明本文提出的ST-EMD算法思路是正确的,适用于生猪的心电实时健康监护。

被毛对热成像检测生猪体表温度精度的影响及噪声滤除方法

生猪皮肤的温度分布是表征其生理状态和疾病的重要指标,通常由红外热成像技术(infrared thermography, IRT)检测,然而由于生猪体表附有被毛在热图像中产生大量的温度噪声,降低了IRT对皮肤温度的检测精度。该文针对此问题探索被毛对皮肤温度分布的影响规律,并设计消除被毛影响的热图像降噪算法,提高对温度分布的检测精度。通过对12头生猪试验,分析目标区域在正常被毛和剔除被毛后温度分布的统计量得出被毛在温度分布中产生大量的"峡谷"状低温噪声,显著降低了目标区域的最低温度及平均温度。根据毛发噪声的影响规律提出网格化最大值-双三次插值算法并确定算法的最佳邻域尺寸为4.25mm。采用均方误差、峰值信噪比等指标定量评价算法的有效性,结果表明经算法处理后,均方误差由0.38下降到0.05(P<0.01),峰值信噪比由45.14 dB上升到53.66 dB(P<0.01),说明该算法能够滤除热图像中毛发引起的噪声,可提高IRT对温度分布的检测精度。

基于生物散斑图像和惯性矩谱分析的牛肉掺腐检测

牛肉掺假严重危害消费者的健康与经济利益,因此对牛肉掺假进行无损检测具有重要意义。该文基于生物散斑技术对牛肉掺假进行定量检测。试验将新鲜牛肉和非新鲜牛肉按不同比例(0、1%、3%、5%~60%(5%梯度)和100%)混合制备掺假样本,并采集样本的生物散斑图像。针对单列惯性矩(inertia moment,IM)表征样本生物活性存在稳定性差的问题,首次提出惯性矩谱(IM谱)分析的方法并用于建立基于支持向量回归机(support vector regression machine,SVR)的牛肉掺假检测模型。结果表明基于IM谱建立的SVR模型能较为准确预测牛肉中掺假物含量,校正集和测试集的决定系数分别为0.85和0.81,均方根误差分别为0.12和0.11。该研究证明了利用生物散斑技术和惯性矩谱分析方法对新鲜牛肉中掺杂腐败牛肉进行定量检测是可行的。

测量距离对生猪红外热成像测温的影响及校正

针对红外热成像测温技术(IRT)的测温精度受测试距离的影响较大的问题,为提高生猪体温的测量精度,定量研究测试距离对IRT测温的影响规律及校正方法。以4头仔猪为对象,在不同测试距离下进行IRT耳根温度测量,通过单因素分析得出耳温 T受测试距离x显著影响,且呈负相关(相关系数r为-0.923 6,显著性水平p小于0.01)。然后采用线性、多项式及支持向量机等算法建立耳根温度T与测试距离的关系模型,对比分析后得出两者之间的关系模型为T=0.042 x^2-0.84 x+39.03,由此进一步推出耳根温度T的校正公式为T’= T+0.84 x -0.042 x^2。经方差分析得出:校正后的耳根温度T’消除了测量距离的影响(r为0.01,p 为0.90),说明该校准方法可准确消除测试距离对红外测温的影响,提高了IRT的测温精度。