拉曼光谱与中红外光谱融合技术快速定量食用酒精的乙醇浓度

目的利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度(酒精度)的快速定量检测。方法首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction,MSC)、卷积平滑(Savitzky-Golay,S-G)、一阶求导的方法对原始数据进行预处理。然后,基于自举软缩减法(bootstrapping soft shrinkage,BOSS)和无信息变量消除算法(uninformative variable elimination,UVE)分别对预处理后的光谱数据进行特征提取,并利用X-Y距离样本集划分法(sample set partitioning based on joint X-Y distance,SPXY)将光谱数据划分为校正集和预测集。最后,建立基于拉曼光谱-中红外光谱数据融合的偏最小二乘回归(partial least squares regression,PLSR)食用酒精乙醇浓度预测模型,并利用麻雀搜寻算法优化的混合核极限学习机算法(sparrow search algorithm-optimized hybrid kernel extreme learning machine,SSA-HKELM)提升预测性能,实现对不同浓度食用酒精的快速、准确定量检测。结果与拉曼光谱数据、中红外光谱数据以及中红外与拉曼光谱的数据层融合构建的预测模型相比,中红外光谱与拉曼光谱特征层融合数据构建的预测模型具有更好的预测性能。其中,最优模型的校正集均方根误差(root mean squared error of calibration set,RMSEC)为0.98314,校正集决定系数(R_(c)^(2))为0.99634,预测集均方根误差(root mean squared error of prediction set,RMSEP)为1.03256,预测集决定系数(R_(p)^(2))为0.99036。结论中红外光谱与拉曼光谱特征层融合预测模型可以实现对不同浓度食用酒精的高效定量检测,为食用酒精的质量检测提供了有效的理论支持与技术保障。

“互联网+课程群”的大学生创新能力培养模式研究

随着信息技术的飞速发展,互联网已成为推动社会进步和产业升级的重要力量。在高等教育领域,互联网技术的应用不仅改变了传统的教学模式,更为大学生创新能力的培养提供了新的契机。如何基于“互联网+课程群”培养大学生的创新能力,是值得教育工作者深入探讨的重要课题。对此,本文通过阐述“互联网+控制类课程”的大学生创新能力培养的必要性,分析“互联网+控制类课程”的大学生创新能力培养模式搭建,进而探究“互联网+控制类课程”的大学生创新能力培养路径,以期促进学生创新思维的形成与发展。

基于近红外高光谱成像技术的花生冻伤检测方法研究

花生在收获、运输、储存和加工过程中易受到温、湿度变化导致冻伤现象,从而影响花生及其制品的品质,为探索花生冻伤机理并提高冻伤花生检测效率,本文采用近红外高光谱技术研究花生冻伤无损检测可行性、基于特征变量筛选的判别模型优化方法以及花生冻伤机理。实验研究了变量标准化(Standard Normalized Variate,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)、Savitzky-Golag(SG)平滑以及SG平滑-SNV和SG平滑-MSC五种预处理方法对原始数据的影响,随后分别采用竞争自适应重加权法(competitive adapative reweighted sampling,CARS)、随机蛙跳(random frog,RF)、变量重要性投影(variable importance in projection,VIP)、连续投影算法(successive projections algorithm,SPA)、蒙特卡洛无信息变量消除(Monte Carlo uninformative variable elimination,MC-UVE)、迭代保留信息变量(Iteration retention information variable,IRIV)、变量组合种群分析-迭代保留信息变量(Variable combination population analysis-Iteration retention information variable,VCPA-IRIV)和变量组合种群分析-遗传算法(Variable combination population analysis-Genetic Algorithm,VCPAGA)8种变量选择方法筛选得到与花生冻伤相关的特征波长,通过建立支持向量机(Support Vector Machine,SVM)选用达到判别准确率阈值为90%的特征波长作为花生冻伤特征波长。结果表明,基于近红外高光谱成像技术的花生冻伤检测总体可行,且精度较高,所有变量选择方法均能有效筛选与冻伤相关的特征波长,其中VCPAGA算法选择了最少的7个特征波长,仅占数据集所有波长的3.125%,训练集和测试集准确率分别为91.60%和90.12%。经过筛选得出的冻伤特征波长体现了油酸和蛋白质的信息,验证了过低的温度会导致花生中油酸含量下降和蛋白质含量上升。本研究为花生冻伤快速无损检测提供了可参考的理论依据和技术支撑。

相关式油井液相计量系统研究与设计

针对现有油井计量方式自动化程度低,误差较大等问题,利用同轴线相位法含水率计设计了一种相关式油井液相计量系统,该系统以同轴线相位法含水率计为传感器构建了相关流量计,基于互相关法建立了计量模型,实现了流量与含水率的同步测量。通过对不同情况下上、下游含水率计信号的分析可知,两路信号之间具有相关性,满足相关流量计的使用条件。该系统在现场试验的测量结果与涡轮流量计相比,平均误差为11.36%。试验结果证明了相关式油井液相计量系统在实际应用中的可行性。

基于LabVIEW的油井多相流相关流量计量系统

油井产量计量是油田开发过程中的一项重要工作。针对当前计量方式自动化程度低、实时性差等问题,基于相关流量计理论,以同轴线相位法含水率计为测量传感器,设计了一种油井多相流相关流量计量系统,并基于LabVIEW建立了数据采集计量系统,实现了流量的实时计算。通过开展生产现场试验,该系统的测量结果与涡轮流量计相比,平均误差为11.36%,且流量的变化趋势一致,表明本文提出的油井多相流相关流量计量系统能够对油井产出液进行正确、连续、自动测量,从而为油井多相流计量提供一种新的解决方案。

基于高光谱图谱融合技术的英德红茶等级快速无损判别

茶叶等级评价是检测茶叶品质的一项重要技术指标。通过提取红茶高光谱成像技术下的图像特征和光谱特征,构建一种基于图谱融合方法、适用于英德红茶等级评价的快速无损判别模型。首先制备3种不同等级的红茶样本,采用t分布-随机近邻嵌入和主成分分析对光谱数据进行降维可视化分析,然后从影响内在品质角度用连续投影法提取每种化学值的特征波长,通过多模型共识策略和竞争性自适应重加权算法-连续投影法筛选得出表征其内在品质的最佳特征波长组合,并建立基于遗传算法优化支持向量机的等级判别模型;其模型的训练集准确率为88%,预测集准确率为78.33%。为了融合外形纹理差异,先提取最佳特征波长组合对应的高光谱图像;采用图像掩膜消除背景的干扰和采用图像主成分分析消除多波长图像间的冗余信息,然后采用灰度共生矩阵和局部二值化算法提取主成分前三维主成分图像与特征光谱融合,并建立基于特征融合的遗传算法优化支持向量机等级判别模型,且基于第三主成分图像特征融合模型判别效果最佳,训练集准确率提升至98%,预测集准确率提升至96.67%。

基于云计算的食品品质实时在线光谱检测系统实现

为解决光谱检测技术中的模型维护成本高、扩展性不足和光谱资源共享性较差等问题,改善专用便携式光谱仪检测分析对象的局限性,将光谱数据采集和分析功能进行解耦,使用Android开发工具和Java语言,开发了以便携式光谱仪、手机终端和云服务器构成的光谱实时在线检测系统,基于云计算服务完成云端光谱模型的建立与分析。以小麦粉面筋定量分析为例,采用多元散射校正、竞争性自适应重加权采样法、偏最小二乘回归算法建立小麦粉面筋定量分析模型,测试25个小麦粉样本并返回分析结果,验证系统可靠性。结果表明,25个小麦粉样本面筋含量误差范围在0~0.7%,分析结果消耗时间平均为7.09 s,误差范围和分析结果耗时均在可接受范围内,验证了基于云计算服务实现光谱实时在线检测分析是可行的。通过部署不同食品主要成分的定量分析模型至云端,系统可实现多种食品品质的实时在线检测分析,希望为多场景下食品品质快速无损检测提供技术参考。

基于荧光光谱结合宽度学习的白菜农药残留量检测方法

为了高效监控蔬菜中农药残留情况,利用荧光光谱技术检测白菜中吡虫啉农药残留量。首先通过三维荧光光谱确定400nm为吡虫啉的最佳激发波长;其次通过分析6种预处理算法和2种降维算法,分别选出多元散射校正(Multiple scattering calibration,MSC)和无信息变量消除(Uninformative variable elimination,UVE)作为最佳的预处理与波长选择方法;宽度学习系统(Broad learning system,BLS)用于荧光光谱建模,同时与偏最小二乘回归(Partial least squares regression,PLSR)、支持向量机(Support vector machine,SVM)和深度极限学习机(Deep extreme learning machines,DELM)等经典模型进行比较。结果显示BLS模型获得了最佳吡虫啉含量预测效果,测试集决定系数R^(2)_(p)达0.949,均方根误差(Root mean square error,RMSE)达0.347 mg/kg。表明了荧光光谱技术结合宽度学习预测农药残留量的可行性,可以为在线检测农药残留量系统的开发提供理论依据。

花生油中黄曲霉毒素B1含量的荧光光谱表征

花生油在生产过程中极易受到黄曲霉毒素B1(Aflatoxin B1, AFB1)的污染。针对AFB1的传统检测方法操作繁琐、时效性差等问题,利用荧光光谱技术快速检测花生油中AFB1含量。首先通过三维荧光光谱确定最佳激发波长,使用K-means和自组织映射(Self organizing map, SOM)聚类算法对花生油中AFB1含量进行超标与否的定性鉴别,准确率均达95%以上;其次使用2种预处理算法和2种降维算法,选出竞争自适应重加权采样(Competitive adaptive reweighted sampling, CARS)为最佳的波长选择方法;随后将回声状态网络(Echo state network, ESN)用于AFB1的定量建模,同时与其他模型作比较,结果显示CARS-ESN模型获得了最佳AFB1含量预测效果;最后将麻雀搜索算法(Sparrow search algorithm, SSA)用于对ESN参数进行寻优,最终预测集决定系数达0.984,均方根误差达2.13μg/kg。结果表明了荧光光谱技术结合ESN预测花生油中AFB1含量的可行性,为在线检测食用油中真菌毒素含量系统的开发提供理论依据。

基于无参数高效算法的近红外光谱模型传递研究

模型传递可解决不同近红外光谱仪间多元校正模型无法共享的问题。以食用油为研究对象,对其酸值和过氧化值模型进行传递分析。在主机上建立偏最小二乘多元校正模型,利用无参数高效模型传递(PFCE)算法中NS-PFCE无标样算法和FS-PFCE有标样算法分别实现模型传递,探讨了标准化样品数量对模型传递效果的影响。并与经典的3种有标样传递算法和2种无标样传递算法进行对比。结果表明,经NS-PFCE无标样传递后,从机酸值与过氧化值预测集均方根误差分别从0.613 mg/g和16.153 mmol/kg下降到0.275 mg/g和9.523 mmol/kg;而经FS-PFCE有标样传递后,从机酸值与过氧化值预测集均方根误差分别下降到0.274 mg/g和8.945 mmol/kg。且随着标准化样品数量的增加,经PFCE算法传递后预测集均方根误差越低。无参数高效模型传递算法联合应用单一的无标样算法和有标样算法两种传递方式,增强了传递模型的适应性和包容性,同时有效地降低主机光谱与从机光谱之间的差异,实现了不同光谱仪间校正模型的共享。

基于内在品质参数的乌龙茶等级判别模型建立

茶叶等级评价是检测茶叶品质的重要技术手段,科学建立茶叶等级评价模型具有重要意义。本文以102个乌龙茶为研究对象,采用多种特征值筛选方法结合支持向量机算法建立基于特征内在品质参数的乌龙茶等级评价模型。同时,采用高光谱技术结合化学计量学,对特征品质参数建立基于特征波长的粒子群算法优化反向误差神经网络神经网络(PSO-BP)和麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)的定量预测模型,最后对定量预测的化学值模型验证。结果表明,当参数组合酯型儿茶素、简单儿茶素、茶多酚、水浸出物、咖啡碱、表没食子儿茶素没食子酸酯(EGCG)六种化学值时的乌龙茶等级模型判别准确率最高,训练集的准确率为97.22%,预测集准确率为93.33%。基于特征波长的麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)定量预测模型的预测精度更高且均方根误差更低,预测集的决定系数R^(2)均在0.93~0.99之间。随机抽取30个乌龙茶样本六种化学值的最佳预测值,其判别准确率达90%。综上所述,基于内在品质参数组合对不同等级的乌龙茶准确判别是可行的,且基于高光谱技术的预测模型可以快速精准的获得其化学值大小,预测的化学值也能准确的判别不同乌龙茶品质等级,同时为科学判别茶叶品质等级领域提供了新的分析思路和应用实例。

基于近红外光谱技术的茶叶新旧鉴别及产地溯源研究

目的 建立基于近红外光谱的定性分析模型,实现对茶叶的新旧分类和产地溯源。方法 首先采用傅立叶近红外光谱仪采集茶叶样品的漫反射光谱数据,然后使用卷积(Savitzky-Golay,S-G)平滑算法和数据标准化(Normalization)对光谱数据进行预处理,最后基于遗传优化算法(genetic algorithem,GA)和粒子群优化算法(particle swarm optimization, PSO)分别建立了优化向量机模型(support vector machine, SVM),从而实现新旧茶叶的分类以及产地溯源。结果 与GA-SVM模型相比,PSO-SVM模型的建模效果较好,且分类时间更短,在新旧鉴别和产地溯源实验中都达到了100%的预测精度。结论 基于近红外光谱建立的PSO-SVM模型可以实现茶叶新旧的判别以及产地溯源,为鉴别茶叶年份和追踪茶叶产地提供了理论支撑和技术指导。

基于高光谱成像技术的板栗产地溯源

目的建立了一种基于高光谱成像(hyperspectral imaging,HSI)技术的板栗产地溯源模型。方法采集怀柔、迁西和沂蒙短枝3种不同产地板栗的高光谱图像,提取感兴趣区域,建立支持向量机(support vector machine,SVM)板栗产地溯源模型,通过比较分析不同预处理方法对建模结果的影响,选出最佳的预处理组合方法,并使用遗传算法(geneticalgorithm,GA)对模型进一步优化。结果实验结果表明,经多元散射校正(multiplicative scatter correction,MSC)和移动窗口平滑法(moving window smoothing,MWS)组合预处理后的数据所建立的溯源模型预测性能最好,分类的预测精确率达到了95%以上,模型整体的预测准确率为96.61%。经GA对SVM的参数C进行优化,优化后的模型对怀柔板栗和沂蒙短枝板栗的预测精确率达到了100%,模型整体的准确率提高到了98.31%。结论本研究基于高光谱成像技术建立了一种板栗产地溯源模型,经预处理和参数优化后,所建立的模型具有较好的预测性能,为板栗的产地溯源提供了一种新方法。

家禽坏死性肠炎病因素与防控措施

家禽坏死性肠炎主要是由产气荚膜梭菌引起的,不同家禽发病后死淘率差异很大,且不表现典型症状,容易失去最佳治疗时机,最终对家禽福利和健康状况造成严重影响。同时必须改变使用抗生素治疗坏死性肠炎的理念,才能维持家禽肠道健康。本文将对家禽坏死性肠炎的发病因素进行分析,并探索出合理的防控措施,希望能够降低本病给养禽场带来的损失。

鸡常见病毒性疾病的治疗及预防方法

鸡病毒性疾病是危害养鸡业的重要疾病。准确的诊断是治疗和预防的前提,鸡病毒性疾病的诊断需要综合考虑临床表现、流行病学特点和实验室检测结果。鸡病毒性疾病的治疗措施包括对症支持治疗、减毒活疫苗应用、抗病毒药物治疗和中药辅助治疗。预防是控制疾病的根本,应采取免疫接种、加强生物安全管理、优化饲养管理和加强疫情监测等综合措施。只有协调好诊断、治疗和预防三个环节,建立完善的综合防控体系,才能有效控制鸡病毒性疾病的发生与流行,保障养鸡业的健康可持续发展。

电机与拖动基础课程融入思政元素的设计与探索

在全国高校专业课程开展课程思政教育大背景下,以电机与拖动基础课程为例,针对各部分教学内容,将其中的思政元素有机融入各个知识模块中。通过线下和线上教学模式,丰富课程思政教学手段,提高教学效果。

基层干部心理健康状况调查及科普启示——以广州市为例

基层干部身处各项改革工作的最前沿,面对的社会矛盾多、工作压力大、心理负荷重,心理状态波动性强。为顺利推动各项改革工作,了解基层干部心理状况并进行有针对性的调适非常重要。本研究利用相关测量工具,对广州市基层干部的心理健康状况进行调查来初步探索心理健康科普内容体系。调查结果显示基层干部易出现强迫症状、抑郁焦虑情绪、睡眠问题及脑疲劳程度较高等情况,根据以上发现提出了针对基层干部的心理健康科普内容建议。

返乡农民工绿色创业的生态人格塑造

生态振兴作为全面推进乡村振兴的重要支撑,离不开返乡农民工生态人格的高质量塑造。本文围绕返乡农民工绿色创业的生态人格塑造问题展开研究。研究表明,缺乏科学的生态意识、良好的生态情感、专业的生态素养和高效的生态行动力是当前返乡农民工绿色创业生态人格缺失的主要表征。坚持问题导向,加强政策宣传和指导、建立健全绿色创业的评价和监督机制、建立健全绿色创业的交流和合作机制以及建立健全绿色创业的文化建设机制等是新时代高质量塑造返乡农民工绿色创业生态人格的有效途径。

中兽医治疗鸡大肠杆菌病

在现代养殖业中,鸡大肠杆菌病对家禽健康构成了严重威胁,容易导致养鸡业遭受巨大经济损失。面对传统抗生素治疗带来的耐药性问题和消费者对食品安全的日益关注,寻找替代的治疗方法成为了亟需解决的问题。基于此,探讨中兽医治疗鸡大肠杆菌病的具体方法,有助于促进家禽健康养殖。

基于高光谱技术的红茶茶多酚可视化研究

目的 利用高光谱技术实现对英红九号红茶茶多酚含量的快速无损、可视化检测。方法 采集128个红茶光谱数据并进行光谱预处理后,引入蒙特卡罗-高斯分布方法寻找异常样本。经两次异常样本剔除,各模型预测集决定系数r^(2)均有0.2~0.4的大幅提升。为解决大样本模型训练时间长、数据冗余问题,采用连续投影算法进行波长筛选,共得到14个能反映红茶茶多酚含量的特征波长,并比较了最小二乘回归、支持向量机回归、BP神经网路、粒子群优化最小二乘支持向量机回归(particle swarm optimization least squares support vector regression, PSO-LSSVR) 4种模型预测红茶茶多酚含量的精度。最后以最优模型建立茶多酚可视化模型。结果 合理剔除样本并以光谱特征为输入,结合PSO-LSSVR方法建立的模型效果最佳,其校正集决定系数为0.921,预测集决定系数为0.903,预测精度达到了90%以上,基本实现了茶多酚含量可视化检测。结论 可视化算法有效地反映了红茶茶多酚分布情况,适用于茶叶快速无损检测。