基于高光谱成像技术的青贮玉米饲料pH值无损检测

为实现青贮玉米饲料pH值的快速、无损检测,该研究采用高光谱成像技术建立不同品质青贮玉米饲料pH值的定量检测模型。采集青贮玉米饲料样本936~2539nm的平均光谱,采用6种预处理方法对青贮玉米饲料平均光谱进行处理,通过建立偏最小二乘回归(partialleastsquaresregression,PLSR)模型得出多元散射校正(multiplicativescatter correction,MSC)和卷积平滑(savitzky-golay,SG)两种预处理方法效果较好,使用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)、变量组合集群分析算法(variable combination population analysis,VCPA)以及迭代保留信息变量(iteratively retains informative variables,IRIV)算法对经MSC和SG卷积平滑预处理光谱进行特征波长提取,利用PLSR和极限学习机(extreme learning machines,ELM)分别建立饲料全波段、特征波长的pH值预测模型。MSC-CARS-PLSR为最优算法组合,其校正集决定系数为0.9262,均方根误差为0.4213,预测集决定系数为0.9170,均方根误差为0.4266。研究结果表明,结合PLSR模型可以实现对青贮玉米饲料pH值的准确预测,可为青贮玉米饲料pH值提供一种可靠且有效的无损检测新方法。

玉米秸秆茎节接触物理参数测定与离散元数值模拟标定

为提高玉米秸秆离散元数值模拟粉碎过程的准确度,本研究以玉米秸秆茎节为研究对象,采用物理试验与数值模拟相结合的方法对玉米秸秆茎节数值模拟参数进行标定。通过接触参数物理测定试验获得秸秆茎节与秸秆茎节、秸秆外皮、秸秆内瓤、钢之间的静、滚动摩擦因数及碰撞恢复系数,以物理试验结果作为数值模拟参数的选择依据,利用Plackett-Burman试验对数值模拟参数进行显著性筛选,结果表明,对数值模拟休止角影响显著的3个参数分别为秸秆茎节-秸秆外皮碰撞恢复系数、秸秆茎节-秸秆内瓤滚动摩擦因数和秸秆茎节-钢滚动摩擦因数。将数值模拟休止角和物理试验休止角的相对误差作为评价指标,进行最陡爬坡试验,确定显著性参数的最优取值区间。基于Box-Behnken试验建立显著性参数与数值模拟休止角的二阶回归模型,以物理试验测定的休止角36.567°为目标值,对模型进行寻优求解,得到的最优参数组合为秸秆茎节-秸秆外皮碰撞恢复系数0.464、秸秆茎节-秸秆内瓤滚动摩擦因数0.293、秸秆茎节-钢滚动摩擦因数0.228。结合标定的参数进行数值模拟验证,得到的休止角与物理试验休止角的相对误差为1.23%,验证了数值模拟标定参数的准确度。研究结果表明,标定的参数可用于玉米秸秆离散元数值模拟粉碎研究,同时也可为涉及玉米秸秆的其他数值模拟试验提供理论参考。

基于表面增强拉曼光谱(SERS)的青贮玉米原料农药残留快速检测方法研究

试验旨在建立1种基于表面增强拉曼光谱(SERS)技术检测青贮玉米原料中苯醚甲环唑、多菌灵、啶酰菌胺农药残留的方法。采用快速萃取净化的前处理方法实现了青贮玉米原料中3种农药的提取,以10 mg/kg氯化钠溶液作为SERS增强剂结合化学物质浓缩法获取了青贮玉米原料中不同农药残留的SERS信号,结合Savitzky-Golay卷积平滑法、二阶导数法、自适应迭代重加权惩罚最小二乘法(airPLS)以及SG-airPLS进行光谱数据的预处理,融合了线性判别式分析(LDA)-支持向量机(SVM)、卷积神经网络(CNN)两种算法建立了针对苯醚甲环唑、多菌灵、啶酰菌胺的识别模型,并对模型进行对比分析。结果表明,拉曼峰1 127、1 229、1 237 cm-1分别作为识别苯醚甲环唑、多菌灵和啶酰菌胺的拉曼特征峰,当青贮玉米原料中的3种农药残留含量分别为0.1 mg/kg时,仍清晰可见各农药相应的特征峰。采用SG-airPLS方法预处理后的LDA-SVM分类模型可以识别所有样本,准确度为86.67%。研究表明,SERS和SG-airPLS-LDA-SVM方法的融合可以准确、快速识别青贮玉米原料中的农药成分。