酿酒高粱不完善粒检测仪检测模型的研究与检验

针对现阶段酿酒企业检测高粱不完善粒效率较低和识别率不高等问题,结合市场上现有的粮食不完善粒检测仪器,开发了一套基于图像识别的高粱不完善粒快速检测仪,对图像的采集、关键硬件、机器视觉和深度学习等方面做了一系列研究,研究分别采用单一特征分析技术、基于机器学习的图像分类技术、基于深度学习的图像分类技术、细粒度图像分类技术对高粱图片进行分类识别分析,通过对比,最终利用Tensorrt部署技术将细粒度图像分类网络部署到设备中。结果表明,开发的高粱不完善粒快速检测仪的识别精度与人工检测的平均误差控制在1%以内;50 g高粱样品的检测时间控制在5 min以内。相较于传统的人工检测,检测时间大大缩短,同时避免了人工检测主观上的偏差,对于酿酒企业的高粱不完善率检测鉴定具有重要意义。

近红外光谱技术在酱香型大曲糖化力快速检测中的应用

利用近红外漫反射光谱法获取酱香型大曲的近红外光谱,结合偏最小二乘法(PLS),建立酱香型大曲糖化力预测模型。该模型标准偏差SEC为20.2366,交互验证标准偏差SECV为22.0057,交互验证相关系数1-VR为0.7812。通过随机大曲样品对模型重复性与准确性检验,该模型平均相对误差为5.31%,表明该模型具有良好的预测能力,可用于酱香型大曲糖化力的快速检测。