基于PLS-DA和LS-SVM的可见/短波近红外光谱鉴定港种四九、十月红和九月鲜菜心种子的可行性研究

目前市面上菜心的品种复杂,不同菜心种子的品质与发芽率不同,但菜心种子单从外观上差别不大,因此区分菜心种子的类别成为了一大难题。为了实现菜心种子类别的快速区分,探究了基于可见/短波近红外光谱分析菜心种子类别的可行性。从南昌市种子交易场所购买了港种四九、十月红和九月鲜三个品种的菜心种子,从中挑选出品相较好且大小适中的子粒,将每种菜心种子均匀分为30份,按照2∶1划分为建模集和预测集,所有样本共计90份。通过近红外光谱仪获取采样间隔为1 nm的菜心种子的光谱反射率,波长覆盖范围325~1075 nm,将原始光谱数据采用多元散射校正(MSC)、卷积平滑(S-G)和标准正态变换(SNV)三种预处理方法进行预处理,预处理后的光谱变量建立偏最小二乘回归(PLSR)模型,确定了SNV是最佳预处理方法。采用主成分分析(PCA)对菜心种子进行了聚类分析,从前三个主成分因子(PCs)得分图可知三种菜心种子存在光谱特征差异。将原始光谱变量、前三个PCs(累计贡献97.15%)和基于随机蛙跳(RF)算法挑选的13个特征波长作为偏最小二乘判别(PLS-DA)和最小二乘支持向量机(LS-SVM)模型的输入变量,从模型结果可知:三种输入变量中,采用RF筛选特征波长作为模型输入变量时,模型预测效果最好,PCs建立的模型最差,相比于PCA分析,采用RF筛选出的特征波长更能够反映原始光谱信息。比较不同模型预测效果,LS-SVM模型比PLS-DA模型得到的预测精度更好,其中RF-LS-SVM模型是所有模型中最佳的预测模型,建模集和预测集均为100%。采用可见/短波近红外光谱研究菜心种子的类别可行,并且能够获得很好地预测效果,为菜心种子的快速区分提供了理论依据。

基于麻雀搜索算法优化的模糊PID控制方法研究

为解决肥料和水的配比过程中,酸碱度(pH)和电导率(EC)的稳态时间长、超调量大等问题,在模糊PID控制的基础上融合麻雀搜索算法对控制器的三个增益参数(比例、积分、微分)进行有效优化。在MATLAB/Simulink下分别做传统PID控制pH和EC值的仿真试验、模糊PID控制pH和EC值的仿真试验以及基于麻雀搜索算法优化的模糊PID控制pH和EC值的仿真试验,将三者仿真试验中pH和EC值的稳定时间以及超调量进行对比。试验结果表明:基于麻雀搜索算法优化的模糊PID控制与传统的PID控制相比,酸碱度和电导率的稳定时间分别减少475 s和261 s,超调量分别减少5.4%和12.19%,与模糊PID控制相比,酸碱度和电导率的稳定时间分别减少356 s和95 s,超调量分别减少1.4%和2.34%。所提出的控制方法能够使系统具有更小的超调量和更快地达到上升稳态时间,可以精准的控制肥料和水的配比。

基于物联网的水肥一体化系统设计

为实现实时精准调节配肥电导率和酸碱度,提高配比精确度和水肥一体化的远程智能化,设计了基于物联网的水肥一体化管控系统。该系统采用物联网模块思想,针对土壤温湿度、空气温湿度、EC值和pH值进行环境信息采集;通过Zigbee技术和NB-IoT技术实现数据无线传输至云端;采用远程控制继电器控制施肥灌溉区域;利用网络服务器和人机交互界面实现数据的存储和监控。试验结果表明,该系统数据采集准确、数据传输稳定,能实时异常报警,可在灌溉过程中对水肥溶液实现精确配比。该系统在提高产量、节约资源和提升效率等方面具有重要意义。

基于MCR-ALS高光谱重构的鲑鱼脂肪可视化研究

人们对鱼类的品质追求越来越高,因此对于开发水产养殖中鱼类重要参数脂肪含量的检测显得愈发的重要,传统的检测方法虽然经过许多研究人员的修改和改进,但仍然存在费时费力,需要专业的人员培训存在一些问题。光谱技术也存在仅使用整条鱼片作为预测样本,缺乏普遍性,整个鱼片的成分分布不均匀,采样时间过长等导致图像质量不高等问题,该研究通过MCR-ALS算法重建后的数据和图像的增益效果,评估了采用近红外高光谱成像技术预测并实现鲑鱼片重要参数(脂肪)可视化的可行性。首先将购买的新鲜三文鱼按照背面和腹部切块分割,每条三文鱼制作成20个样本,共100个样本,其中75个样本用于校正集,25个样本用于预测集。用高光谱成像系统采集三文鱼样本的光谱数据,再通过索氏提取器测定三文鱼脂肪的含量,并建立其理化值样本,然后通过MCR-ALS对光谱数据进行重构,发现重构后的光谱有效信息随着组分推荐评分上升,通过连续投影算法(SPA)选择特征波长,并建立最小二乘支持向量机(LS-SVM)模型评估两种预测效果(原始和重建数据)。MCR-ALS-SPA-LS-SVM的预测精度最高,R_(p)=0.9555,RMESP=1.6505,RPD=3.3899;采用MCR-ALS和未处理的模型对鱼片脂肪进行视觉图像预测,大大减少了噪音的输入,有效还原了鱼片的轮廓,并且令鱼的脂肪条纹更加的清晰,图像质量更优。进一步分析聚类图像,通过不同成分的主成分贡献和相同成分的主成分贡献比,发现类别为20种时,样品与背景簇存在干扰,然而采用少量的簇类分析发现,仅5和10个种类即可完整描绘出整个样品的轮廓,对于光谱强反应物质存在很好的聚类效果,具有简化模型的可能。无论是数据还是图像,令人满意的预测结果证实了近红外高光谱成像用于鲑鱼脂肪定量和视觉图像预测的可行性,并且算法的优化大大缩短了检测时间,为实时在线检测创造了更好的条件。