基于改进的C-V模型的东北松子外部品质等级检测研究

提出了东北松子外部品质的无损等级划分方法。利用CCD相机获取松子图像,采用改进的C-V模型实现松子轮廓特征的提取;利用数学形态学的方法,提取松子的果长、横径特征参数,并与实际测量值间构建数学模型;根据提取出的特征参数,建立松子外部品质综合等级评定标准。实验结果表明,采用本文方法能够实现同时对多个东北松子外部品质的等级划分,且划分的平均准确率为97.2%。

近红外光谱波段优化在东北松子蛋白质定量检测中的应用

为了探究一种快速、无损与简便的东北松子品质检测方法,近红外光谱技术被应用到东北松子蛋白质无损检测研究中。利用偏最小二乘法建立带壳松子和去壳松仁的蛋白质定量分析模型,采用求导、多元散射校正、变量标准化校正、矢量归一化预处理方法优化模型,利用反向间隔偏最小二乘法、无信息变量消除法选取特征波段,建立全波段和特征波段下的偏最小二乘蛋白质预测模型。结果表明,带壳松子光谱经矢量归一化预处理方法后构建的模型最优,松仁光谱经变量标准化校正预处理方法后构建的模型最优;波段筛选能够优化模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其带壳松子和松仁蛋白质模型校正集相关系数分别为0.9056和0.9383,验证集均方根误差分别为0.6670和0.5761。由此可知,经过优化后,模型的预测性能得到了提高,为带壳松子和松仁的蛋白质在线检测提供了一定的参考价值。