基于改进HSV空间的机器视觉花生霉变检测方法

花生霉变产生的黄曲霉毒素具有强致癌性,严重影响食品安全。为精准快速的识别霉变花生,提出一种基于机器视觉的霉变花生检测方法。首先对花生图像进行双边滤波降噪,然后将图像转为色调、饱和度、亮度(HSV)空间,通过在色调、饱和度空间内提取的霉变颜色范围叠加亮度空间的开运算处理结果来实现对霉变花生的识别检测。实验结果表明,该方法对于霉变花生的识别精度达到95.3%,处理单帧花生图像耗时为0.6s,通过与其它算法对比,该方法具有快速、准确率高等优点,可以满足霉变花生的实时检测,对花生霉变的分级处理也更加实用。

基于化学组分变化构建花生霉变实时预警系统

探讨花生化学组分变化与霉变进程的关系,构建花生霉变实时预警系统。将霉变过程分为0～4共五个等级,采用人工加速霉变方式,实时检测霉变过程蛋白质、脂质、总黄酮、维生素E的变化值。结果表明:花生中含有的化学组分如蛋白质、脂质、总黄酮及维生素E等,其含量随着花生霉变程度的变化而变化,呈现出特定的规律性。0级后期时段总黄酮的变化率已超过-10%,维生素E变化率接近-14%,脂质及蛋白质的变化率均大于6%。此时段各指标的综合即为霉变预警信号。

基于太赫兹衰减全反射技术的花生霉变程度判别

为了能够可靠、快速、便捷地检测花生仁不同程度的霉变,研究了一种基于太赫兹时域光谱技术、分别结合误差反向传播(Back propagation,BP)神经网络算法与支持向量机算法(Support vector machine,SVM)的霉变花生定性分析方法。为排除不同样本带来的偶然性,实验随机采集花育36号、鲁花9号两个花生品种进行霉变培养。依据花生的感官特征与前人的研究经验,将花生分为正常、轻度霉变、中度霉变与严重霉变4类,采用太赫兹衰减全反射技术采集花生仁样本光谱(波段0. 3～3. 6 THz)。利用傅里叶变换方法对时域光谱信号进行频域变换并进行加窗处理,然后对所得频域信号进行光学常数吸光度与吸收系数的提取,得到样本的光学常数信号,并进行特征波段筛选。在此基础上分别建立BP神经网络定性分析模型与SVM定性分析模型。实验表明,BP神经网络模型对花育36号花生霉变模型的预测集识别正确率为88. 57%,对鲁花9号花生霉变模型的预测集识别正确率为91. 40%;Lib-SVM模型对两个品种花生霉变的二分类模型、3类霉变花生的三分类模型的预测集识别正确率均为100%。应用太赫兹时域光谱技术结合SVM算法检测霉变花生仁效果良好,具有一定的可行性。

基于近红外高光谱图像的花生内部霉变快速判别方法研究

目的针对外观正常但内部存在不同程度霉变的花生,探索采用近红外高光谱成像技术结合机器学习方法构建花生内部霉变快速无损判别模型的可行性。方法采集100粒内部霉变和100粒健康花生的近红外高光谱图像构成数据集,将多种经典光谱预处理方法与支持向量机(support vector machine,SVM)组合建立花生内部霉变判别模型,并采用蒙特卡洛-无信息变量消除法(Monte Carlo-uninformative variable elimination,MC-UVE)找出霉变判别中有效的光谱特征波长。结果将Savitzky-Golay卷积平滑方法和二阶求导光谱预处理方法与SVM组合,对内部霉变严重样本判别的总体识别准确率可达95%,对不同程度内部霉变样本的平均识别准确率为88%;基于MC-UVE筛选得到10、5、3个特征波长构建的模型总体识别准确率为90%、85%和82%。结论实验结果表明高光谱技术结合机器学习可为花生内部霉变的快速、无损判别提供可行的解决方案,同时特征波长筛选为基于光电原理的霉变花生色选机系统开发提供了参考。

多酚氧化酶及超氧化物歧化酶与花生霉变的关系

探讨多酚氧化酶(PPO)及超氧化物歧化酶(SOD)活力变化与花生霉变进程的关系,为食品质量检测及食品的储藏安全提供理论依据。分别采用邻苯二酚显色法和邻苯三酚自氧化法测定PPO及SOD的酶活力。结果表明,PPO及SOD酶活均随着花生霉变进程变化而变化,呈现出特定的规律性。安全可食阶段的花生PPO酶活最高,而SOD酶活则最低。当花生微量长霉时,PPO酶活减少率为38.42%,而SOD酶活增加率则超过500%。这些数据可以作为花生是否霉变的评判依据。

高光谱图像识别霉变花生的光谱特征分析与指数模型构建

霉变花生极有可能含强致癌物质-黄曲霉素,快速识别并分离霉变花生可从源头上阻止其进入食物链,并降低人类摄入黄曲霉素的风险。利用可见光-近红外高光谱数据,通过光谱分析确定能有效识别霉变花生的光谱特征或指数模型。共获取霉变花生样本253个,健康花生247个,并取其霉变(或健康)部位的均值光谱。在对光谱进行连续统去除后,首先对其求取了不同步长的一阶微分,并在可分性较优的光谱区域计算了Area_(500~650)指数;其次,用连续小波变换提取了光谱的形状和位置信息,并利用Index_(cwt)指数识别霉变花生样本。结果显示,指数Area_(500~650)的J-M距离为1.95,Index_(cwt)模型的J-M距离为1.99,表明霉变和健康花生在构建的指数模型Area_(500~650)和Index_(cwt)的特征空间可分性均较优。

一起运输滞留引起的花生仁霉变事故分析

１９９８年８月１０日，我站接到佛山市铁路东货场联营公司的报告，由山东省莒南县发往南海市的一批花生仁有霉变发臭现象，要求防疫部门协助处理。接报后，我们即派员赶赴现场，进行卫生学调查和样品抽检。现将调查情况分析如下：１现场调查情况１９９８年７月２１日，山...

豫西某奶牛场饲喂霉变花生秧引发严重后果

在奔向标准化现代化牧场的征程中，国企粗放饲养的低级错误仍然影响着奶业前行的脚步。本文叙述霉变花生秧喂奶牛引发严重后果，望同行引以为戒。