杂质与不完善粒含量对进口玉米粮堆自发热过程中热量与CO_(2)传递特性的影响

为研究不同杂质与不完善粒含量的进口玉米粮堆局部发热时热量与CO_(2)的传递特性,在实验室条件下对不同杂质与不完善粒含量(1%+8%,3%+11%,5%+15%)的进口玉米粮堆(湿基水分含量14.0%)中心点加入高水分进口玉米(湿基水分含量20.0%),在20~25℃室内环境储藏40 d。结果表明:各监测点温度均呈现先上升后下降的趋势;随着与中心发热点距离的增加,各监测点温度升高速率降低,最高粮温与最终粮温降低;随着粮堆中杂质与不完善粒含量的升高,中心发热点温度升高速率降低,最高粮温与最终粮温升高,其余监测点的温度升高速率降低,最高粮温也降低,但最终温度升高;粮堆整体CO_(2)扩散速率由大到小的顺序为中层、下层、上层,随着粮堆中杂质与不完善粒含量的升高,各监测点的CO_(2)体积分数升高速率变快,最高体积分数升高;储藏40 d后中心发热点的脂肪酸值和霉菌数随着粮堆杂质与不完善粒含量的升高而上升,水分含量反而下降。研究结果可以进一步为粮堆发热点的发现、监测和控制提供基础数据,对进口玉米储藏过程中的异常粮情监控和预防做出指导。

高光谱成像技术在粮食品质检测中的应用

高光谱成像技术因具有快速、客观、范围广、非破坏性等优点,已被广泛应用于食品安全、医学诊断、工业检测等领域。为全面认识高光谱成像技术在粮食品质检测中的应用现状,归纳了高光谱成像技术的基本原理、主要构成及其数据处理与分析,并针对其在粮食品质检测中的应用,重点总结了在粮食检测中水分含量、蛋白质、淀粉及不完善粒的应用研究进展。同时,比较了深度学习与传统的机器学习在粮食品质检测中的应用,探讨高光谱成像技术在样本数据库构建、测量灵敏度、仪器便携化方面所面临的问题与挑战,进而提出改进措施,旨在为粮食的品质评价提供参考。

基于YOLO模型的小麦外观分类算法研究

小麦种植广泛且营养丰富,其品质问题需要重点关注。小麦品质的衡量指标主要是不完善粒占比。为此,需要对小麦颗粒进行分类识别。提出了1种基于你只看一次(YOLO)模型的小麦外观自动分类算法,创新性地将YOLO模型应用于小麦外观分类场景。对采集得到的小麦样本图像切割、筛选、扩充和标记,构建了完善粒与不完善粒图像库。对YOLO网络进行了训练,利用训练后的模型对麦粒图像进行了测试,实现了完善粒、不完善粒分别为91.7%、87.1%的分类准确率。这种自动分拣麦粒的检验方法避免了人工视觉疲劳后的误判,而且检测效率显著提高,为小麦外观分类研究提供了新的思路。

基于SE_ResNeXt-50的小麦不完善粒分类研究

针对目前传统小麦不完善粒检测误差大、效率低、麦粒易受损坏等问题。提出一种基于分组卷积残差神经网络的小麦不完善粒分类模型。通过嵌入挤压激励模块(SE)改进ResNeXt-50分组卷积残差网络结构,将ResNeXt-50网络的残差输出结果进行挤压、激励后与原结果进行通道间相乘,提升网络对不同支路权重的感知。改进后模型可以更好地学习通道间的非线性相互作用和非互斥关系,提升模型训练效率,提高准确率。模型识别准确率可达96.12%,为小麦不完善粒的分类识别研究提供一种新的技术支持,进一步为国家储粮安全提供理论支持。

非完美多分类标签体系下的领域短文本分类方法研究

近年来,短文本分类技术获得了广泛的研究。但在实际应用中,随着文本数据的积累,人们经常会遇到分类体系问题及其引起的数据分类标注问题,原因在于分类标签体系通常具有动态性,以及体系中的分类标签具有不易区分性。为此,文中结合分类标签数量众多的某省电信投诉工单分析业务进行了具体分析,并提出了一种非完美多分类标签体系的概念模型。在此基础上,针对数据集中的分类标注冲突与遗漏,提出了一种基于高质量种子训练集的检测和半自动修复方法,用于修复分类体系动态性和人工标注错误导致的标注冲突和遗漏,经过6个月的线上运行,在过滤掉10%的分类置信度过低的投诉工单后,基于BERT的分类模型的F1值可达0.9。

进口大豆不完善粒鉴别特征综述及展望

进口大豆在粮库入库和出库时需要测量多项指标,其中,大豆的损伤粒率和完整粒率是大豆质量指标的必检项,完整粒率是依靠不完善粒的检测间接计算得到。目前,我国对大豆不完善粒的检测主要是采用特征挑选法,需要投入大量的人力和时间,且结果准确度受检测人的经验和主观性的影响,误差较大。因此,本文通过对30个试验样品的不完善粒进行挑选的实践操作,总结提炼出各项不完善粒的鉴别特征要点,有助于提高进口大豆不完善粒的准确性。

基于Python-OpenCV图像处理技术的小麦不完善粒识别研究

为解决传统图像采集时采集到的图像不能实时传输到计算机并及时标记处理、镜头与载物板之间距离不易控制、光源不均、籽粒必须整齐摆放等问题,以及为实现图像处理技术在小麦不完善粒识别中的应用,设计一个采集小麦图像的简易装置,研究一种基于OpenCV计算机视觉库和Python语言的小麦不完善粒图像处理方法,并结合Keras框架的VGG16神经网络模型对小麦籽粒进行识别测试。通过对采集到的不同类型的小麦籽粒图像进行图像增强与形态学处理后,执行k均值聚类图像分割和统一处理,将小麦单籽粒图像建成图像数据库用于Keras框架下的VGG16神经网络模型训练,训练得到的模型对小麦不完善粒与完善粒进行检测识别。结果表明,使用Python-OpenCV图像处理技术可显著增强小麦籽粒图像外观特征,在此基础上的VGG16神经网络模型对小麦图像中随机分布的不完善粒识别准确率高达85.4%。此图像处理方法可有效用于小麦不完善粒的识别,可为小麦不完善粒的智能、快速、无损检测设备的研发提供理论支撑。

亚种间杂交稻空、秕粒率的初步研究

研究表明，亚种间杂交稻与汕优６３比较，不仅秕粒率高，而且空粒率也高；不同部位籽粒的空、秕粒率均是二次枝梗大于一次梗，下部大于上部，但这种部位间的差异，空粒率一般很小，而秕粒率则很大；亚种间杂交稻的二次枝梗秕粒率高于汕优６３，而一次枝梗秕粒甚至较汕优６３低（除协优４１３外）。剪叶和疏花对空粒率的影响很小，对秕粒率的影响很大。此外，本文还探讨了提高亚种间杂交稻结实率的途径。

小麦中呕吐毒素含量与质量的关系及其在加工过程中的变化研究

研究检测小麦样品中容重、赤霉病粒、不完善粒、色泽以及呕吐毒素等指标,通过数据分析,得出小麦呕吐毒素含量与赤霉病粒存在一定的正相关,并检测小麦籽粒不同部位呕吐毒素的含量。结果显示,皮层、糊粉层高于胚乳;对小麦进行筛理,去除杂质和赤霉病粒,发现经过筛理小麦中呕吐毒素含量会下降4.6%~22%;对比分析小麦粉和小麦粉馒头中呕吐毒素的含量,发现小麦粉通过蒸煮等加工过程,呕吐毒素含量并不会减少,仍然有较高残留。

水稻南繁部分小样品灌浆不实的原因分析

通过试验 ,对水稻南繁部分小样品灌浆不实现象进行了观察分析 ,指出造成这一现象的原因是这些小样品的抽穗期正好与当地稻绿蝽第一代的孵化期相吻合 ,刚孵出的稻绿蝽若虫聚集在小样品的稻穗上 ,刺吸刚开始灌浆的谷粒 ,造成米胚坏死而不能形成饱满谷粒。

对不完善粒超标小麦最低收购价收购的认识与思考

本文分析了不完善粒超标小麦最低收购价收购的现实需要及意义,探讨了做好收购工作的基本思路及解决收购中相关问题的建议和看法,对如何做好不完善粒超标小麦最低收购价收购工作具有一定借鉴意义。

澳洲高变质焦煤与低变质煤种间的交互效应研究

通过高变质焦煤和中等变质焦煤参与炼焦对比试验研究发现,配入澳洲某矿高变质焦煤所得焦炭实测粗粒镶嵌、中粒镶嵌和不完全纤维结构比计算值增加,细粒镶嵌和完全纤维结构比计算值减少,试验所得焦炭冷、热态强度均较优;配入河南某矿中等变质焦煤所得焦炭实测光学组织粗粒镶嵌结构低于计算值,中粒和细粒镶嵌结构增加,冷、热态强度均低于配入澳洲某矿高变质焦煤所得焦炭。从而得出,不同变质程度的镜质组进行伍配炼焦时存在明显的交互反应,大尺寸各向异性结构单元和小尺寸各向异性结构单元反应后存在向中间尺寸各向异性结构单元转化的现象。炼焦用煤的选择在考虑各单种煤煤质的同时,应关注各煤种间的交互效应对焦炭强度的影响。

小麦不完善粒检测技术研究进展

分别从传统技术和计算机辅助技术2个方面对小麦不完善粒检测技术进行了介绍。重点介绍了基于机器学习和深度学习情况下小麦不完善粒检测技术的研究现状,以期为未来小麦的品质检测提供借鉴和参考。

基于高光谱融合图像的小麦不完善粒识别

在小麦不完善粒识别中,高光谱图像的光谱特征信息与高分辨率图像的空间结构信息对不同类别小麦的识别有着各自的优势。单纯地利用一种图像源进行小麦识别,无法解决单种数据源的信息局限性。首先通过将高光谱图像进行波段选择和分段主成分分析(PCA)数据降维,然后与高分辨率图像进行配准融合,用新的融合图像作为数据源来进行小麦分类识别。最后新的数据源在结合特征金字塔改进的VGG卷积网络识别算法中,平均识别率相较于高光谱图像和高分辨率图像分别提高6.08%以及3.34%。新数据源有效地融合两种信息源识别小麦的优势,提升识别准确率,进一步推进小麦不完善粒检测技术的发展。

小麦不完善粒的成因及解决办法

根据小麦不完善粒的特点,综合胶东地区近几年小麦收购质量变化情况,提出小麦不完善粒形成原因和解决办法。

针对粗粒度可重构架构的非完美循环映射方法

针对粗粒度可重构架构,提出了一个解决非完美循环映射问题的方法.该方法从最外层到最内层循环,依次进行循环分裂,生成多个完美循环并为每个完美循环生成虚拟配置包,然后使用配置包合并技术,最后将合并后的配置包映射到可重构阵列上.该方法兼顾可重构阵列的效率和重构次数,较现有的双流水映射提高了24.2%的PE利用率,减少了61.7%的重构次数.

浅析玉米烘干前后各质量指标变化规律

通过对辽宁地区鞍山、铁岭、昌图和锦州4个直属企业的12个货位,约7.6万t粮食进行烘干前后各质量指标的检测和比对分析,发现烘干后,玉米的容重、不完善粒、破碎粒呈增加趋势,生霉粒减小,但减少的量可以忽略不计。在实际生产中,建议采取一些行之有效的措施,减小不完善粒的增幅,从而提高入库粮食质量指标,缩短营养品质劣变速度。

稻谷、小麦不完善粒项目检验操作细则

粮食不完善粒是反映原粮质量的重要指标。不完善粒指标在实践操作中,对于不完善粒的理解存在很大分歧,为了方便实践操作,本文对稻谷、小麦不完善粒项目检验操作细则进行了探讨。

优化扦样器设备对浅圆仓烘干玉米不完善粒的影响

浅圆仓烘干玉米易受到扦样器设备的影响,频繁扦样在一定程度上影响玉米的不完善粒,容易增加粉末、不完善粒或杂质等,为日常保管增加难度,使储藏品质受到一定程度的影响。优化扦样器设备,减少扦样设备对烘干玉米的不完善粒的影响,对提高烘干玉米的储藏质量具有重要意义。

生芽、生霉、破损及赤霉病粒等典型不完善粒对小麦中呕吐毒素含量的影响

为探究生芽、生霉、破损及赤霉病粒等典型不完善粒对小麦样品中呕吐毒素含量的影响,将不同类型不完善粒小麦以不同比例掺入呕吐毒素含量为50μg/kg符合国家标准的优质小麦中进行检测。结果表明,生芽、生霉及破损粒的含量与小麦样品中呕吐毒素检测值无显著相关关系。赤霉病粒含量的增加显著提高了小麦样品中呕吐毒素检测值。赤霉病粒含量与呕吐毒素检测值呈显著正相关关系(p<0.05),相关系数为0.97。剔除生芽、生霉、破损及赤霉病粒等不完善粒可显著降低小麦样品的呕吐毒素检测值。