振动式果品收获技术机理分析及研究进展

近年来随着劳动力成本的日益提高,许多发达国家的研究人员对果品机械化收获技术进行了广泛而深入的研究,在探索果品收获的新方法、开发果树收获机械方面取得了丰硕的成果。该文首先分析了"果树-机械"收获系统的动力学模型,简要介绍了连续式收获机的设计要素及步骤。随后介绍了振动式果品收获技术的最新研究进展,对现有的4种振动式收获技术做了较为深入的分析,并对振动式果品收获技术的后续研究方向做了简述。

果园移动机器人曲线路径导航控制

为实现移动机器人在果园非结构化环境下的自动行走,对果园移动机器人在复杂环境中的导航控制进行了研究。利用激光扫描获取果树位置信息,提出了一种果园环境下曲线导航路径的拟合算法;构建了以横向偏差和航向偏差为输入的模糊控制器;实现了移动机器人在曲线路径中的自动行走。机器人以0.54 m/s的速度沿正弦曲线行走,最大横向偏差为0.40 m,平均偏差为0.12 m。试验结果表明该系统路径拟合和导航控制算法性能良好。

基于高光谱成像的肥城桃品质可视化分析与成熟度检测

肥城桃采摘后转色快、易腐烂,导致果品等级下降。采用高光谱成像技术对其进行可溶性固形物含量(SSC)和硬度可视化分析与成熟度检测,以提高果品质量,实现优果优价。首先,采集成熟度为70%和90%的各80个肥城桃的高光谱信息、SSC和硬度,通过蒙特卡罗偏最小二乘法分析剔除异常值,利用光谱理化值共生距离划分样本集,采用竞争性自适应权重采样算法(CARS)和连续投影算法(SPA)选取特征波长,并建立多元线性回归(MLR)模型。研究表明:CARS-MLR模型性能优于SPA-MLR模型;预测SSC的CARS-MLR模型,Rc^2和Rv^2分别为0.8191和0.8439,RPD为2.0;预测硬度的CARS-MLR模型,Rc^2和Rv^2分别为0.9518和0.8772,RPD为2.1。然后,基于CARS-MLR模型计算肥城桃每个像素点的SSC和硬度,生成可视化分布图,实现不同成熟度肥城桃SSC和硬度可视化检测。最后,利用顺序前向选择算法优选特征波长,建立人工神经网络成熟度预测模型,获得98.3%总识别准确率。

高光谱成像快速检测壳聚糖涂膜草莓可溶性固形物

为了对壳聚糖涂膜草莓可溶性固形物含量(soluble solids content, SSC)进行快速检测,该文采用高光谱成像仪(400~1 000 nm)对0,0.5%,1%浓度的壳聚糖(chitosan, CTS)涂膜草莓分别储藏1,2,4 d 后进行成像,并测量样本SSC。通过分析SSC 发现,0.5%和1%壳聚糖涂膜草莓,其SSC 随着储藏天数的增加均高于0 浓度壳聚糖涂膜草莓,说明了0.5%和1%壳聚糖涂层抑制了草莓中SSC 的降低,能够延长草莓的新鲜口味。随后采用蒙特卡罗-偏最小二乘法(monte carlo-partial least squares, MCPLS)对异常样本进行剔除。对剔除异常样本后的光谱数据进行不同预处理,以确定最优的预处理方法。为提高运行速度和降低数据维数,采用竞争性自适应权重取样法(competitive adaptive reweightedsampling, CARS)和连续投影算法(successive projections algorithm, SPA)进行特征波段选择。最后,采用偏最小二乘回归(partial least square regression, PLSR)和支持向量回归(support vector regression, SVR)法建立回归模型。最终结果表明:SPA-SVR 模型效果最佳,0 浓度的壳聚糖涂膜的草莓,建模集精度R^2c 为0.865,预测集精度R^2v 为0.835;0.5%浓度的壳聚糖涂膜的草莓,建模集精度R^2c 为0.808,预测集精度R^2v 为0.799;1%浓度的壳聚糖涂膜的草莓,建模集精度R^2c为0.834,预测集精度R^2v 为0.875。对储藏第4 天的部分样本图像进行主成分分析(principal component analysis, PCA),结果显示除第二主成分图像(PC2)中有部分噪声影响外,PC1 和PC3 均能完整反映草莓信息,且PC3 图像明显呈现出不同浓度壳聚糖涂膜草莓的褐变程度,说明不同浓度的壳聚糖涂膜也会对草莓货架期产生不同影响。综上说明利用高光谱成像技术可以实现壳聚糖涂膜草莓SSC 快速检测,有效指导草莓保鲜处理。