导读:本文包含了坚实度论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:坚实,光谱,在线,多普勒,土壤,果实,传感器。
坚实度论文文献综述
白凤华,张晓瑜,王艳伟,赵志磊,顾玉红[1]（2018）在《近红外光谱法检测李果坚实度的研究》一文中研究指出为了实现准确无损检测"安哥诺"李果实的坚实度,试验利用MPA近红外光谱仪在4 000~12 500 cm~(-1)光谱范围采集了515个李果实样品的漫反射光谱,采用偏最小二乘法和反向传播人工神经网络建立"安哥诺"李果实坚实度的定量分析模型,使用波段筛选和多种光谱预处理方法优化了偏最小二乘模型。结果表明,4 000~7 267 cm~(-1)波段光谱数据经MSC校正的预处理方法处理后,偏最小二乘定量模型的校正集相关系数和均方根误差分别为0.878 1和1.22 kg/cm~2,预测集相关系数和均方根误差分别为0.836 5和1.51 kg/cm~2,优于BP-ANN模型。因此认为试验所建立的定量模型可为实现近红外无损检测"安哥诺"李果实坚实度提供技术支持和理论依据。(本文来源于《食品工业》期刊2018年06期）
吴华林[2]（2018）在《梨坚实度声学在线无损检测系统研究》一文中研究指出坚实度是评价梨品质的重要指标,它与成熟度和口感密切相关。准确地检测梨的坚实度,对于收获期确定、采后贮藏、产品分级、品种培育等都具有重要意义。传统的测振传感器需要附着于待测物体表面,难以应用于水果品质在线无损检测。而激光多普勒测振(Laserdopplervibrometry,LDV)技术是一种精度高、响应快的非接触式测振方法,具有在线检测水果品质的潜力。本文以梨为研究对象,利用激光多普勒测振技术,开展梨坚实度在线无损检测研究。主要研究内容和结论为:(1)研制了一套梨坚实度声学在线无损检测系统,并根据单因素方差分析结果优化了系统参数。该系统由激励单元、检测单元、输送单元和控制单元组成。其中,声源口径30mm、声源与被测对象距离20mm、声源输出功率40w、线性扫频模式和扫频速率1000 Hz/s为激励单元各部分最优参数;激光多普勒测振仪与被测对象距离0.5m为检测单元最优参数。当系统参数最优时,系统重复性实验结果表明,每个样本3次测量结果的分异系数(Differentiationindex,D)均小于10,即系统具有较好的稳定性,可为梨坚实度在线无损检测提供可靠的硬件保障。(2)以翠冠梨为试验对象,进行了振动测量,分析了振动频谱,提取了坚实度相关的振动特征参数,包括共振峰中心频率f,共振峰宽度w,共振峰面积S,共振峰峰值A,并采用3次测量结果的变异系数对振动特征参数的可重复性进行了分析。实验结果表明,所有振动特征参数的变异系数均小于10%,即这4个振动特征参数均具有较好的可重复性,可用于梨坚实度的建模分析。(3)应用多种化学计量学方法,建立了梨坚实度定性分类和定量预测模型。结果表明:在基于判别分析、K近邻分类算法、前馈反向传播(Back-Propagation,BP)神经网络叁种模式识别方法分别建立的梨坚实度定性分类模型中,BP神经网络模型的判别正确率最高,校正集的准确率为94.74%,预测集的正确率为89.47%;在基于多元线性回归、主成分回归、偏最小二乘回归和BP神经网络方法分别建立的梨坚实度定量预测模型中,BP神经网络方法建立的非线性模型预测性能最好,优于其余方法建立的线性模型,预测集相关系数rp为0.8726,均方根RMSEP为0.3420 N/mm。(本文来源于《浙江大学》期刊2018-04-01）
王大成[3]（2018）在《农业生产中香梨坚实度的声振响应法检测装置分析》一文中研究指出香梨是新疆特色水果,由于香梨的市场空间大,香梨产业已逐步成为当地规模产业和支柱产业之一。但由于产地不同和粗糙皮果的影响,使香梨品质参差不齐,导致市场上的香梨质量和价格不成正比,因此有必要检测香梨坚实度以提高香梨等级及商品率。在农业现代化进程中"增机、减人"的趋势不可逆转,农业设备和农机运行的需求将呈现刚性增长的趋势。文章基于声振响应法开展了便携式香梨坚实度无损检测装置的设计,采用压电梁式传感器对香梨坚实度的声振响应法检测,可以满足香梨坚实度无损检测实际应用要求。(本文来源于《南方农机》期刊2018年04期）
贾洪雷,王万鹏,陈志,庄健,王文君[4]（2018）在《基于土壤坚实度的仿形弹性镇压辊镇压力实时测量方法》一文中研究指出针对镇压作业过程中镇压力实时监测困难且测量不准确的问题,提出了一种基于土壤坚实度的仿形弹性镇压辊镇压力实时测量方法。该方法通过在不同土壤干基含水率(13.9%d.b.,21.2%d.b.和27.8%d.b.)条件下进行镇压辊镇压试验及静态压板试验,分别建立土壤坚实度与镇压辊偏心量、土壤坚实度与静态压强之间的数学模型,利用土壤坚实度的等价关系,建立仿形弹性镇压辊偏心量与镇压力之间的数学模型。本文数学模型可以实现对镇压力的准确量化和实时测量,为镇压作业时对镇压辊的调整提供了技术支撑。(本文来源于《吉林大学学报(工学版)》期刊2018年04期）
王大成[5]（2016）在《基于声振响应法香梨坚实度无损检测装置的设计》一文中研究指出香梨是新疆特色果品,产区不断扩大造成其内部品质有较大差异,坚实度是反映香梨内部品质差异的重要指标之一,开展香梨坚实度无损检测装置的研究,对推动香梨内部品质的判别和分级技术发展有重要意义。因此,本文基于声振响应法进行了香梨声振激励感测装置、香梨声振响应信号采集处理系统的硬件电路和软件的设计,研制了PFT-1型香梨坚实度检测仪。具体的研究内容和结果如下:(1)选用两个Q220-A4-303YB型压电梁式传感器分别用于香梨声振信号激励和响应感测,并设计了香梨声振信号激励感测部件总成,其中用于两传感器悬臂梁与香梨接触点调距的弹簧为YA1.0×5×115,螺旋角为5.82°,最大和最小工作载荷分别为15 N和1.39 N;用于两传感器悬臂梁与香梨接触点距离测量的传感器为KS103S超声波测距传感器,测距精度0.5 mm,测距范围为1~520cm。(2)以TMS320F28335电路板为核心研制了由电源模块、PA78DK型电压放大模块、信号调理模块、数据存储模块和数据显示模块组成的香梨声振响应信号采集处理电路板,采用2.5V尖波脉冲经电压放大模块可线性放大至49.7 V进行香梨信号激励,经香梨传递后衰减至31.8 V,然后经声振信号调理电路的比例变换和二阶有源滤波输出为1.29 V的电压,达到了电路板的工作要求。(3)在Altium designer编程环境中采用C语言和汇编语言开发了由系统软件主程序、声振信号数据采集子程序、响应信号FFT运算及声速值计算子程序、声速值输出显示子程序组成的香梨声振响应信号采集处理软件,可以完成5120 Hz采样频率和512个采样点数的香梨声振信号采集,并将香梨振动信号进行快速傅立叶变换并计算其声速值在液晶显示屏输出显示。(4)研制了PTF-1型香梨坚实度测试仪,通过对该检测仪香梨坚实度检测结果与质构仪M-T穿刺法的精确测量结果相比,相对误差为14.2%。(本文来源于《石河子大学》期刊2016-06-01）
贾洪雷,李杨,齐江涛,范旭辉,王文君[6]（2015）在《基于ZigBee的播种行表层土壤坚实度采集系统》一文中研究指出针对目前播种行表层土壤坚实度的获取需人工二次进地测量、实时性差等问题,设计了基于Zig Bee技术的播种行表层土壤坚实度采集系统。该系统利用传感器测量镇压轮轮辐伸缩量,建立了镇压轮轮辐伸缩量与土壤坚实度之间的数学模型;选用CC2530主控芯片实现模块控制、数据无线传输的功能。子节点主控芯片CC2530与传感器相连,将传感器的测量数据发送给主节点;主节点接收子节点和车速传感器数据;根据数学模型实现土壤坚实度的测量。为评估系统性能,进行田间试验,结果表明:通过对比系统得到的土壤坚实度与人工测量坚实度,发现二者之间的相对误差平均值为6.3%,相对误差最大值为13.3%。该系统能够实现播种行表层土壤坚实度信息的实时采集和无线传输,可为镇压力的实时调整提供技术支撑。(本文来源于《农业机械学报》期刊2015年12期）
贡东军,牛晓颖,王艳伟,赵志磊[7]（2015）在《支持向量机在李果实坚实度近红外检测中的应用》一文中研究指出为增强模型的适应性,选取了3个不同成熟期(绿熟、半红熟和红熟)的李果实样品建立坚实度指标的近红外检测模型,建模所使用的光谱范围为4 000~12 492cm-1。为改善模型性能,比较了最小二乘支持向量机和偏最小二乘法两种建模算法对李果实坚实度指标的建模结果。研究结果表明,所建立的最小二乘-支持向量机模型的预测性能和稳定性均好于偏最小二乘模型,并以前10个潜在变量得分作为输入变量的最小二乘-支持向量机模型为最佳模型,其校正相关系数、校正和预测均方根误差分别为0.989及1.31、1.84kg/cm2,剩余预测偏差为4.79。与以往研究文献相比,获得了较为理想的预测精度和稳定性能。研究结果表明,最小二乘支持向量机算法结合偏最小二乘法提取的潜在变量作为输入变量,可以使李果实坚实度近红外定量模型有较大程度的改善。(本文来源于《农机化研究》期刊2015年04期）
张德虎,田海清,武士钥,刘超,肖传晶[8]（2014）在《河套蜜瓜糖度和坚实度可见近红外光谱检测研究》一文中研究指出基于USB4000便携式光谱仪,以160个"金红宝"河套蜜瓜为对象(120个建模,40个预测),研究可见近红外光谱对河套蜜瓜内部品质检测的可行性。光谱预处理方法包括微分处理(Norris一阶微分处理,Norris二阶微分处理)和Savizky-Golay滤波,建模方法采用偏最小二乘法(PLS)、主成分回归法(PCR)以及逐步多元线性回归(SMLR)。研究结果表明:采用偏最小二乘法(PLS)对经二阶微分处理的蜜瓜糖度建模与预测效果最好,相关系数r=0.901,校正均方根偏差RMSEC=0.533,预测均方根偏差RMSEP=1.17;经Norris一阶微分处理的蜜瓜坚实度建模与预测效果最好,r=0.882,RMSEC=0.419,RMSEP=1.06。(本文来源于《中国农机化学报》期刊2014年03期）
李锋霞[9]（2014）在《基于高光谱成像技术的哈密瓜坚实度检测研究》一文中研究指出新疆素有“瓜果之乡”的美称，哈密瓜是新疆传统的特色产品之一，因其独特的风味和丰富的营养价值，受到广大消费者的喜爱，已成为广大农民增加收入的主要途径之一。但目前哈密瓜品质检测分级过程中，大部分依靠机械式分级或仅凭借人工视觉检测分级处理，大大的增加了人工成本，同时，还造成生产效率低下，品种良莠不齐、机械损伤严重、分级标准不统一等缺陷，严重的影响哈密瓜在市场上的竞争力，并造成农民经济利益上极大的损失。综合利用光谱成像技术和化学计量学方法并结合检测标准实现对哈密瓜无损检测，以此提高哈密瓜的附加值，提升哈密瓜品牌地位和市场竞争力。本文主要研究内容及方法包括如下：⑴分析了本研究所用的各组样本的外观形态包括赤道部位的纵横径、重量和坚实度等的检测结果，并对不同品种哈密瓜坚实度值的分析、不同成熟度坚实度值的分析、不同检测部位坚实度值的分析和不同光谱的分析。试验研究光谱采集部位对光谱和建模结果的影响。为了在对哈密瓜的光谱采集中选择最合适的光谱采集部位，分析了哈密瓜不同检测部位(赤道的阴面、阳面、果脐)的光谱信息的差异，试验建模结果表明，赤道部位采集的光谱建模结果比果脐部位的建模结果好，赤道部位的阴、阳面相比，采集哈密瓜阳面位置的光谱信息建立的预测模型结果最佳；⑵为了建立准确的哈密瓜坚实度模型，对参与建模的样品进行异常样本的识别与剔除。本研究采用异常光谱剔除、狄克松(Dixon)检验法、杠杆值与学生残差T检验准则和主成分得分法对哈密瓜样品进行综合判断，根据模型性能的变化，然后对疑似样本进行逐一回收分析。最终确定需要剔除的样本。⑶研究了哈密瓜坚实度的定量分析，实验对不同范围波段的光谱建模，并对结果进行有效地对比，最终确定最优波段组合；同时对比分析了不同光谱预处理方法、不同光程校正方法对哈密瓜坚实度预测模型精度的影响。采用PLS、SMLR和PCR校正算法方法对比分析了金密16号哈密瓜和金密17号哈密瓜坚实度检测模型效果。实验结果表明：金密16号在819.82-843.3nm、899.14-882.64nm和996.22-930.23nm的组合波段范围，应用PLS方法对经过一阶微分和SNV预处理的光谱进行建模的结果较优。校正集相关系数R为0.9085，校正均方误差（RMSEC）为2.16N；预测集相关系数为0.8139，预测均方误差（RMSEP）为3.24N。金密17号在757.01-1000nm光谱波段范围，应用PLS方法对经过一阶微分、MSC预处理和Savitzky-Golay光滑处理的光谱进行建模的结果较优。校正集相关系数R为0.8927，校正均方误差（RMSEC）为1.24N；预测集相关系数为0.7030，预测均方误差（RMSEP）为1.70N。(本文来源于《石河子大学》期刊2014-05-01）
马广,孙通[10]（2013）在《翠冠梨坚实度可见/近红外光谱在线检测》一文中研究指出采用可见/近红外光谱技术对翠冠梨的坚实度进行在线检测研究,并对不同预处理方法和不同平滑点数的影响进行研究。试验采用USB4000微型光纤光谱仪在0.5 m/s的水果运动速度下采集翠冠梨的透射光谱,并应用偏最小二乘(PLS)算法建立预测模型。试验样品为176个,119个样品作为校正集,57个样品作为预测集。研究结果表明,应用可见/近红外光谱技术检测翠冠梨的坚实度是可行的,确定580～840 nm为较合适的建模波段;光谱经一阶微分和变量标准化(SNV)处理后建立的预测模型性能最优,其相关系数R为0.820,校正标准差为2.50 N,预测标准差为3.02 N;对于S-G平滑处理,5点S-G平滑的效果最好,其相关系数R为0.848,校正标准差为2.31 N,预测标准差为2.85 N。(本文来源于《农业机械学报》期刊2013年07期）
坚实度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
坚实度是评价梨品质的重要指标,它与成熟度和口感密切相关。准确地检测梨的坚实度,对于收获期确定、采后贮藏、产品分级、品种培育等都具有重要意义。传统的测振传感器需要附着于待测物体表面,难以应用于水果品质在线无损检测。而激光多普勒测振(Laserdopplervibrometry,LDV)技术是一种精度高、响应快的非接触式测振方法,具有在线检测水果品质的潜力。本文以梨为研究对象,利用激光多普勒测振技术,开展梨坚实度在线无损检测研究。主要研究内容和结论为:(1)研制了一套梨坚实度声学在线无损检测系统,并根据单因素方差分析结果优化了系统参数。该系统由激励单元、检测单元、输送单元和控制单元组成。其中,声源口径30mm、声源与被测对象距离20mm、声源输出功率40w、线性扫频模式和扫频速率1000 Hz/s为激励单元各部分最优参数;激光多普勒测振仪与被测对象距离0.5m为检测单元最优参数。当系统参数最优时,系统重复性实验结果表明,每个样本3次测量结果的分异系数(Differentiationindex,D)均小于10,即系统具有较好的稳定性,可为梨坚实度在线无损检测提供可靠的硬件保障。(2)以翠冠梨为试验对象,进行了振动测量,分析了振动频谱,提取了坚实度相关的振动特征参数,包括共振峰中心频率f,共振峰宽度w,共振峰面积S,共振峰峰值A,并采用3次测量结果的变异系数对振动特征参数的可重复性进行了分析。实验结果表明,所有振动特征参数的变异系数均小于10%,即这4个振动特征参数均具有较好的可重复性,可用于梨坚实度的建模分析。(3)应用多种化学计量学方法,建立了梨坚实度定性分类和定量预测模型。结果表明:在基于判别分析、K近邻分类算法、前馈反向传播(Back-Propagation,BP)神经网络叁种模式识别方法分别建立的梨坚实度定性分类模型中,BP神经网络模型的判别正确率最高,校正集的准确率为94.74%,预测集的正确率为89.47%;在基于多元线性回归、主成分回归、偏最小二乘回归和BP神经网络方法分别建立的梨坚实度定量预测模型中,BP神经网络方法建立的非线性模型预测性能最好,优于其余方法建立的线性模型,预测集相关系数rp为0.8726,均方根RMSEP为0.3420 N/mm。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
坚实度论文参考文献
[1].白凤华,张晓瑜,王艳伟,赵志磊,顾玉红.近红外光谱法检测李果坚实度的研究[J].食品工业.2018
[2].吴华林.梨坚实度声学在线无损检测系统研究[D].浙江大学.2018
[3].王大成.农业生产中香梨坚实度的声振响应法检测装置分析[J].南方农机.2018
[4].贾洪雷,王万鹏,陈志,庄健,王文君.基于土壤坚实度的仿形弹性镇压辊镇压力实时测量方法[J].吉林大学学报(工学版).2018
[5].王大成.基于声振响应法香梨坚实度无损检测装置的设计[D].石河子大学.2016
[6].贾洪雷,李杨,齐江涛,范旭辉,王文君.基于ZigBee的播种行表层土壤坚实度采集系统[J].农业机械学报.2015
[7].贡东军,牛晓颖,王艳伟,赵志磊.支持向量机在李果实坚实度近红外检测中的应用[J].农机化研究.2015
[8].张德虎,田海清,武士钥,刘超,肖传晶.河套蜜瓜糖度和坚实度可见近红外光谱检测研究[J].中国农机化学报.2014
[9].李锋霞.基于高光谱成像技术的哈密瓜坚实度检测研究[D].石河子大学.2014
[10].马广,孙通.翠冠梨坚实度可见/近红外光谱在线检测[J].农业机械学报.2013
论文知识图
