CN105548028A - 禽蛋新鲜度的光纤光谱分级检测装置及其方法 - Google Patents
禽蛋新鲜度的光纤光谱分级检测装置及其方法 Download PDFInfo
- Publication number
- CN105548028A CN105548028A CN201510919991.8A CN201510919991A CN105548028A CN 105548028 A CN105548028 A CN 105548028A CN 201510919991 A CN201510919991 A CN 201510919991A CN 105548028 A CN105548028 A CN 105548028A
- Authority
- CN
- China
- Prior art keywords
- eggs
- beasts
- birds
- spectrum
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
Abstract
本发明公开了一种禽蛋新鲜度的光纤光谱分级检测装置及方法，涉及农产品检测技术领域。本方法是：①调节装置参数，包括设置光纤光谱仪的暗电流、参考电流、平滑次数、平滑宽度和积分时间参数；②将新鲜禽蛋和不新鲜禽蛋编号并按顺序依次地摆放在禽蛋传送流水线上；③当禽蛋运动到光谱箱内且被光电传感器触发时获得相应禽蛋的光纤光谱。④对所采集的禽蛋光纤光谱数据进行数据处理。本发明利用光纤光谱透射技术，能够完成对禽蛋新鲜度的自动判别；无需破坏鸡蛋，分级速度快，而且正确率高；利用光谱透射技术，实现了对禽蛋内部品质的分级，解决了市场和工厂采用抽样检测的弊端。
Description
技术领域
本发明涉及禽蛋内部品质动态检测分级技术领域，尤其涉及一种禽蛋新鲜度的光纤光谱分级检测装置及其方法。本发明主要利用便携式的光纤光谱仪动态采集禽蛋的光谱数据，通过一系列数据处理的方法，提取新鲜禽蛋与不新鲜禽蛋差异性较为大的特征波段，建立了新鲜禽蛋与不新鲜禽蛋的分级检测模型，为禽蛋内部品质的自动检测分级提供了一种智能无损快速的检测方法。
背景技术
禽蛋中富含着大量的蛋白质、脂肪和维生素等营养元素，并因其味道鲜美、营养丰富深受广大消费者的喜爱。而且，我国是禽蛋生产和消费大国，禽蛋的总产量占据着世界禽蛋总产量的40%以上，并且人均年食用蛋约20.1kg。
禽蛋的新鲜程度是衡量禽蛋品质的一个最为重要的指标。目前绝大部分有关禽蛋新鲜程度的检测仍然依靠人工照蛋的方式，通常在光照透射的情况下，劣质禽蛋会呈现蛋黄变大且颜色较深。依据此经验判断存在着劳动强度大、鉴别速度慢且准确率不高等缺点。
光纤光谱在500-1000nm的范围内对CH、OH、NH等含氢基团吸收谱带尤为敏感，而禽蛋内部物质存在着大量的CH、OH、NH等含氢基团，禽蛋随着时间的储藏和细菌的侵入，内部的含氢基团也会产生一定程度上的化学变化，因此利用光纤光谱技术去检测禽蛋的新鲜品质有着切实可行的理论意义。
目前随着智能无损检测技术的兴起，越来越多的研究者开始利用光谱技术来对农产品、水果、禽蛋、鱼和医药等物质进行品质的无损检测。祝志慧、谢德君等利用光纤光谱技术静态检测鸡蛋内部的血斑和肉斑异物，建立了多分类器融合判别模型，最后血斑蛋和肉斑蛋的检测正确率分别为92.86%和91.07%【祝志慧、谢德君、李婉清、王巧华、马美湖，基于光谱技术和多分类器融合的异物蛋检测，农业工程学报[J]，2015,31（02）】。黄涛、李小昱等搭建了淡水鱼新鲜度近红外光谱的采集装置，对采集的光谱数据建立了支持向量机判别模型，得出了训练集和预测集的淡水鱼新鲜度检测准确率分别为100%和93.88%【黄涛、李小昱、彭毅、陶海龙、李鹏、熊百善，基于近红外光谱的淡水鱼新鲜度在线检测方法研究，光谱学与光谱分析[J]，2014,34（10）】。刘燕德等基于近红外漫反射光谱技术建立了鸡蛋的哈夫单位、蛋白PH值、蛋形指标等鸡蛋品质和贮藏时间天数的主成分回归模型，结果表明模型经优化后哈夫单位、蛋白PH值、蛋形指标和存储时间光谱模型的交叉验证均方根相关系数R2 CV分别为0.86、0.84、0.26和0.92，交叉验证均方根误差RMSECV分别为7.52、0.17、0.05和1.37【刘燕德、周延睿、彭彦颖，基于近红外光谱漫反射光谱检测鸡蛋品质，光学精密工程[J]，2013，21（01）】。周竹等利用了高光谱透射、傅里叶近红外漫反射光谱、可见/近红外漫反射光谱和透射光谱建立主成分结合线性判别分析模型检测了具有黑心病的马铃薯，其最终结果表明了透射光谱的结果要好于漫反射光谱的结果，高光谱的结果要好于近红外光谱的结果【周竹、李小昱、高海龙、陶海龙、李鹏，漫反射和透射光谱检测检测马铃薯黑心病的比较，农业工程学报[J]，2012,28（11）】。樊书祥等自制搭建了便携式近红外光谱苹果糖度检测仪器平台，并进行了光谱检测糖度实验。通过建立主成分回归模型得到了预测集的相关系数Rp=0.853,预测均方根误差RMSEP=0.534，表明了该光谱仪能够很好的检测苹果糖度，也说明了近红外光谱能够用于苹果糖度的无损检测【樊书祥、黄文倩、张保华、郭志明、赵春江，便携式苹果糖度光谱检测仪的设计与试验，红外与激光工程[J]，2014,43(增刊）】。
经相关检索现有的检测技术：
①目前绝大部分研究者利用光谱技术静态检测禽蛋内部的异物、新鲜品质。
②目前有关新鲜鸡蛋和散黄蛋的检测正确率不高。
目前国内很少有人利用PLC结合光纤光谱透射仪器手段，在方法上很少使用数据降维技术，将多波段的波长化简成较少波长数来检测鸡蛋的新鲜程度，此技术总的说来，有很好的抗干扰性，并减少了数据运算的复杂量，提高了模型的检测速率，更适用于实际工厂检测。
发明内容
本发明的目的就在于克服现有技术存在的缺点和不足，提供一种禽蛋新鲜度的光纤光谱分级检测装置及其方法。
本发明的实现主要过程如下：
首先调节好整个检测仪器的各个参数，其次将禽蛋放置在匀速运动的流水线上，聚焦透镜位于传送带的下方，通过传送带相邻辊子间的空隙透射放置在传送带上的禽蛋，在光谱箱子侧部有漫反射式光电传感器，当禽蛋运动与传感器处同一水平位置，且在聚焦透镜的正方向，传感器被触发，从而计算机识别传感器触发的信号，通过顶部的84UV准直镜采取禽蛋的透射光谱。再次对动态采集的光谱进行一系列的光谱数据处理：首先剔除异常样本和划分样本集，然后对光谱数据进行预处理，再挑选两类光谱的差异性较大的波段，最后建立训练集的判别分类模型，并用预测集数据检验模型的实用性。
本发明主要完成以下几点工作：
1、搭建动态光谱的采集平台；
2、通过实验获得禽蛋的动态光谱；
3、剔除一些由于随机误差产生的禽蛋光谱；
4、划分样本集，并对光谱样本进行预处理；
5、挑选出两类禽蛋的差异性较大的波段；
6、建立自动识别模型，判别禽蛋的新鲜程度。
具体地说：
一、禽蛋新鲜度的光纤光谱分级检测装置（简称装置）
本装置包括检测对象——禽蛋；
设置有准直镜、光谱箱、光纤光谱仪、数据线、计算机、聚焦透镜、卤素灯源、玻璃光纤、光电传感器、通讯电缆、可编程控制器和禽蛋传送流水线；
其位置和连接关系是：
在光谱箱的底部设置有禽蛋传送流水线，在禽蛋传送流水线的上、下方分别设置有禽蛋和聚焦透镜，卤素灯源、玻璃光纤和聚焦透镜依次连接，使被测对象——禽蛋在禽蛋传送流水线上传输和受到光照；
在光谱箱子的右侧设置有光电传感器，光电传感器、可编程控制器、通讯电缆和计算机依次连接，将禽蛋的有/无信号传递给计算机；
在光谱箱的上部设置有准直镜，准直镜、光纤光谱仪、数据线和计算机依次连接，使计算机获得禽蛋的光谱信息。
二、禽蛋新鲜度的光纤光谱分级检测方法（简称方法）
本方法包括下列步骤：
①调节装置参数，包括设置光纤光谱仪的暗电流、参考电流、平滑次数、平滑宽度和积分时间参数；
②将新鲜禽蛋和不新鲜禽蛋编号并按顺序依次地摆放在禽蛋传送流水线上；
③当禽蛋运动到光谱箱内且被光电传感器触发时获得相应禽蛋的光纤光谱；
④对所采集的禽蛋光纤光谱数据进行数据处理。
本发明具有下列点优点和积极效果：①利用光纤光谱透射技术，能够完成对禽蛋新鲜度的自动判别；
②无需破坏鸡蛋，分级速度快，而且正确率高；
③利用光谱透射技术，实现了对禽蛋内部品质的分级，解决了市场和工厂采用抽样检测的弊端。
附图说明
图1是本装置的结构示意图，
图2是光谱数据处理软件的工作流程图。
图中：
0—禽蛋；
1—准直镜；
2—光谱箱；
3—光纤光谱仪；
4—数据线；
5—计算机；
6—聚焦透镜；
7—卤素灯源；
8-玻璃光纤；
9-光电传感器；
10-通讯电缆；
11-可编程控制器；
12-禽蛋传送流水线。
具体的实施方式：
下面结合附图和实例详细说明：
一、装置
1、总体
如图1，本装置包括检测对象——禽蛋0；
设置有准直镜1、光谱箱2、光纤光谱仪3、数据线4、计算机5、聚焦透镜6、卤素灯源7、玻璃光纤8、光电传感器9、通讯电缆10、可编程控制器11和禽蛋传送流水线12；
其位置和连接关系是：
在光谱箱2的底部设置有禽蛋传送流水线12，在禽蛋传送流水线12的上、下方分别设置有禽蛋0和聚焦透镜6，卤素灯源7、玻璃光纤8和聚焦透镜6依次连接，使被测对象——禽蛋0在禽蛋传送流水线12上传输和受到光照；
在光谱箱子2的右侧设置有光电传感器9，光电传感器9、可编程控制器11、通讯电缆10和计算机5依次连接，将禽蛋0的有/无信号传递给计算机5；
在光谱箱2的上部设置有准直镜1，准直镜1、光纤光谱仪3、数据线4和计算机5依次连接，使计算机5获得禽蛋0的光谱信息。
2、功能部件
1）准直镜1
准直镜1选用84UV；
其功能是聚焦禽蛋0的透射光。
2）光谱箱2
光谱箱2是一种长方形封闭箱；
其功能是安装其它功能部件，并给禽蛋0的检测提供一个较为封闭的空间。
3）光纤光谱仪3
光纤光谱仪3选用USB2000+型；
其功能是对光能量进行一系列的处理。
4）数据线4
数据线4选用USB型。
其功能是将光谱仪处理后的结果传送至计算机3的串口。
5）计算机5
计算机5的硬件配置是CPUIntelCorei5-3210M2.50GHz处理器、RAM（8G)、
windows64位操作系统；
内嵌有光谱数据处理软件；
软件的处理流程如下：
A、读取光谱数据-51；
B、剔除异常样本-52
对光谱数据进行主成分降维，用降维后的数据组成新的数据，然后求每一个样本到归属类的马氏距离，根据肖维纳（Chauvenet）准则剔除异常光谱样本；
C、划分训练集和预测集-53
对所有样本以及对应样本的分类标签，按照训练集与预测集之比约2：1的原则进行随机划分；
D、对样本光谱数据进行预处理-54
对光谱数据进行平滑和标准化预处理，去除禽蛋光谱数据的系统噪音和杂散光，提高信噪比；
E、挑选特征波段-55
原始光谱波长范围501-1000nm，具有500个属性，其数据量大，增加了模型的运算时间，因此对原始波段进行特征波段挑选，去掉两类（新鲜禽蛋和不新鲜禽蛋）光谱一些无差异性的波长点，共保留100个波长点；
F、建立训练集判别模型-56
对预处理和挑选特征波段后的光谱数据建立主成分判别模型；
G、用预测集的数据检验训练模型-57
用预测集的数据去检验由训练集数据所建立的判别模型，从而来确定模型的适用性。
6）聚焦透镜6
聚焦透镜6是一种通用件；
其功能是聚焦卤素灯7的光能量。
7）卤素灯源7
卤素灯7是一种通用件；
其功能是提供检测禽蛋0的光能。
8）玻璃光纤8
玻璃光纤8是一种通用件；
其功能是传递光能。
9）光电传感器9
光电传感器9是一种通用件；
其功能是检测是否有蛋，并将此信号传递给可编程控制器11。
10）通讯电缆10
通讯电缆10选用PPI-USB型；
其功能是实现可编程控制器11与计算机5之间的通讯。
11）可编程控制器11
可编程控制器11是一种通用件，选用S7-200PLC，内部下载有采集禽蛋的
PLC程序；
其功能是将光电传感器9的信号传递给计算机5的串口。
12）禽蛋传送流水线12
禽蛋传送流水线是一种通用件；
其功能是实现禽蛋的传输。
3、检测结果
本实验的试验样品为九峰山鸡蛋，共计264个，其中新鲜鸡蛋120个，散黄鸡蛋或者接近散黄鸡蛋有144个，均采购于九峰山鸡场，通过本发明的检测，此实验鸡蛋的实验条件正常，没有异常样本，其中训练集180个，新鲜鸡蛋80个，不新鲜鸡蛋100个，预测集84个，其中训练集的正确分级174个，新鲜鸡蛋错判2个，不新鲜鸡蛋错判4个，综合分级准确率为96.67%；预测集正确分级80个，新鲜鸡蛋错判了2个，不新鲜鸡蛋错判了2个，综合分级准确率为95.24%。
Claims (3)
1.一种禽蛋新鲜度的光纤光谱分级检测装置，
本装置包括检测对象——禽蛋（0）；其特征在于：
设置有准直镜（1）、光谱箱（2）、光纤光谱仪（3）、数据线（4）、计算机（5）、聚焦透镜（6）、卤素灯源（7）、玻璃光纤（8）、光电传感器（9）、通讯电缆（10）、可编程控制器（11）和禽蛋传送流水线（12）；
其位置和连接关系是：
在光谱箱（2）的底部设置有禽蛋传送流水线（12），在禽蛋传送流水线（12）的上、下方分别设置有禽蛋（0）和聚焦透镜（6），卤素灯源（7）、玻璃光纤（8）和聚焦透镜（6）依次连接，使被测对象——禽蛋（0）在禽蛋传送流水线（12）上传输和受到光照；
在光谱箱子（2）的右侧设置有光电传感器（9），光电传感器（9）、可编程控制器（11）、通讯电缆（10）和计算机（5）依次连接，将禽蛋（0）的有/无信号传递给计算机（5）；
在光谱箱（2）的上部设置有准直镜（1），准直镜（1）、光纤光谱仪（3）、数据线（4）和计算机（5）依次连接，使计算机（5）获得禽蛋（0）的光谱信息。
2.按权利要求1所述禽蛋新鲜度的光纤光谱分级检测装置，其特征在于所
述的计算机（5）软件的处理流程如下：
A、读取光谱数据（51）；
B、剔除异常样本（52）
对光谱数据进行主成分降维，用降维后的数据组成新的数据，然后求每一个样本到归属类的马氏距离，根据肖维纳准则剔除异常光谱样本；
C、划分训练集和预测集（53）
对所有样本以及对应样本的分类标签，按照训练集与预测集之比约2：1的原则进行随机划分；
D、对样本光谱数据进行预处理（54）
对光谱数据进行平滑和标准化预处理，去除禽蛋光谱数据的系统噪音和杂散光，提高信噪比；
E、挑选特征波段（55）
原始光谱波长范围501-1000nm，具有500个属性，其数据量大，增加了模型的运算时间，因此对原始波段进行特征波段挑选，去掉两类光谱一些无差异性的波长点，共保留100个波长点；
F、建立训练集判别模型（56）
对预处理和挑选特征波段后的光谱数据建立主成分判别模型；
G、用预测集的数据检验训练模型（57）
用预测集的数据去检验由训练集数据所建立的判别模型，从而来确定模型的适用性。
3.基于权利要求1-2所述禽蛋新鲜度的光纤光谱分级检测装置的检测方法，其特征在于包括下列步骤：
①调节装置参数，包括设置光纤光谱仪的暗电流、参考电流、平滑次数、平滑宽度和积分时间参数；
②将新鲜禽蛋和不新鲜禽蛋编号并按顺序依次地摆放在禽蛋传送流水线上；
③当禽蛋运动到光谱箱内且被光电传感器触发时获得相应禽蛋的光纤光谱；
④对所采集的禽蛋光纤光谱数据进行数据处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510919991.8A CN105548028A (zh) | 2015-12-11 | 2015-12-11 | 禽蛋新鲜度的光纤光谱分级检测装置及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510919991.8A CN105548028A (zh) | 2015-12-11 | 2015-12-11 | 禽蛋新鲜度的光纤光谱分级检测装置及其方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105548028A true CN105548028A (zh) | 2016-05-04 |
Family
ID=55827369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510919991.8A Pending CN105548028A (zh) | 2015-12-11 | 2015-12-11 | 禽蛋新鲜度的光纤光谱分级检测装置及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105548028A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106018292A (zh) * | 2016-07-19 | 2016-10-12 | 华中农业大学 | 蛋清中蛋白质构象的无损检测装置及其方法 |
| CN106226248A (zh) * | 2016-08-31 | 2016-12-14 | 华中农业大学 | 基于光谱技术的球状农产品内部品质检测分级设备 |
| CN106950186A (zh) * | 2017-03-14 | 2017-07-14 | 华中农业大学 | 基于光纤光谱的土鸡蛋或洋鸡蛋品种检测装置及其方法 |
| CN107677618A (zh) * | 2017-08-23 | 2018-02-09 | 浙江农林大学 | 驰豫光谱检测装置及方法 |
| CN108072619A (zh) * | 2018-01-23 | 2018-05-25 | 岭南师范学院 | 一种农产品干燥品质在线检测装置 |
| CN108680514A (zh) * | 2018-06-27 | 2018-10-19 | 西京学院 | 一种基于不同形态蛋黄高光谱成像的鸡蛋品质检测方法 |
| CN108872095A (zh) * | 2018-06-26 | 2018-11-23 | 西京学院 | 一种基于不同光谱特征融合的鸡蛋品质检测方法 |
| CN110991220A (zh) * | 2019-10-15 | 2020-04-10 | 北京海益同展信息科技有限公司 | 禽蛋检测、图像处理方法，装置、电子设备及存储介质 |
| CN111157511A (zh) * | 2020-01-09 | 2020-05-15 | 江南大学 | 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 |
| CN111802281A (zh) * | 2020-07-21 | 2020-10-23 | 华中农业大学 | 孵前种鸭蛋中受精蛋的光纤光谱分级检测装置及其方法 |
| CN113758088A (zh) * | 2021-09-24 | 2021-12-07 | 北京小米移动软件有限公司 | 食物储存装置、冰箱、食物监测方法及装置 |
| CN113791049A (zh) * | 2021-08-30 | 2021-12-14 | 华中农业大学 | 一种融合nirs和cv对冷鲜鸭肉新鲜度进行快速检测的方法 |
| CN113984692A (zh) * | 2021-11-01 | 2022-01-28 | 武汉轻工大学 | 鸡蛋综合品质无损检测方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1485616A (zh) * | 2002-09-23 | 2004-03-31 | 华中农业大学 | 禽蛋品质无损自动检测分级设备及方法 |
| CN102179374A (zh) * | 2010-12-23 | 2011-09-14 | 华中农业大学 | 禽蛋品质自动检测分选设备及其方法 |
| CN104764744A (zh) * | 2015-04-21 | 2015-07-08 | 华中农业大学 | 一种禽蛋新鲜度的视觉检测装置及其方法 |
-
2015
- 2015-12-11 CN CN201510919991.8A patent/CN105548028A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1485616A (zh) * | 2002-09-23 | 2004-03-31 | 华中农业大学 | 禽蛋品质无损自动检测分级设备及方法 |
| CN102179374A (zh) * | 2010-12-23 | 2011-09-14 | 华中农业大学 | 禽蛋品质自动检测分选设备及其方法 |
| CN104764744A (zh) * | 2015-04-21 | 2015-07-08 | 华中农业大学 | 一种禽蛋新鲜度的视觉检测装置及其方法 |
Non-Patent Citations (5)
| Title |
|---|
| JIAN YANG ET AL: "Study on Predicting Method for Haff Value of Eggs Based on Grey Neural Network and Image Processing", 《2013 6TH INTERNATIONAL CONFERENCE ON INFORMATION MANAGEMENT, INNOVATION MANAGEMENT AND INDUSTRIAL ENGINEERING》 * |
| QIAOHUA WANG ET AL: "Egg freshness detection based on digital image technology", 《SCIENTIFIC RESEARCH AND ESSAY》 * |
| 彭彦颖: "鸡蛋品质近红外光谱无损检测研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
| 毕夏坤等: "便携式近红外光谱仪判别鸡蛋的贮藏时间", 《食品科学》 * |
| 陈猛: "鸡蛋新鲜度和血斑光谱技术在线检测研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106018292A (zh) * | 2016-07-19 | 2016-10-12 | 华中农业大学 | 蛋清中蛋白质构象的无损检测装置及其方法 |
| CN106018292B (zh) * | 2016-07-19 | 2019-01-25 | 华中农业大学 | 蛋清中蛋白质构象的无损检测装置及其方法 |
| CN106226248A (zh) * | 2016-08-31 | 2016-12-14 | 华中农业大学 | 基于光谱技术的球状农产品内部品质检测分级设备 |
| CN106950186A (zh) * | 2017-03-14 | 2017-07-14 | 华中农业大学 | 基于光纤光谱的土鸡蛋或洋鸡蛋品种检测装置及其方法 |
| CN107677618A (zh) * | 2017-08-23 | 2018-02-09 | 浙江农林大学 | 驰豫光谱检测装置及方法 |
| CN108072619A (zh) * | 2018-01-23 | 2018-05-25 | 岭南师范学院 | 一种农产品干燥品质在线检测装置 |
| CN108872095A (zh) * | 2018-06-26 | 2018-11-23 | 西京学院 | 一种基于不同光谱特征融合的鸡蛋品质检测方法 |
| CN108680514A (zh) * | 2018-06-27 | 2018-10-19 | 西京学院 | 一种基于不同形态蛋黄高光谱成像的鸡蛋品质检测方法 |
| CN110991220A (zh) * | 2019-10-15 | 2020-04-10 | 北京海益同展信息科技有限公司 | 禽蛋检测、图像处理方法，装置、电子设备及存储介质 |
| CN110991220B (zh) * | 2019-10-15 | 2023-11-07 | 京东科技信息技术有限公司 | 禽蛋检测、图像处理方法，装置、电子设备及存储介质 |
| CN111157511A (zh) * | 2020-01-09 | 2020-05-15 | 江南大学 | 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 |
| CN111157511B (zh) * | 2020-01-09 | 2021-07-27 | 江南大学 | 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 |
| CN111802281A (zh) * | 2020-07-21 | 2020-10-23 | 华中农业大学 | 孵前种鸭蛋中受精蛋的光纤光谱分级检测装置及其方法 |
| CN111802281B (zh) * | 2020-07-21 | 2022-03-11 | 华中农业大学 | 孵前种鸭蛋中受精蛋的光纤光谱分级检测装置及其方法 |
| CN113791049A (zh) * | 2021-08-30 | 2021-12-14 | 华中农业大学 | 一种融合nirs和cv对冷鲜鸭肉新鲜度进行快速检测的方法 |
| CN113791049B (zh) * | 2021-08-30 | 2023-02-28 | 华中农业大学 | 一种融合nirs和cv对冷鲜鸭肉新鲜度进行快速检测的方法 |
| CN113758088A (zh) * | 2021-09-24 | 2021-12-07 | 北京小米移动软件有限公司 | 食物储存装置、冰箱、食物监测方法及装置 |
| CN113984692A (zh) * | 2021-11-01 | 2022-01-28 | 武汉轻工大学 | 鸡蛋综合品质无损检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105548028A (zh) | 禽蛋新鲜度的光纤光谱分级检测装置及其方法 | |
| Lu et al. | Hyperspectral imaging technology for quality and safety evaluation of horticultural products: A review and celebration of the past 20-year progress | |
| ElMasry et al. | Non-destructive determination of water-holding capacity in fresh beef by using NIR hyperspectral imaging | |
| CN102507459B (zh) | 一种生鲜牛肉新鲜度快速无损评价方法及系统 | |
| Qu et al. | Applications of near-infrared spectroscopy in food safety evaluation and control: A review of recent research advances | |
| Kamruzzaman et al. | Non-invasive analytical technology for the detection of contamination, adulteration, and authenticity of meat, poultry, and fish: A review | |
| Wu et al. | Advanced applications of hyperspectral imaging technology for food quality and safety analysis and assessment: A review—Part II: Applications | |
| ElMasry et al. | Meat quality evaluation by hyperspectral imaging technique: an overview | |
| Zhou et al. | Nondestructive detection of blackheart in potato by visible/near infrared transmittance spectroscopy | |
| Yue et al. | A smart data-driven rapid method to recognize the strawberry maturity | |
| Peyvasteh et al. | Meat freshness revealed by visible to near-infrared spectroscopy and principal component analysis | |
| CN103257118A (zh) | 一种基于特征波段的鱼肉嫩度高光谱检测方法 | |
| CN104048939A (zh) | 生猪血液中血糖含量近红外快速检测方法 | |
| Wang et al. | The applications of hyperspectral imaging technology for agricultural products quality analysis: A review | |
| Wei et al. | Navel orange maturity classification by multispectral indexes based on hyperspectral diffuse transmittance imaging | |
| CN104568815A (zh) | 生鲜牛肉中挥发性盐基氮含量的快速无损检测方法 | |
| CN110108649A (zh) | 基于太赫兹光谱技术的油料作物品质的快速无损检测方法 | |
| Ding et al. | Quality and safety inspection of food and agricultural products by LabVIEW IMAQ vision | |
| Xu et al. | A novel hyperspectral microscopic imaging system for evaluating fresh degree of pork | |
| Dong et al. | Prediction of infertile chicken eggs before hatching by the Naïve-Bayes method combined with visible near infrared transmission spectroscopy | |
| CN104655585B (zh) | 一种基于近红外光谱的pse肉筛选方法 | |
| Carolina et al. | Classification of oranges by maturity, using image processing techniques | |
| Guo et al. | Method and system for nondestructive detection of freshness in Penaeus vannamei based on hyperspectral technology | |
| Noypitak et al. | Evaluation of astringency and tannin content in ‘Xichu’persimmons using near infrared spectroscopy | |
| Yang et al. | Prediction of quality traits and grades of intact chicken breast fillets by hyperspectral imaging |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160504 |
|
| RJ01 | Rejection of invention patent application after publication |