基于視覺、嗅覺和味覺傳感信息融合的茶葉原產(chǎn)地的判別方法 890     

 0

本發(fā)明屬于茶葉快速無損檢測技術(shù)領(lǐng)域，涉及一種基于視覺、嗅覺和味覺傳感信息融合的茶葉原產(chǎn)地的判別方法；具體步驟為：選取不同國家的茶葉樣本，首先采用可見/近紅外光譜技術(shù)獲取茶湯的色澤信息，采用色敏型嗅覺傳感器獲取茶湯的香氣信息，采用基于簡單工作電極的味覺傳感器系統(tǒng)獲取茶湯的滋味信息；然后采用化學計量學方法對茶湯的視覺、嗅覺和味覺傳感信息進行預(yù)處理，并分別提取視覺、嗅覺和味覺傳感特征信息；最后融合視覺、嗅覺和味覺傳感特征信息，構(gòu)建茶葉產(chǎn)地判別模型，實現(xiàn)茶葉產(chǎn)地的判別；本發(fā)明融合視覺、嗅覺和味覺傳感特征信息能夠快速、準確的評判茶葉的原產(chǎn)地，并且操作智能簡便。

基于頻域介電理論的變壓器油紙絕緣老化狀態(tài)評估方法 775     

 0

本發(fā)明公開了一種基于頻域介電理論的變壓器油紙絕緣老化狀態(tài)評估方法，首先將變壓器冷卻后并短接，采用基于介電質(zhì)理論為基礎(chǔ)頻域譜分析法得到的復(fù)介電常數(shù)實部和虛部隨頻率變化曲線，采用極化雙弛豫模型，模型前后部分能分別反應(yīng)界面極化和離子極化兩種主要極化方式對油紙絕緣系統(tǒng)的破壞，最后將計算得到的特征參量與特征參量標準值進行對比，本發(fā)明分為五個步驟，對變壓器油紙絕緣系統(tǒng)絕緣狀態(tài)能夠做出有效的診斷，是一種先進的無損非破壞性檢測方法，可以對長久運行的油浸式變壓器的油紙絕緣結(jié)構(gòu)進行絕緣狀況的評估診斷，為電網(wǎng)的安全運行提供保障。

水下石油管道探傷機器人 820     

 0

本發(fā)明公開的一種水下石油管道探傷機器人。屬于水下機器人領(lǐng)域；包括耐壓艙組件、旋轉(zhuǎn)式推進裝置、管道探傷裝置組件、電池放置艙、全向照明裝置、豎直螺旋槳及浮標連接裝置。本發(fā)明提出的一種用于水下石油管道探傷的機器人，應(yīng)用于海底懸浮管道以及平鋪在海床上面的管道的無損探傷，同時對于垂直的立管也可以進行檢測。對于較少的管道環(huán)境，可以采用單個機器人進行工作，對于管道復(fù)雜的環(huán)境，可以采用多個水下管道探傷機器人協(xié)同工作，形成機器人群組，整體布局合理，結(jié)構(gòu)簡單，在水下石油管道探傷領(lǐng)域具有一定的實用性。

超聲脈沖激勵信號的波形產(chǎn)生系統(tǒng)及產(chǎn)生方法 1028     

 0

本發(fā)明公開了一種超聲脈沖激勵信號的波形產(chǎn)生系統(tǒng)及產(chǎn)生方法，屬于超聲無損檢測技術(shù)領(lǐng)域，本發(fā)明采用的具體步驟是：1)超聲脈沖激勵信號分解為若干個正弦分量；2)分別確定各正弦分量的參數(shù)；3)利用正弦波遞歸發(fā)生公式獲得一個正弦波分量各采樣點瞬時數(shù)據(jù)；4)重復(fù)步驟3)，獲得所有的正弦波分量各采樣點瞬時數(shù)據(jù)；5)各正弦分量數(shù)據(jù)疊加得到超聲脈沖激勵信號。另外，本發(fā)明還通過波形產(chǎn)生方法構(gòu)造了波形產(chǎn)生系統(tǒng)。本發(fā)明涉及的算法簡單，硬件實現(xiàn)成本低，采用該方法可以輸出頻率、幅值以及初始相位可調(diào)的超聲脈沖激勵信號，從而提高超聲脈沖激勵信號控制的靈活性。

氣孔直徑影響臨界折射縱波評價金屬材料應(yīng)力的修正方法 930     

 0

本發(fā)明公開了氣孔直徑影響臨界折射縱波評價金屬材料應(yīng)力的修正方法。優(yōu)化雙臨界折射縱波探頭的中心頻率與傳播距離，以臨界折射縱波接收信號幅值為評價參數(shù)，結(jié)合“當量法”確定臨界折射縱波檢測深度，并加工深度恒定，直徑不同的規(guī)則盲孔模擬內(nèi)部氣孔。利用壓力可調(diào)控的探頭夾持裝置采集臨界折射縱波信號，以臨界折射縱波通過相同傳播距離的時間差作為應(yīng)力評價參量，建立各直徑盲孔的臨界折射縱波傳播時間差與應(yīng)力間關(guān)系，進而獲得臨界折射縱波聲彈性系數(shù)與盲孔直徑間關(guān)系式，實現(xiàn)氣孔直徑影響臨界折射縱波評價應(yīng)力的修正。本發(fā)明方法具有無損、快速等優(yōu)點。

工程船舶平臺重吊的吊裝工藝 1174     

 0

本發(fā)明公開了工程船舶平臺重吊的吊裝工藝，包括如下步驟：（1）對吊裝基本條件進行分析；（2）合理布局吊點；（3）計算吊裝過程中平臺重吊對基座的沖擊力；（4）對平臺重吊和基座進行裝焊和無損檢測分析；（5）對吊裝過程進行動態(tài)仿真；（6）實際吊裝。本發(fā)明能夠細致考慮整個平臺重吊安裝工藝流程，包括從平臺離開系泊試驗碼頭到吊裝區(qū)域，直至安裝完成，既保證了平臺重吊安裝的一次性成功，又保證了安裝的經(jīng)濟性，安全性。

基于葉面積增長模型制定作物灌水策略的方法 888     

 0

本發(fā)明公開了一種基于葉面積增長模型制定作物灌水策略的方法，屬于農(nóng)業(yè)作物節(jié)水技術(shù)應(yīng)用領(lǐng)域。該方法分別利用植物葉面積計算方程構(gòu)建了葉片長、寬與葉面積的計算模型、利用四參數(shù)邏輯斯蒂方程構(gòu)建了葉面積隨時間變化的關(guān)系模型，根據(jù)葉面積隨時間變化的關(guān)系模型求出不同供水方案下葉面積增長速率升至最大所需的相對時間，由葉面積增長速率升至最大所需的相對時間的最小值所對應(yīng)的供水方案制定出作物的灌水策略。本發(fā)明步驟簡單、易于操作，還可以實現(xiàn)無損檢測，為作物灌水策略的研究提供理論依據(jù)和數(shù)據(jù)支撐。

繩纜受力聲光預(yù)警器 966     

 0

本實用新型的一種繩纜受力聲光預(yù)警器，繩纜上設(shè)置盒體，兩根無彈力繩遠端固定卡接在繩纜上，近端分別連接盒體和盒體內(nèi)部的強力彈簧，細鐵指針與金屬刻度盤在安全臨界點兩側(cè)的安全刻度區(qū)域、危險刻度區(qū)域構(gòu)成單刀雙擲開關(guān)，并分別連接安全指示綠燈、報警指示紅燈，報警指示紅燈還并聯(lián)有電鈴，能夠?qū)崟r顯示繩纜負荷狀態(tài)，量化繩纜長度與安全系數(shù)之間的關(guān)系，以準確控制繩纜受力情況，在不破壞繩纜的結(jié)構(gòu)的前提下即可進行無損檢測與危險報警，準確測量分析繩纜受力值，繩纜受力過大進入危險范圍時發(fā)出相應(yīng)的聲光警戒信號，從而有效預(yù)防和采取措施避免事故發(fā)生，減輕工作人員勞動強度，降低成本投入，安全系數(shù)高，操作方便。

高鐵用密接車鉤磨損的激光直接沉積修復(fù)方法 813     

 0

本發(fā)明涉及一種高鐵用密接車鉤磨損的激光直接沉積修復(fù)方法，屬于激光再制造領(lǐng)域，主要用于高鐵密接車鉤磨損區(qū)域的維修。該方法包括以下步驟：組織與性能評估，驗證修復(fù)工藝是否滿足密接車鉤質(zhì)量要求；車鉤磨損面的裂紋清理與表面清洗；車鉤裝夾與分修復(fù)單元激光熔覆修復(fù)；修復(fù)后尺寸測量驗證是否滿足尺寸要求；無損檢測，要求無裂紋缺陷。本發(fā)明提高了鐵密接車鉤的綜合性能，能減小裂紋的生成概率，過程調(diào)整方便快捷，工藝簡單，適用范圍廣，提高了密接車鉤的使用壽命，降低了再制造成本。

GK鑒別聚類的茶葉品種分類方法 904     

 0

本發(fā)明公開了一種GK鑒別聚類的茶葉品種分類方法，首先采集茶葉樣本近紅外光譜，對茶葉樣本紅外光譜預(yù)處理以及降維處理，然后提取茶葉訓(xùn)練樣本近紅外光譜的鑒別信息，對測試樣本進行模糊C均值聚類，最后利用GK鑒別聚類進行茶葉品種的分類。本發(fā)明具有檢測速度快、分類準確率高，綠色環(huán)保等優(yōu)點?？蓪崿F(xiàn)茶葉品種的無損，快速準確分類。

基于嗅覺可視化陣列的臘腸快速分級方法 1081     

 0

本發(fā)明一種基于嗅覺可視化陣列的臘腸快速分級方法，涉及肉制品品質(zhì)檢測技術(shù)領(lǐng)域。根據(jù)多產(chǎn)地不同等級的臘腸特征揮發(fā)性氣體組分進行了分析并篩選了相應(yīng)的氣敏材料，構(gòu)建了色敏傳感陣列。通過圖像采集裝置獲取傳感器陣列反應(yīng)前后圖像,將反應(yīng)前后傳感器陣列中各敏感單元的各通道灰度均值進行特征提取,即為被測樣本的氣味特征矩陣?；谔卣骶仃嚇?gòu)建判別模型，對臘腸等級進行快速判別。具有快速、無損，在線可視化的特點，可實現(xiàn)臘腸等級的快速判別。

用于并聯(lián)機器人的堆疊串類水果主果梗識別和提取方法 1098     

 0

本發(fā)明公開了一種用于并聯(lián)機器人的堆疊串類水果主果梗識別和提取方法。基于Kinect傳感器構(gòu)建該類水果的立體視覺檢測系統(tǒng)，獲取三維視覺信息，構(gòu)建數(shù)據(jù)集，通過圖像處理方法增加其分布范圍。構(gòu)建一種卷積神經(jīng)網(wǎng)絡(luò)，增加特征量?；跇?gòu)建的CNN架構(gòu)改進現(xiàn)有Faster?R?CNN，設(shè)計由粗到精和參數(shù)分享策略實現(xiàn)Faster?R?CNN的級聯(lián)，減少背景干擾。設(shè)計多遷移學習訓(xùn)練策略對網(wǎng)絡(luò)進行訓(xùn)練直到精度達標，將滿足測試精度要求的已訓(xùn)練的由粗到精級聯(lián)Faster?R?CNN用于實現(xiàn)并聯(lián)機器人水果分揀系統(tǒng)中堆疊串類水果的在線主果梗識別和提取，并提高識別和提取的精度和效率，為基于立體視覺的并聯(lián)機器人實現(xiàn)對堆疊串類水果的準確、快速、無損自動分揀奠定基礎(chǔ)。

自動化控制電子元器件 1018     

 0

本發(fā)明公開了一種自動化控制電子元器件，所述儀表安裝前應(yīng)按設(shè)計位號核對其型號、規(guī)格及材質(zhì)，檢查儀表外觀應(yīng)完好無損，附件齊全，所述儀表安裝前應(yīng)進行單體試驗和校準，所述儀表安裝時，其位置不得影響工藝操作，儀表中心距地面高度宜為1.2~1.5米，所述安裝在工藝管道的儀表或測量元件，宜在工藝管道吹掃后，壓力試驗前安裝，儀表標定流向應(yīng)與被測介質(zhì)流向一致，所述儀表設(shè)備上的接線盒、進線孔的引入口不應(yīng)向上，所述儀表設(shè)備標志牌上的文字及端子編號等應(yīng)書寫或打印正確、清楚；本發(fā)明的儀表精確度高，抗干擾力好，提升了儀表性能。

用于并聯(lián)機器人的基于主果梗深度的堆疊串類水果抓取優(yōu)先級確定方法 750     

 0

本發(fā)明公開了一種用于并聯(lián)機器人的基于主果梗深度的堆疊串類水果抓取優(yōu)先級確定方法。在并聯(lián)機器人水果分揀系統(tǒng)下基于Kinect傳感器構(gòu)建堆疊串類水果的立體視覺檢測系統(tǒng)，獲取堆疊串類水果三維視覺信息，通過設(shè)計深度參照物構(gòu)建預(yù)訓(xùn)練數(shù)據(jù)集，并構(gòu)建堆疊串類水果的主果梗深度數(shù)據(jù)集，對數(shù)據(jù)集進行擴充，增加數(shù)據(jù)集分布范圍。構(gòu)建主果梗深度集分級模型，增加主果梗深度的特征量。設(shè)計多遷移學習訓(xùn)練策略對網(wǎng)絡(luò)進行訓(xùn)練，對網(wǎng)絡(luò)進行可視化分析和精度測試，調(diào)節(jié)參數(shù)，多次訓(xùn)練，直到精度滿足要求為止，實現(xiàn)堆疊串類水果的深度集分級。最終實現(xiàn)堆疊串類水果抓取優(yōu)先級的準確確定，為并聯(lián)機器人實現(xiàn)對堆疊串類水果的準確、快速、無損自動分揀奠定基礎(chǔ)。

自動化儀表控制系統(tǒng) 722     

 0

本發(fā)明公開了一種自動化儀表控制系統(tǒng)，所述儀表安裝前應(yīng)按設(shè)計位號核對其型號、規(guī)格及材質(zhì)，檢查儀表外觀應(yīng)完好無損，附件齊全，所述儀表安裝前應(yīng)進行單體試驗和校準，所述儀表安裝時，其位置不得影響工藝操作，儀表中心距地面高度宜為1.2~1.5米，所述安裝在工藝管道的儀表或測量元件，宜在工藝管道吹掃后，壓力試驗前安裝，儀表標定流向應(yīng)與被測介質(zhì)流向一致，所述儀表設(shè)備上的接線盒、進線孔的引入口不應(yīng)向上，所述儀表設(shè)備標志牌上的文字及端子編號等應(yīng)書寫或打印正確、清楚；本發(fā)明的儀表表精確度高，抗干擾力好，提升了儀表性能。

鎳基高溫合金渦輪支撐座氬弧焊修復(fù)方法 730     

 0

本發(fā)明一種鎳基高溫合金渦輪支撐座氬弧焊修復(fù)方法，包括以下步驟：S1、選擇與支撐座材料成分一致的鎳基高溫合金焊絲；S2、修復(fù)前表面清理；S3、先用鋁箔紙在支撐座上貼成一個保護罩，再用氣管一直往里充氬氣，將焊縫背面置于一個密閉的氬氣保護環(huán)境中，然后再將貼好鋁箔的支撐座安裝在專門的防變形工裝中；S4、氬弧焊修復(fù)，將缺口位置全部焊滿，目視檢查完全焊滿，無咬邊和凹坑現(xiàn)象，補焊分多次完成，直至補焊結(jié)束；S5、焊后熱處理；S6、打磨加工；S7、無損檢測。本發(fā)明降低了發(fā)動機渦輪支撐座的使用和維修成本，修復(fù)部位無裂紋缺陷。

復(fù)合芯棒扭轉(zhuǎn)試驗機 1096     

 0

本發(fā)明的復(fù)合芯棒扭轉(zhuǎn)試驗機包括工作臺、動力系統(tǒng)、前夾持組件、后夾持組件以及張緊機構(gòu)。測試時，試樣芯棒通過前、后夾持組件利用錐度配合來夾緊定位，因而夾緊作用穩(wěn)定可靠，對芯棒無損傷。整套設(shè)備結(jié)構(gòu)緊湊，簡潔明了，經(jīng)濟適用，操作方便，為檢測復(fù)合芯棒抗扭轉(zhuǎn)性能提供了一套簡便可靠的測試途徑。

QR模糊鑒別分析的生菜近紅外光譜分類方法 1025     

 0

本發(fā)明公開了一種QR模糊鑒別分析的生菜近紅外光譜分類方法，首先獲取待分類生菜樣本的近紅外線光譜數(shù)據(jù)；對生菜的近紅外線光譜數(shù)據(jù)進行預(yù)處理，消除散射影響；對S2中預(yù)處理后的近紅外線光譜數(shù)據(jù)進行降維處理，并將降維處理后的近紅外線光譜數(shù)據(jù)劃分為生菜樣本訓(xùn)練集和生菜樣本測試集；采用QR模糊鑒別分析方法提取出降維處理后的近紅外線光譜數(shù)據(jù)的鑒別信息；基于p范數(shù)距離測度的模糊聚類方法對測試樣本進行分類。本發(fā)明的分類方法通過QR模糊鑒別分析提取生菜近紅外線光譜的分類信息數(shù)據(jù)，再用QR分解方法使特征空間正交化，消除投影空間中特征向量之間的相關(guān)性，降低模糊聚類對噪聲數(shù)據(jù)的敏感性；實現(xiàn)對生菜的快速、準確、無損的安全檢測。

超聲導(dǎo)波發(fā)生器 913     

 0

本實用新型公開了一種超聲導(dǎo)波發(fā)生器，包括夾具體、緊固螺釘、剛玉墊片和振源，夾具體包括垂直底板、上側(cè)板和下側(cè)板，上側(cè)板和下側(cè)板之間構(gòu)成叉口，垂直底板中心設(shè)有窗口。振源為巨磁致伸縮材料制成的芯棒，芯棒一端浸有絕緣漆并繞有線圈，夾具體的叉口插在被檢管道端頭的管壁上下側(cè)，繞有線圈的芯棒一端穿出窗口，芯棒另一端貼合在被檢管道的端頭上側(cè)，緊固螺釘下端擰入夾具體的上側(cè)板，依次通過墊片和芯棒一端壓在被檢管道的端頭上。本實用新型工作頻率范圍大，信號幅值高，分辨率高，缺陷定位精確，在無損檢測領(lǐng)域具有廣闊的應(yīng)用前景。

利用電生理信號快速表征植物晝夜節(jié)律的裝置及方法 1145     

 0

本發(fā)明提供了一種利用電生理信號快速表征植物晝夜節(jié)律的裝置及方法，屬于植物生物物理信息檢測領(lǐng)域。本發(fā)明利用兩電極板將待測植物葉片夾住，測定不同植物葉片電生理參數(shù)，以正弦函數(shù)擬合植物電生理信號隨時間的變化關(guān)系，建立植物葉片電生理信號隨時間周期性變化動態(tài)模型，根據(jù)模型的變化規(guī)律獲取待測植物葉片電生理信號的晝夜節(jié)律，通過模型中的各參數(shù)值表征待測植物基于不同電生理信號的植物晝夜節(jié)律特征。本發(fā)明能便捷、無損、精確在線測定基于電生理信號的植物晝夜節(jié)律，測定結(jié)果可量化，不同批次具有可比性，為揭示植物晝夜節(jié)律及其發(fā)生規(guī)律提供科學依據(jù)。

超聲專業(yè)字典的構(gòu)造和使用方法 859     

 0

本發(fā)明提供一種超聲專業(yè)字典的構(gòu)造和使用方法，包括超聲專業(yè)字典的構(gòu)造以及利用所構(gòu)建的超聲專業(yè)字典對脈沖超聲信號進行稀疏分解，通過使用超聲專業(yè)字典，可以快速得到超聲信號的最簡潔表達。字典中原子類的選擇充分考慮了脈沖超聲信號與原子類的幾何結(jié)構(gòu)相似性，其參數(shù)設(shè)置、離散化、搜索路徑、匹配準則、尋優(yōu)準則及判斷準則均經(jīng)過對脈沖超聲信號的預(yù)訓(xùn)練得到，該字典還具有學習功能，可以根據(jù)實際使用情況，進行原子庫更新。本發(fā)明的技術(shù)方案可極大改變目前超聲信號稀疏分解時計算復(fù)雜度高、時間貪婪性及分解穩(wěn)定性差的弊端，為可用于醫(yī)學超聲檢測與成像領(lǐng)域、工農(nóng)業(yè)超聲無損檢測領(lǐng)域和超聲通訊領(lǐng)域的應(yīng)用提供支撐。

自適應(yīng)聚類的生菜品種鑒別方法 1021     

 0

本發(fā)明公開了一種自適應(yīng)聚類的生菜品種鑒別方法，包括：步驟1、生菜樣本光譜的采集：用光譜儀采集不同品種的生菜樣本，獲取生菜樣本的漫反射光譜；步驟2、光譜的降維處理：采用主成分分析方法(PCA)將生菜樣本光譜的維數(shù)降低；步驟3、進行生菜光譜的模糊C均值聚類，得到模糊隸屬度以及聚類中心；步驟4、計算自適應(yīng)聚類方法的參數(shù)λ；步驟5、采用自適應(yīng)聚類方法進行生菜品種的鑒別。本發(fā)明采用無損檢測技術(shù)，無需學習樣本，具有檢測速度快，鑒別準確率高等優(yōu)點，可對多個品種的生菜進行準確鑒別。特別是在聚類包含噪聲數(shù)據(jù)的生菜光譜數(shù)據(jù)方面優(yōu)于模糊C均值聚類，在聚類性能上要優(yōu)于現(xiàn)有的模糊C均值聚類。

基于風味分析的馬鈴薯全粉快速鑒別方法 1085     

 0

本發(fā)明一種基于風味分析的馬鈴薯全粉快速鑒別方法，屬于馬鈴薯主食化原料品質(zhì)安全檢測領(lǐng)域，提出基于頂空固相微萃取技術(shù)結(jié)合氣?質(zhì)聯(lián)用法對馬鈴薯生全粉風味組分進行定性分析，構(gòu)建嗅覺智能檢測系統(tǒng)。通過對樣品的傳感響應(yīng)信號采集和提取分析，應(yīng)用模式識別方法建立馬鈴薯生全粉的判別模型。本發(fā)明以不同加工溫度的馬鈴薯全粉的風味特性分析為依據(jù)，基于智能感官技術(shù)，模擬人類嗅覺對不同加工條件的脫水馬鈴薯原料進行智能判別。本發(fā)明為馬鈴薯全粉的加工和質(zhì)量調(diào)控提供了一種快速、無損、較為準確的方法，可應(yīng)用于馬鈴薯主食化生產(chǎn)的原料采購、加工、貯藏等多個環(huán)節(jié)，為馬鈴薯主食化產(chǎn)品的品質(zhì)保障提供理論依據(jù)。

具有復(fù)合材樹脂環(huán)纖粉玻塑制品的制備工藝 918     

 0

本發(fā)明公開了一種具有復(fù)合材樹脂環(huán)纖粉玻塑制品的制備工藝，制品包括以下組分：塑料，助劑，其余為樹脂環(huán)纖粉；該制備工藝步驟：（1）將不帶元器件的廢舊電子線路板粉碎，將粒料經(jīng)過空氣和靜電分離，提取得到樹脂環(huán)纖粉；（2）將樹脂環(huán)纖粉等離子處理；（3）將樹脂環(huán)纖粉粒料送至混煉裝置，并向混煉裝置中加入塑料及助劑進行混合，混合后干燥，然后造粒；（4）將所造粒料在電烘箱中預(yù)熱，然后注入金屬模具，擠壓成型，再保壓，然后脫模卸件得到制品；（5）對制品熱處理；6）對熱處理后的制品修整，并進行無損檢測，檢測入庫；本發(fā)明制備工藝簡單易行，充分利用了電子工業(yè)廢棄物，有效回收利用了樹脂環(huán)纖粉，綠色無污染，成本低廉。

小型水果內(nèi)部品質(zhì)智能分級設(shè)備 987     

 0

本發(fā)明涉及一種小型水果內(nèi)部品質(zhì)智能分級設(shè)備，包括外殼體、上料口、漫反射激光傳感器、輸送裝置，包含電動機，主動帶輪，從動帶輪，同步皮帶，鏈條及鏈條上的輪輥、近紅外光譜檢測裝置，裝置內(nèi)安裝有光譜儀、光纖、光纖準直鏡、鹵素燈光源、隔熱板及散熱風扇、分級裝置，由空氣壓縮機，軟管，電磁閥，氣動接頭構(gòu)成、果箱、上位機電腦，安裝有分級程序軟件、下位機工控機，其控制面板可對設(shè)備進行相關(guān)控制和參數(shù)設(shè)置，光譜儀通過數(shù)據(jù)線與上位機電腦通信，上位機通過串口線與工控機通信。本發(fā)明基于近紅外光譜技術(shù)，相較于傳統(tǒng)依靠外部品質(zhì)的分級設(shè)備，分級快速無損，精度高，重復(fù)性好，穩(wěn)定性強，可實現(xiàn)水果內(nèi)部品質(zhì)的快速智能檢測分級。

缺陷量化參數(shù)估計方法 1109     

 0

本發(fā)明涉及一種缺陷量化參數(shù)估計方法，主要針對材料或結(jié)構(gòu)體內(nèi)部缺陷，提出一種利用脈沖超聲回波進行缺陷參數(shù)估計的簡明方法。該方法主要特點是采集數(shù)據(jù)量非常少，超聲回波模型簡單方便，可由三角形模型確定。利用采集到的少量回波信號數(shù)據(jù)估計得到與缺陷量化參數(shù)相關(guān)的波達時刻、回波最大峰值、回波上升速率和下降速率、回波寬度及帶寬?？捎糜跓o損檢測與評估領(lǐng)域中缺陷檢測與參數(shù)量化等場合。

植物油的分類方法 845     

 0

本發(fā)明公開了一種植物油的分類方法，采用氣相?離子遷移聯(lián)用技術(shù)對不同種類植物油中的揮發(fā)性有機化合物進行檢測，并以該信息作為分類依據(jù)。本發(fā)明采用不同保留時間下對應(yīng)的離子遷移時間和離子強度表征不同植物油的特征信息，包括，三維譜圖的采集；譜圖特征區(qū)域的選?。粩?shù)據(jù)的預(yù)處理；化學計量數(shù)據(jù)分析，從而將樣品進行分類。本發(fā)明方法可以將氣相?離子遷移聯(lián)用技術(shù)廣泛應(yīng)用于含復(fù)雜體系的食品與農(nóng)產(chǎn)品的品質(zhì)快速分析領(lǐng)域，分析時間短，高分辨率和高靈敏度，無損檢測，可應(yīng)用于植物油的分類。

混合模糊C均值聚類的蘋果品種分類方法 1091     

 0

本發(fā)明公開了一種混合模糊C均值聚類的蘋果品種分類方法，采集蘋果樣本的近紅外光譜；針對不同品種的蘋果樣本，用近紅外光譜儀采集蘋果樣本的傅里葉近紅外漫反射光譜信息，將光譜信息存儲在計算機里；對蘋果近紅外光譜進行降維處理；將蘋果樣本近紅外光譜采用主成分分析方法(PCA)進行壓縮降維處理；用混合模糊C均值聚類方法對蘋果品種進行分類處理，根據(jù)混合模糊C均值聚類方法得到模糊隸屬度，對蘋果品種進行分類。能夠有效實現(xiàn)對蘋果檢測速度快，分類準確率高，不造成損壞，提高分類蘋果品種分類的準確率，且采用近紅外光譜技術(shù)實現(xiàn)無損檢測。

模糊簇間分離聚類的茶葉品種分類方法 724     

 0

本發(fā)明公開了一種模糊簇間分離聚類的茶葉品種分類方法，包括步驟如下：S1茶葉樣本的傅里葉近紅外光譜采集；S2用多元散射校正進行茶葉樣本近紅外光譜的預(yù)處理；S3用主成分分析實現(xiàn)近紅外光譜降維處理；S4用線性判別分析實現(xiàn)近紅外光譜數(shù)據(jù)的鑒別信息提??；S5用一種模糊簇間分離聚類進行茶葉品種分類。本發(fā)明解決了用傳統(tǒng)模糊簇間分離聚類處理復(fù)雜數(shù)據(jù)結(jié)構(gòu)時聚類效果不理想問題。本發(fā)明具有檢測速度快，無損檢測，能處理復(fù)雜光譜數(shù)據(jù)，茶葉品種分類準確率高等優(yōu)點。

熒光光譜信息的提取方法 989     

 0

本發(fā)明公開了一種熒光光譜信息的提取方法。傳統(tǒng)二維相關(guān)分析是靠分析人員的經(jīng)驗進行不同物質(zhì)的識別，本發(fā)明方法主要解決的問題是如何將傳統(tǒng)的感性認識上升到理性的準確的定量表達。本發(fā)明采用相關(guān)圖上的特定等高線所圍成的面積來探討評價物質(zhì)信息的最佳表征參數(shù)科學表達方法，包括以下步驟：步驟一，動態(tài)光譜的采集；步驟二，光譜的預(yù)處理；步驟三，同步等高線圖譜的繪制；步驟四，等高線圖譜的面積計算，從而將圖譜量化處理。本發(fā)明方法可以將二維相關(guān)熒光光譜分析技術(shù)廣泛應(yīng)用于含復(fù)雜體系的食品與農(nóng)產(chǎn)品的品質(zhì)快速分析領(lǐng)域，檢測成本低，分析時間短，檢測無損。