排序方式: 共有103条查询结果,搜索用时 15 毫秒
11.
智能手机的主要叶类蔬菜品质和新鲜度指标的光谱检测 总被引:2,自引:0,他引:2
蔬菜品质和新鲜度的高低不仅影响食用时的口感,而且营养程度也不一样。作为蔬菜品质和新鲜度重要参考指标之一的叶绿素和含水量的检测,已经越来越受到国内外学者的重视。相比于传统的肉眼目视判断的检验方法,可见-近红外光谱分析具有快速高效、无损、非接触等独特的优势,更加适合蔬菜的实时检测。目前相关研究主要集中在生长中植被叶绿素和含水量的反演,对市场上成品蔬菜的研究较少,或者研究对象单一,缺乏市场普适性。此外,光谱数据的获取需要专业的光谱仪采集,费时费力,各种生理生化指标的研究离实用化还有很长的距离。为了与实际相结合,基于智能手机光谱系统(SCSS)建立了快速、准确、普适性强的反演蔬菜叶绿素和含水量的模型,并通过地面光谱仪SVC数据验证了该系统的可靠性。选取市场典型的五种蔬菜(菠菜、小油菜、油麦菜、生菜和娃娃菜)作为实验样本,分别进行常温保存和冷藏保存来模拟现实中菜市场和超市的蔬菜储存环境。每隔24 h进行一次数据采集。对获取的原始光谱数据进行波段选择和小波变换去噪的预处理。构建蔬菜叶绿素反演指数(VCRI(m, n))和蔬菜含水量反演指数(VWRI(i, j)),分别提取该两个指数与叶绿素和含水量实测值的相关系数R作为权重系数,最终建立了叶绿素和含水量的加权平均反演模型。实验结果表明,SVC仪器和SCSS两者数据针对蔬菜叶绿素和含水量的敏感波段基本一致,叶绿素反演的敏感波段在730~980 nm之间,反演精度R2分别为0.863和0.808 1,标准差为8.679 5和8.892 5;含水量反演的敏感波段在水汽吸收波段950~1 000 nm之间,反演精度R2分别为0.742 9和0.712 9,标准差为8.789 9%和8.861 4%。SVC实验数据跟SCSS实验数据结果十分接近,验证了新型智能手机光谱系统实时监测蔬菜叶绿素和含水量的有效性。智能手机光谱系统具有体积小、价格便宜的优势,结合网络云端服务和实时数据反馈的特点,能够实现蔬菜品质和新鲜度指标的智能检测,让光谱分析真正应用于人们日常生活中。 相似文献
12.
13.
铁离子和硫氰化钾反应生成稳定的血红色络合物硫氰化铁,用智能手机拍摄所得图像的颜色反映在图像的RGB值上。随着该溶液浓度的增大,溶液颜色逐渐加深,反映在拍摄的图像中颜色的RGB值也在变化,并且得出该溶液颜色的R值与溶液的浓度成线性关系。结果显示,用该实验方法测得的抗贫血药物中铁的含量与用紫外分光光度法测得同一药品中铁的含量相比误差为5%;并且该实验方法在中学的化学实验课中很容易实现,避免了学生用目视比色法测量抗贫血药物中铁的含量时因标准溶液的色阶选择不合适而导致实验的失败。 相似文献
14.
15.
16.
本实验用智能手机App Video Physics追踪小球在竖直平面内做圆周运动的情况,研究了不同质量的小球从同一高度静止释放到达最低点的速度关系,研究了从不同高度静止释放小球的速度与运动轨迹之间的关系,计算了小球在圆形轨道上运动时的向心力、角速度,以及当小球与圆形轨道等高静止释放时小球的脱离点速度. 相似文献
17.
18.
《中国惯性技术学报》2019,(6)
提高步频检测的识别率和步长估计的精度是行走轨迹推算定位技术的两个关键。基于手机加速计和行人位置推算原理,利用巴特沃斯滤波器提取手机加速度信号中与行人步态事件相关的信息;借助于峰值探测法识别步频,进而利用步频探测获得的步频点分割加速度信号;通过分析行人行走时的特征,建立了基于加速度波形面积的步长估计模型,以此估计行人的行走路程。实验表明:手机在不同携带位置下,利用频域滤波器提取的信息探测步频的平均识别率达99%以上;在不同步速下,基于面积估计模型的路程估计的平均可靠度在98%以上。 相似文献
19.
建立空气辅助分散液液微萃取-数字成像比色法快速检测水环境中阴离子表面活性剂(LAS)的方法。优化选择了空气辅助分散液液微萃取过程中萃取剂种类及其含量、萃取次数以及比色法定量的参数。实验结果表明,LAS的质量浓度在0.10~0.80 mg/L范围内与分析信号值具有良好的线性关系,检出限为0.01 mg/L。测定结果的相对标准偏差为1.0%~3.3%(n=10),加标回收率为95.7%~99.5%。该方法操作简便,灵敏度高,大大降低了有机萃取剂的使用,可快速检测水环境中LAS的含量。 相似文献