排序方式: 共有96条查询结果,搜索用时 15 毫秒
1.
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
2.
用MirrorOp推屏软件或"推送宝"等设备,可以实现将手机或平板电脑显示屏向投影屏幕的实时推送。这种跨平台同屏显示技术,可以解决化学教学中的某些现实问题,由此带来的教师课堂自由度的改善,有利于缓解多媒体教学中的"互动性缺乏"问题。 相似文献
3.
为进一步提升图像比色法测定补铁药物中铁含量的准确性及普适性,考察了拍摄环境对结果的影响,确定了适用于图像比色分析的定量参数,比较使用不同容器来盛装溶液所获得的比色结果,在最优条件下测定了实际样品中铁的含量及加标回收率。结果显示,获得可靠数据的关键是将标准溶液、待测液以及空白溶液拍摄在同一张图片上;由溶液图像R值换算的吸光度值与浓度具有最佳的线性关系;分析以比色皿、试管、点滴板为容器获得的溶液图片,都能得到适合于定量比色分析的数据;测定的加标回收率大于95%。该方法操作简便,测定结果准确,可在各种条件下的高中化学实验室中开展。 相似文献
4.
5.
利用智能手机和小木盒构建的数字图像比色法(DIC)完成了水中六价铬浓度的快速检测。利用智能手机能够同时对显色溶液进行照明、图像采集和数据处理,可以快速定量检测六价铬。在六价铬0.05~0.80mg/L浓度内有良好的线性范围,线性方程为y=127.939x+73.181,相关系数为0.994;考察了方法的重现性,对2种质量浓度样品进行检测,其相对标准偏差(RSD)为1.5%~5.5%,测定结果和分光光度法对水样进行测定的结果基本一致,证明了方法的可靠性及准确性。 相似文献
6.
7.
8.
9.
10.