近红外光谱的李果实褐变鉴别方法研究

在采后冷藏过程中,李果实很容易发生褐变,这是影响其品质的重要因素之一。有关李果实褐变的传统检验手段绝大多数为破坏性检验,且主观性强、一致性差。为此,使用了近红外光谱的方法来实现对李果实褐变和非褐变的无损、快速鉴别。采集4 000～12 500 cm-1波长范围内的124个李果实样品(褐变样品70个,非褐变样品54个)的近红外漫反射光谱,基于主成分分析的马氏距离判别分析和反向传播人工神经网络定性鉴别模型,通过比较和考察上述模型对褐变样品和非褐变样品识别的准确程度,筛选出能够有效鉴别李果实褐变的新方法。结果表明：在对样品全波段光谱数据做主成分分析后,以前10主成分得分作为输入变量所建立起来的马氏距离判别分析和反向传播人工神经网络模型均能够对李果实褐变与否进行有效识别,且后者判别效果更佳,其校正集和预测集的判别正确率分别为100%和97.56%,对非褐变样品和褐变样品的判别正确率分别达到100%和98.57%。因此,采用近红外光谱分析技术并结合化学计量学方法能够对李果实是否褐变进行快速、无损、有效的鉴别。     

基于正则化RBF的轨道不平顺在线监测系统研究

为了得到列车行进过程中准确的轨道不平顺状态,提出了一种基于以太网的轨道平顺度车载实时动态监测系统,分析了系统的结构和检测原理,通过惯性基准法利用激光位移传感器和振动加速度传感器对轨道不平顺度数据进行采集,基于两传感器数据融合时间不同步、数据率不一致的特点,提出了利用正则化RBF （径向基函数）网络拟合的算法,该方法可以将不同传感器测得的不同采样周期的数据对准到同一时间点上,得到轨道不平顺结果。将拟合值和真实值进行比较,正则化RBF拟合和常规方法拟合的平均相对误差分别为1.9％和3.7％,均方误差分别为0.41和2.35,相比之下,正则化RBF网络拟合效果更好。结果表明该系统能够更真实的反应轨道的动态不平顺。