以南昌海关技术中心115个油茶籽粕样品为研究对象,比较了不同扫描次数和装样厚度对样品近红外光谱的影响。选择扫描次数为32次,装样厚度为4 mm,并根据不同预处理方法对所建立的油茶籽粕中灰分含量近红外模型的影响筛选出最佳预处理方法——归一化(Standard Normal Variate,SNV)、一阶导数(DG1)和9点平滑(Smooth Savitzky-Golay 9 points,SG9)。利用偏最小二乘法建立了油茶籽粕灰分含量的定量分析模型,其校正相关系数为0.9698,校正均方根误差为0.5236,预测相关系数为0.9575,预测均方根误差为0.6211。为验证模型的适用性,对15个未参与模型建立的油茶籽粕样品的灰分含量进行了预测,并将预测结果与国标方法GB 5009.4-2016的测定结果进行成对结果t检验,得到该方法与国标方法的结果不存在显著差异的结论。近红外方法将极大地提高油茶籽粕品质检测速度和效率、降低检测人员工作量、减少化学试剂的使用,为实现快速、高效的油茶籽粕质量分级和监管提供了技术基础。

对于产品内部零部件的漏装、错装及相互之间空间位置关系是否正确的快速自动无损检测，依旧是行业内没有很好解决的难题。研制了基于单相机的X射线视觉检测系统，获取产品在全周向视角下垂直于射线光路的图像序列，提取识别特征，完成快速自动识别。研究了系统成像的物理机理，提出了空间采样频率与先验已知的最小结构尺寸及系统分辨率之间关系的空间采样准则，保障空间结构信息的完整获取；剖析序列图像之间的有序相关性，实现在单一或有限方位下利用不完全数据的快速识别理论。统计结果表明，在平均误检率小于4.5%的情况下，系统对每个产品的平均识别时间小于5 s。