辐射研究与辐射工艺学报
2024, 42(1): 010602
1 四川轻化工大学计算机科学与工程学院, 四川 宜宾 644000
2 四川轻化工大学物理与电子工程学院, 四川 宜宾 644000
3 四川轻化工大学自动化与信息工程学院, 四川 宜宾 644000
快速、 准确检测酒醅酸度, 可显著提高白酒出酒率和成品酒品质。 近红外光谱(NIR)提供了分子的倍频和合频, 即有机物中含氢基团(C-H、 N-H、 O-H)的振动信息, 通常用于样品中含氢化合物的定性和定量分析。 采用NIR能简单、 迅速的测定酒醅酸度, 克服了传统化学分析方法检测周期长、 试剂消耗大、 人为误差等不足。 由于NIR是一种间接分析技术, 如何建立校正模型是准确检测酒醅酸度的关键。 作为深度学习中的典型模型, 卷积神经网络(CNN)具有局部区域连接, 分享权值等优点, 不仅能从复杂的光谱数据中提取关键特征, 还能减少网络模型的复杂度。 因此, 提出基于CNN和NIR的酒醅酸度定量分析方法, 以某酒企生产线中采集的545个酒醅样本光谱数据作为研究对象, 采用标准正态变换(SNV)、 Savitzky-Golay (SG）滤波和一阶求导（1stD）三种算法相结合对原始光谱进行预处理; 利用无信息变量消除法(UVE)选择光谱数据的特征波长; 使用CNN建立酒醅酸度模型。 结果表明: (1)对光谱数据进行预处理后, 消除了原始光谱中的基线偏移, 噪声等问题; 经过预处理后的光谱数据模型相较于原始光谱建模, 预测集决定系数提升了22.85%, 预测集均方根误差降低了0.049 5, 提高了酒醅酸度与光谱反射率的相关性。 (2)对光谱数据进行波长筛选后所建立的模型相较于全波段建模, 预测集决定系数提升了2.04%, 预测集均方根误差降低了0.004 8。 (3)基于CNN建立的酸度预测模型, 预测集决定系数为0.955 5, 预测集均方根误差为0.039 1。 相较于偏最小二乘回归模型, 预测集决定系数提升了1.03%, 预测集均方根误差降低了0.097 6; 相较于反向传播神经网络模型, 预测集决定系数提升了1.16%, 预测集均方根误差降低了0.099 4。 该方法可实现对酒醅酸度的快速、 准确测量, 为后续酒醅酸度在线检测提供方法支撑。
卷积神经网络 近红外光谱 酒醅酸度 白酒 Convolutional neural network Near infrared spectroscopy Acidity of fermented grains Liquor 光谱学与光谱分析
2023, 43(12): 3726
探讨辐照酱板鸭风味控制的有效措施。采用60Co-γ射线和电子束辐照酱板鸭，通过对电子鼻、电子舌实验数据进行雷达分析、主成分分析（Principal components analysis，PCA）和线性判别分析（Linear discriminant analysis，LDA），研究抗氧化剂（0.02% VE+0.03% 茶多酚+0.02% TBHQ）、辐照温度（室温、冰温）和贮藏时间（0 d、30 d）等因素对酱板鸭风味的影响。结果表明：60Co-γ射线和电子束辐照处理酱板鸭样品气滋味差异显著（p<0.05），滋味差异主要表现在苦味、涩味和甜味；气味差异主要表现在W2W（芳香化合物和有机硫化物）、W1W（无机硫化物）、W1S（烃类物质）、W5S（氮氧化合物）和W2S（醇类和部分芳香型化合物）；各冰温处理组气滋味特征与对照组最接近，各添加抗氧化剂组气滋味特征次之，冰温+添加抗氧化剂的处理对辐照酱板鸭气滋味并未产生明显的协同作用。冰温处理和添加抗氧化剂处理能一定程度上控制辐照酱板鸭风味改变，本研究为辐照酱板鸭风味控制手段选择提供了理论支撑。
酱板鸭 辐照 电子鼻 电子舌 风味 Spicy salted duck Irradiation Electronic nose Electronic tongue Flavor 辐射研究与辐射工艺学报
2023, 41(6): 060402
1 湖南省核农学与航天育种研究所长沙 410125
2 湖南省水产科学研究所长沙 410153
3 怀化学院怀化 418000
4 湖南省农业生物辐照工程技术研究中心长沙 410125
采用60Co γ射线（吸收剂量为0 kGy、5 kGy、15 kGy、20 kGy、30 kGy和50 kGy）对不同含水量的克氏原鳌虾副产物进行辐照，研究了辐照对克氏原鳌虾副产物的pH、溶解度、游离氨基酸含量及结构特性的影响。结果表明：辐照降低克氏原鳌虾副产物的pH，即pH从7.93降低到7.22；随着吸收剂量及含水量的增加，克氏原鳌虾副产物的溶解度升高，各处理样品中溶解度最高达35.71%，最低为16.23%；辐照能提高克氏原鳌虾副产物中游离氨基酸含量，当吸收剂量为50 kGy时，游离氨基酸含量达到34.66%；通过紫外和红外扫描观察，克氏原鳌虾副产物在辐照前后的吸收特征峰没有太大的变化，但吸收强度发生变化。
克氏原鳌虾 副产物 辐照 降解 Procambarus clarkii Byproducts Irradiation Depolymerization 辐射研究与辐射工艺学报
2023, 41(5): 050401
中国电子科技集团公司 第二十九研究所, 四川 成都 610036
为了研究不同封装条件对低温共烧陶瓷(LTCC)基板封装焊接后残余热应力的影响, 该文针对不同温变载荷下LTCC基板的热应力变形进行了仿真计算和实验测试, 结果显示仿真计算与实验测试结果具有较好的一致性, 验证了数值仿真用于LTCC基板封装焊接后残余热应力仿真的可行性。在此基础上对零膨胀合金底板和硅铝合金封装条件下3种典型工作温度对应的LTCC基板的热应力进行了仿真计算。结果表明, 封装焊接后LTCC基板两侧边缘应力集中, 中间残余应力小, 呈翘曲状态, 采用硅铝合金封装焊接的热应力小于零膨胀合金封装。
低温共烧陶瓷(LTCC) 残余热应力 热变形仿真 封装 low temperature co-fired ceramics (LTCC) residual thermal stress thermal deformation simulation package
针对计算鬼成像采样过程中由于外界影响而出现的物体信息缺失问题，将小波分析应用于计算鬼成像系统中，同时在此系统中引入图像融合方法，构建一种基于图像融合的计算鬼成像系统，对此问题进行了仿真模拟与实验研究。并对结果进行了分析，结果显示此系统可以有效恢复待测物体信息、提高成像质量，相较于传统的计算鬼成像系统更加适用于实际应用环境。
鬼成像 小波分析 信息恢复 图像融合 成像系统 激光与光电子学进展
2023, 60(20): 2011001
1 武警部队研究院 系统工程研究所, 北京 100012
2 军事科学院系统工程研究院 总体研究所, 北京 100012
3 武警北京市总队参谋部通信大队, 北京 100000
针对超大视场红外图像畸变大、与人眼视觉差异明显的问题, 提出了一种基于精确模型和逆投影的超大视场红外图像畸变校正算法以改善其视觉效果。该算法首先利用精确模型对超大视场红外相机成像中的物、像关系进行描述; 然后, 针对红外图像像素采样率不高的缺点, 利用较为精确的三次卷积插值法对图像进行插值来补全成像信息; 最后, 根据校正图像上的待赋值像点的坐标, 结合校正模型和超大视场红外相机精确模型, 计算该像点逆投影到插值图像时的对应坐标, 并以最近邻像点像素值作为校正后图像像点的赋值。车载道路场景下的超大视场红外图像畸变校正实验结果显示, 所提出的算法图像校正结果边界清晰、无锯齿效应, 对场景中的直线平均还原偏差小于0.35pixels, 表明该算法对超大视场红外图像畸变校正具有较好的适用性。
机器视觉 超大视场 红外成像 畸变校正 machine vision ultra-wide FOV infrared imaging distortion correction
河南理工大学物理与电子信息学院, 河南 焦作 454003
针对传统安全帽佩戴识别算法检测精度低、鲁棒性差的问题,提出了一种基于深度学习的安全帽佩戴检测方法。该方法以YOLOv3检测算法为基础,对其网络结构和损失函数加以改进。首先,通过增加特征图弥补原YOLOv3算法对小目标检测效果不佳的问题;然后在增加特征图的基础上,使用K-means聚类算法对收集的安全帽数据集进行聚类,选择出合适的先验锚框;最后,采用GIoU Loss作为边界框损失,在损失函数中加入Focal Loss,减少正负样本不均衡带来的误差。实验结果表明,相较于YOLOv3检测算法,改进后的算法在平均精确率上提高了3.47%,在安全帽识别精确率上提高了4.23%,在安全帽识别上具有一定的先进性和有效性。
机器视觉 目标检测 安全帽检测 K-means算法 激光与光电子学进展
2021, 58(6): 0615002
1 清华大学 自动化系, 北京 100084
2 西安高科技研究所, 陕西 西安 710025
单像素成像旨在通过单个感光元件记录目标场景信息。由于其高灵敏度、宽谱段响应等良好的特性, 单像素成像是近年来的研究热点。通过对高维光信号的编码采集与解码重构, 单像素成像能够满足丰富的成像需求。介绍了单像素成像的研究背景, 简述了其成像原理及重构算法, 从光信息编码与解码角度系统回顾了单像素成像的研究现状和前沿技术。此外, 还讨论了单像素成像技术中存在的问题, 以及未来可能的研究方向与应用。
单像素成像 光信息 编码采集 解码重构 single-pixel imaging optical information coded acquisition decoded reconstruction 红外与激光工程
2019, 48(6): 0603004
1 西南科技大学 核废物与环境安全国防重点学科实验室, 四川 绵阳 621010
2 四川理工学院 化学与环境工程学院, 四川 自贡 643000
3 成都理工大学 地质灾害防治与地质环境保护国家重点实验室, 成都 610059
4 中国工程物理研究院 核物理与化学研究所, 四川 绵阳 621900
根据α能谱的形成机理，建立了一种α能谱峰形函数，提出基于矩估计法确定该峰形函数的拟合参数初始值的方法。以数理统计为基础，分别通过峰形函数和离散谱峰数据计算均值、方差和三阶中心矩建立方程组求解获取拟合参数的初始值。通过连续气溶胶检测仪探测的氡子体α能谱和低本底α能谱仪探测的238Pu面源α能谱对该峰形函数模型和初始值获取方法进行了测试。结果表明：从低重合度到高重合度，该峰形函数模型都能得到较好的应用；基于矩估计法确定该峰形函数的参数初始值能够使该峰形函数较好地拟合α能谱数据。该方法在采用计算机自动α能谱拟合分析中具有较强的实用性。
α能谱 峰形函数 矩估计 参数初始值 加权非线性最小二乘迭代拟合法 alpha spectra peak shape function moment estimation parameters’ initial values weighted nonlinear least squares iterative fitting 强激光与粒子束
2017, 29(10): 104002
