您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 脐橙溯源近红外光谱

  2. 脐橙 溯源 使用到unscramber ,其中有关于这个软件在使用中的具体的应用
  3. 所属分类:专业指导

    • 发布日期:2014-05-07
    • 文件大小:1048576
    • 提供者:duanhongweiii
  1. 晚熟芽变品种-‘奉晚’脐橙与原品种的糖酸及色素代谢差异性分析

  2. 晚熟芽变品种-‘奉晚’脐橙与原品种的糖酸及色素代谢差异性分析,刘永忠,熊晶晶,本文测定和分析了晚熟芽变脐橙品种-‘奉晚’脐橙在果实成熟过程中色素和糖酸组分含量与其对照品种-‘奉节72-1’脐橙的变化差异,结
  3. 所属分类:其它

    • 发布日期:2020-03-05
    • 文件大小:378880
    • 提供者:weixin_38637665
  1. 奉晚与奉节72-1脐橙的蔗糖代谢相关酶基因表达

  2. 奉晚与奉节72-1脐橙的蔗糖代谢相关酶基因表达,刘永忠,唐鹏,本文采用RT-PCR技术分析了果实成熟过程中两个品种可食部位蔗糖代谢相关酶的表达状况,同时测定了对应时期它们的糖组分含量变化,结
  3. 所属分类:其它

    • 发布日期:2020-03-05
    • 文件大小:335872
    • 提供者:weixin_38727694
  1. 脐橙色泽与着色率的计算机视觉检测技术研究

  2. 脐橙色泽与着色率的计算机视觉检测技术研究,刘国敏,刘木华,脐橙色泽与着色率的人工分级存在着劳动强度大、生产率低、分级标准难以实现、分级精度不稳定等缺点。为了解决这些问题,该文采用
  3. 所属分类:其它

    • 发布日期:2020-02-27
    • 文件大小:505856
    • 提供者:weixin_38631738
  1. 基于激光拉曼光谱的脐橙内部品质无损检测技术研究

  2. 基于激光拉曼光谱的脐橙内部品质无损检测技术研究,药林桃,刘木华,本文初步探讨了运用激光拉曼光谱技术来检测脐橙内部品质的方法。应用激光拉曼光谱仪获取脐橙拉曼谱线,通过对拉曼谱线处理与分析
  3. 所属分类:其它

    • 发布日期:2020-02-04
    • 文件大小:495616
    • 提供者:weixin_38575118
  1. 爬取信丰脐橙网新闻文章内容.py

  2. 爬取信丰脐橙网的新闻数据并且写入excel,爬取信丰脐橙网的新闻数据并且写入excel,爬取信丰脐橙网的新闻数据并且写入excel,爬取信丰脐橙网的新闻数据并且写入excel
  3. 所属分类:Python

    • 发布日期:2020-07-09
    • 文件大小:3072
    • 提供者:weixin_43566535
  1. 基于遗传算法的脐橙可溶性固形物的可见/近红外光谱无损检测

  2. 应用可见/近红外光谱结合遗传偏最小二乘法(GA-PLS),建立了柑桔类水果可溶性固形物(SSC)的快速无损检测模型。应用光纤光谱仪采集脐橙的可见/近红外光谱,其光谱范围为350~1800 nm。把脐橙的可见/近红外光谱划分成15个光谱区间,通过GA-PLS方法,选出5个光谱区间(包含波段446个,对应波长范围为554~643 nm,1000~1088 nm,1089~1177 nm,1445~1533 nm和1623~1711 nm)建立了预测脐橙可溶性固形物的模型。验证组的最佳预测结果为相关系
  3. 所属分类:其它

    • 发布日期:2021-02-26
    • 文件大小:2097152
    • 提供者:weixin_38740596
  1. 赣南脐橙中固形物的光谱预处理和波长选择

  2. 赣南脐橙中固形物的光谱预处理和波长选择
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:524288
    • 提供者:weixin_38714532
  1. 用PLSR和PCA-BPNN的可见NIR光谱技术无损测量脐橙果实可溶性固形物含量

  2. 用PLSR和PCA-BPNN的可见NIR光谱技术无损测量脐橙果实可溶性固形物含量
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:403456
    • 提供者:weixin_38651450
  1. 可见/近红外光谱法无损检测赣南脐橙可溶性固形物

  2. 应用可见/近红外光谱法对赣南脐橙可溶性固形物进行了无损检测研究。通过主成分分析,获取光谱的有效信息,将其作为人工神经网络的输入变量进行非线性建模。90个建模样品训练结果是,样品参考值与预测值之间的相关系数为0.9147,训练均方差为0.5203;38个未知样品预测结果是:样品参考值与预测值之间的相关系数为0.9033,预测均方差为0.6964,相对预测偏差4.5709%。实验结果表明基于人工神经网络的可见/近红外光谱法无损检测赣南脐橙可溶性固形物是可行的。
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:734208
    • 提供者:weixin_38616359
  1. 基于高光谱图像技术的水果表面农药残留检测试验研究

  2. 以脐橙为研究对象,初步探讨了应用高光谱图像技术检测水果表面农药残留的方法。用蒸馏水把农药分别配置成1:20,1:100和1:1000倍的溶液。然后把同种不同浓度的溶液滴到10个洗净的脐橙表面,溶液量约为120 μL,200 μL和400 μL,脐橙表面形成一个3×3的矩阵形状。将水果放置到通风阴凉处放168 h后,拍摄图像。采集脐橙在625~725 nm范围的高光谱图像,应用主成分分析方法(PCA)获得特征波长的图像,应用第三主成分图像(PC-3)并经过适当的图像处理方法对脐橙表面的农药残留进行
  3. 所属分类:其它

    • 发布日期:2021-02-10
    • 文件大小:1048576
    • 提供者:weixin_38672800
  1. 基于支持向量机方法的水果表面农药污染分类研究

  2. 以支持向量机(SVM)的算法为基础,建立了近红外光谱识别脐橙表面被农药污染的定性分析模型。168个脐橙实验样本被随机的分为两组,第一组为建模集包含112个,用来建立SVM分类预测模型;第二组为预测集包含56个,用来对建立的模型验证其准确性。实验结果,该方法对脐橙是否被农药污染的正确识别率为100%(二类分类),对被不同浓度农药污染脐橙的正确识别率为87.5%(多类分类)。
  3. 所属分类:其它

    • 发布日期:2021-02-10
    • 文件大小:1048576
    • 提供者:weixin_38749863
  1. 激光诱导击穿光谱检测赣南脐橙种植土壤的Cu和Cr

  2. 将激光诱导击穿光谱(LIBS)技术应用于对赣南大面积脐橙种植地土壤中重金属元素的快速检测。对采自赣南信丰县和安远县内16个不同地区的土壤样品进行激光诱导击穿光谱实验和原子吸收光谱实验,检测其中的Cu和Cr。通过特征光谱强度、信背比和真实浓度的比较可知,Cu和Cr两种重金属元素在土壤中的浓度分别为3.179 μg/g、6.524 μg/g时,在激光诱导击穿光谱检测中的特征光谱强度非常明显,检测的相对标准偏差(RSD)值都在10%左右。但在定量分析上,需在消除基体效应上做深入的实验探讨并在数据处理上
  3. 所属分类:其它

    • 发布日期:2021-02-08
    • 文件大小:1048576
    • 提供者:weixin_38721691
  1. 脐橙含铅量的激光诱导击穿光谱检测实验研究

  2. 实验利用1064 nm NdYAG纳秒激光器诱导击穿脐橙样品产生等离子体光谱 ,用八通道光纤光谱仪测量脐橙的激光诱导击穿光谱(LIBS)特性,通过鉴别分析,选取铅的(PbI 405.78 nm)特征谱线作为分析线,测定不同铅浓度下的特征谱线强度,根据谱线强度与浓度的关系,建立定标曲线。实验结果表明,脐橙中重金属铅元素含量较低时,其光谱谱线强度与浓度呈线性关系, 其拟合度为0.95;脐橙中重金属铅元素含量较高时,等离子体发射光谱的谱线存在自吸收现象,使其定标曲线向下偏移趋势,呈现曲线关系, 其拟合
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:1048576
    • 提供者:weixin_38546622
  1. 激光诱导击穿光谱结合移动窗口偏最小二乘对脐橙中重金属Cd的检测

  2. 将移动窗口偏最小二乘(MWPLS)应用于脐橙中重金属Cd含量的激光诱导击穿光谱(LIBS)定量分析模型中, 通过改变MWPLS窗口宽度并结合标准归一化处理、一阶导数、二阶导数、中心化处理和多元散射校正等5种数据前处理方法, 优选与脐橙中Cd元素相关性高的光谱区间, 并与传统偏最小二乘法进行对比分析。模型评价及验证结果显示, 当优选移动窗口为61个波长宽度、优选区域为218.61~222.55 nm时, 结合一阶导数数据前处理方法所构建的模型效果最佳, 验证集决定系数、预测均方根误差、主因子数、平
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:5242880
    • 提供者:weixin_38621553
  1. 基于LIBS的黄龙病脐橙元素检测与品质鉴别

  2. 运用激光诱导击穿光谱(LIBS)技术对赣南脐橙橙汁进行了快速绿色鉴别。实验分别测定了健康和黄龙病脐橙果汁的糖度及Ca、K、Zn元素含量,并分析了糖度及元素含量差异。采集了脐橙果汁的LIBS光谱数据,运用九点平滑(9SM)法并结合多元散射校正(MSC)对数据进行了预处理,最后运用主成分分析(PCA)法并结合多层感知器(MLP)神经网络和径向基函数(RBF)神经网络模型对健康和黄龙病脐橙进行了快速判别。结果表明,PCA-MLP模型对健康和黄龙病脐橙的判别效果优于PCA-RBF模型,其训练集对健康脐橙
  3. 所属分类:其它

    • 发布日期:2021-01-25
    • 文件大小:3145728
    • 提供者:weixin_38741317