智慧农业(中英文)

射频加热技术在粮食储藏与加工中应用研究进展 | Open Access

李洪岳, 李青鸾, 郑建军, 令博, 王绍金

2021, 3(4): 1-13. doi:10.12133/j.smartag.2021.3.4.202106-SA001

摘要 ( 895 )

HTML ( 74)

PDF (983KB) ( 1300 )

参考文献 | 相关文章 | 计量指标

粮食的储藏与加工是保障国家粮食安全的重要环节。射频技术凭借具有穿透深度大、加热迅速、整体加热、无化学残留等特点，已广泛应用于粮食产后研究，并在部分领域工业化应用前景广阔。为深入了解射频加热技术在粮食储藏与加工中应用研究进展，本文首先对射频技术展开概述，阐述了射频加热的基本原理，并对目前商业化应用的射频加热系统的类型与特点进行介绍；从粮食与储粮害虫的介电特性、储粮害虫的耐热性和粮食的加热均匀性改善三个方面概述了目前射频在粮食储藏与加工中的基础研究；在此基础上，结合生产中面临的实际问题对该技术在粮食产后杀虫、灭菌、钝酶和干燥等方面的应用进行了总结；最后，就该技术应用于粮食储藏与加工尚存的问题与未来研究方向提出了建议。本文可为射频技术在粮食储藏与加工中的应用研究提供指导作用。

果蔬品质劣变传感检测与监测技术研究进展 | Open Access

郭志明, 王郡艺, 宋烨, 邹小波, 蔡健荣

2021, 3(4): 14-28. doi:10.12133/j.smartag.2021.3.4.202106-SA011

摘要 ( 1676 )

HTML ( 198)

PDF (959KB) ( 2883 )

参考文献 | 相关文章 | 计量指标

果蔬在采后贮藏和运输过程中极易发生品质劣变，食用价值降低且造成巨大的经济损失。为保障果蔬品质，减少产后劣变导致的资源浪费，本文综述了果蔬品质劣变传感检测与监测技术最新研究现状，分析了各类检测技术的原理、特点及优缺点。其中，机器视觉可检测果蔬外部品质和表面缺陷，电子鼻可监测果蔬的劣变气味，近红外光谱可检测果蔬内部品质和隐性缺陷，高光谱成像能实现可视化检测果蔬内外品质、监测劣变过程，拉曼光谱可检测果蔬腐败菌及其代谢产物，多技术联用和多信息融合能综合评价果蔬劣变。以各种传感器为感知节点构建物联网监测系统，进而实现果蔬品质劣变信息的智能化实时监测，为解决果蔬加工过程中品质劣变控制技术难题提供参考，对降低果蔬产后的经济损失，推进果蔬产业可持续发展具有重要意义。

电子鼻技术在肉与肉制品检测中的研究进展和应用展望 | Open Access

刘洋, 贾文珅, 马洁, 梁刚, 汪慧华, 周巍

2021, 3(4): 29-41. doi:10.12133/j.smartag.2021.3.4.202011-SA003

摘要 ( 831 )

HTML ( 45)

PDF (1178KB) ( 1373 )

参考文献 | 相关文章 | 计量指标

电子鼻因具备操作简单、能够快速、无损检测的特点，满足人们对肉与肉制品安全指标高效和高精确度检测提出了更高的要求。本文阐述了电子鼻技术的检测原理和其在硬件和软件系统方面的发展；从肉与肉制品的新鲜度检测、掺假检测、风味评价、病原微生物污染检测四个方向，对近年来电子鼻技术在肉与肉制品检测的应用研究进展进行了分析，突出了电子鼻技术应用的可行性和先进性；指出电子鼻技术在肉与肉制品检测中面临的检测效果参差不齐，电子鼻仪器体积大、价格高昂，模型通用性和普及性不够等不足。最后，本文从硬件系统和软件系统两方面，对未来电子鼻技术的发展及其应用前景进行了展望，包括硬件系统方面提高电子鼻传感器阵列电极膜材料的性能，增强电子鼻耐用性和识别气味的灵敏度；软件系统方面不断探索引入新的模式识别算法，使电子鼻技术实现对气味更快、更准确的识别分析。

采用表面增强拉曼光谱技术快速检测脐橙果皮中抑霉唑残留 | Open Access

张莎, 刘木华, 陈金印, 赵进辉

2021, 3(4): 42-52. doi:10.12133/j.smartag.2021.3.4.202106-SA002

摘要 ( 691 )

HTML ( 30)

PDF (1209KB) ( 682 )

参考文献 | 相关文章 | 计量指标

由于采后处理过程中脐橙保鲜剂抑霉唑易通过果皮渗进果肉中残留，不慎食用后会对人体产生危害。因此，本研究探索一种基于表面增强拉曼光谱技术（Surface-Enhanced Raman Spectroscopy，SERS）的脐橙果皮中抑霉唑残留的快速检测方法。首先对SERS检测条件进行优化，分别确定了最优的检测条件为反应时间2 min，金胶加入量400 μL，NaBr作为电解质溶液且加入量为25 μL。基于以上最优检测条件，以自适应迭代惩罚最小二乘法（Adaptive Iterative Reweighted Penalized Least Squares，air PLS）、air PLS+归一化、air PLS+基线校正、air PLS+一阶导数、air PLS+标准正态变量（Standard Normal Distribution，SNV）和air PLS+多元散射校正（Multiplicative Scatter Correction，MSC）处理后的6组光谱数据为研究对象，分别采用这6种光谱预处理法建立支持向量回归（Support Vector Regression，SVR）模型并对预测性能进行比较后发现，air PLS方法所建立模型的预测集相关系数（Coefficient of the Determinant for the Prediction Set，R_P）最大，预测集均方根误差（Root-Mean-Square Error of Prediction，RMSEP）最小。对光谱数据进行主成分分析（Principal Component Analysis，PCA）特征提取，选择前7个主成分得分作为SVR预测模型的输入值。采用SVR、多元线性回归（Multiple Linear Regression，MLR）和偏最小二乘回归（Partial Least Squares Regression，PLSR）三种建模方法分析比较其对应的预测性能，其中SVR模型的预测集R_P可高达0.9156，预测集RMSEP为4.8407 mg/kg，相对标准偏差（Relative Standard Deviation，RPD）为2.3103，表明基于SVR算法对脐橙表面抑霉唑残留的预测值越接近实测值，越能有效提高模型预测准确性。试验结果表明，利用SERS结合PCA及SVR建模，可实现对脐橙果皮中抑霉唑残留的快速检测。

基于软X射线成像技术的柑橘内部浮皮和枯水检测 | Open Access

许骞, 蔡健荣, 杜灿, 孙力, 白竣文

2021, 3(4): 53-65. doi:10.12133/j.smartag.2021.3.4.202106-SA009

摘要 ( 648 )

HTML ( 41)

PDF (1718KB) ( 799 )

参考文献 | 相关文章 | 计量指标

针对传统方法无法高效、无损地对柑橘浮皮和枯水进行检测的问题，本研究自制了一套软X射线成像系统，包括载物传送装置、软X射线成像装置、触发装置和软X射线防护装置。本研究根据宽皮柑橘物理特性确定检测参数，以柑橘图像的清晰度、对比度、畸变率为评判标准，通过调节成像装置参数，确定了最佳的成像参数为：X射线源的管电压60 kV，管电流1.3 mA，线阵探测器的积分时间5.5 ms，柑橘输送带的传送速度10 cm/s。通过圆孔金属板对列方向畸变进行检测，结果表明，传送速度稳定，列方向畸变可以忽略；利用70 mm不锈钢标定球对行方向上的畸变进行检测，计算了行方向上不同位置的投影畸变系数，并建立了畸变校正模型。在上述参数下采集柑橘的软X射线图像，采用高斯滤波对柑橘图像进行去噪处理；利用图像增强算法对去噪后的图像进行对比度增强处理；将固定阈值分割法和形态学算法融合，以去除柑橘图像背景区域、分离柑橘果肉区域和果皮区域。最后通过面积百分比法计算柑橘果肉面积和柑橘果实面积比判别柑橘内部浮皮程度；提取柑橘果实区域的灰度特征，获取柑橘枯水区域，计算柑橘枯水面积和柑橘果肉面积比，判别柑橘枯水程度。以清江椪柑为实验对象，结果表明自制软X射线成像装置对清江椪柑的浮皮和枯水的总体识别率分别为96.2%和86.9%。说明本研究提出的方法能够实现柑橘内部浮皮和枯水的无损检测。

基于介电特征的苹果霉心病检测方法 | Open Access

李东博, 黄铝文, 赵旭博

2021, 3(4): 66-76. doi:10.12133/j.smartag.2021.3.4.202102-SA035

摘要 ( 765 )

HTML ( 27)

PDF (1520KB) ( 762 )

参考文献 | 相关文章 | 计量指标

针对苹果霉心病无法有效根据外表进行识别，且传统检测方法具有设备复杂、成本高昂等问题，本研究通过采集苹果介电参数构建苹果霉心病检测模型，从而实现简单快速的苹果霉心病无损检测。基于LCR测量仪采集220个苹果的108项介电指标（9个频率下的12项介电指标）作为原始参数，使用数据标准化、主成分分析算法等对数据进行预处理，并利用BP神经网络、支持向量机、随机森林算法构建霉心病果检测模型。试验结果表明，基于随机森林算法构建的霉心病果检测模型性能最佳，在150个苹果构建的训练集和70个苹果构建的测试集中分类准确率分别达到96.66%和95.71%；基于采用BP神经网络构建的霉心病果检测模型效果次之，分类准确率分别可达到94.66%和94.29%；基于使用支持向量机构建的模型检测效果相对较差，分类准确率分别为93.33%和91.43%。试验结果表明，使用随机森林构建的模型可以更有效地识别霉心病果和好果。本研究可为苹果病虫害及苹果品质无损检测等提供参考。

基于随机蛙跳和支持向量机的牛乳收购分级模型构建 | Open Access

肖仕杰, 王巧华, 李春芳, 赵利梅, 刘鑫雅, 卢士宇, 张淑君

2021, 3(4): 77-85. doi:10.12133/j.smartag.2021.3.4.202107-SA003

摘要 ( 555 )

HTML ( 16)

PDF (1063KB) ( 550 )

参考文献 | 相关文章 | 计量指标

蛋白质、脂肪含量和体细胞数量作为牛乳收购中的重要参考指标，决定了牛乳的品质和价格。为批量准确地对牛乳品质进行分级，提高乳企的生产效率，本研究以3216份荷斯坦牛牛乳样本为研究对象，应用中红外光谱技术实现对收购过程中4种不同品质牛乳的检测分级。利用一阶导数和一阶差分对光谱进行预处理，并结合竞争性自适应重加权算法（Competitive Adaptive Reweighted Sampling，CARS）和随机蛙跳算法（Shuffled Frog Leaping Algorithm，SFLA）筛选出能代表不同牛乳的有效特征变量，建立支持向量机（Support Vector Machine，SVM）模型。其中，利用网格搜索法（Grid Search，GS）、遗传算法（Genetic Algorithm，GA）和粒子群算法（Particle Swarm Optimization，PSO）对SVM模型的关键参数——惩罚参数c和核函数参数g进行优化。结果表明，SFLA算法总体上优于CARS算法，PSO优化SVM模型的效果最佳。一阶差分预处理后，利用SFLA算法筛选特征变量建立的PSO-SVM模型，训练集准确率、测试集准确率和曲线下面积（Area Under Curve，AUC）分别为97.8%、95.6%和0.96489。该模型具有较高的准确率，在牛乳产业中具有实际应用价值。

南方蓝莓智能温室促早熟生产多因子协调控制技术 | Open Access

徐立鸿, 刘辉辉, 徐赫, 蔚瑞华, 蔡文韬

2021, 3(4): 86-98. doi:10.12133/j.smartag.2021.3.4.202109-SA007

摘要 ( 905 )

HTML ( 55)

PDF (1965KB) ( 1398 )

参考文献 | 相关文章 | 计量指标

为达到蓝莓提前上市、获得更大经济效益的目的，本团队将南方蓝莓移至环境可控型智能温室中试验生产，探索研究出南方蓝莓智能温室促早熟生产控制技术。首先从蓝莓物候期、品种特点、土壤pH、水肥灌溉方式、小气候环境区间等方面进行了较为详细全面的调研与总结，明确了无土栽培蓝莓全周期管理要点和环境调控范围；接着基于Venlo型温室对蓝莓生产做布局，并基于物联网技术，建立蓝莓植物工厂化生产控制系统，串联硬件层、软件层和云端，实现现场端环境检测调控、数据云存储与远程控制等技术；在温室环境多因子协调控制模型基础上，针对蓝莓生长环境特点，探索研究了一套蓝莓温室多因子协调控制算法，用于环境调控。试验温室位于江苏省苏州市昆山市花桥镇东南部。经实际验证，整体调控系统效果显著，并于2021年5月初采收了第一波果实，使南方品种蓝莓提早近一个月进入果实采摘期。其中相比未蓄冷的蓝莓植株，蓄冷后的“明星”“绿宝石”“蓝美1号”“海岸”单株产量分别增加51.5%、85.5%、43.8%和94.7%，单果重量分别增加10.9%、7.2%、2.6%和5.3%。试验证明采用多因子协调控制算法进行调控能够提高蓝莓的产量和品质，取得显著经济效益，为南方温室蓝莓植物工厂化促早熟生产管理提供示范。

改进YOLOv4的温室环境下草莓生育期识别方法 | Open Access

龙洁花, 郭文忠, 林森, 文朝武, 张宇, 赵春江

2021, 3(4): 99-110. doi:10.12133/j.smartag.2021.3.4.202109-SA006

摘要 ( 1019 )

HTML ( 103)

PDF (2697KB) ( 918 )

参考文献 | 相关文章 | 计量指标

针对目前设施农业数字化栽培调控技术中对作物的生育期实时检测与分类问题，提出一种改进YOLOv4的温室环境下草莓生育期识别方法。该方法将注意力机制引入到YOLOv4主干网络的跨阶段局部残差模块（Cross Stage Partial Residual，CSPRes）中，融合草莓不同生长时期的目标特征信息，同时降低复杂背景的干扰，提高模型检测精度的同时保证实时检测效率。以云南地区的智能设施草莓为试验对象，结果表明，本研究提出的YOLOv4-CBAM（YOLOv4-Convolutional Block Attention Module）模型对开花期、果实膨大期、绿果期和成熟期草莓的检测平均精度（Average Precision，AP）分别为92.38%、82.45%、68.01%和92.31%，平均精度均值（Mean Average Precision，mAP）为83.79%，平均交并比（Mean Inetersection over Union，mIoU）为77.88%，检测单张图像时间为26.13 ms。YOLOv4-CBAM模型检测草莓生育期的mAP相比YOLOv4、YOLOv4-SE、YOLOv4-SC模型分别提高8.7%、4.82%和1.63%。该方法可对草莓各生育期目标进行精准识别和分类，并为设施草莓栽培的信息化、规模化调控提供有效的理论依据。

基于密度估计和VGG-Two的大豆籽粒快速计数方法 | Open Access

王莹, 李越, 武婷婷, 孙石, 王敏娟

2021, 3(4): 111-122. doi:10.12133/j.smartag.2021.3.4.202101-SA002

摘要 ( 819 )

HTML ( 61)

PDF (1631KB) ( 1255 )

参考文献 | 相关文章 | 计量指标

为快速准确计数大豆籽粒，提高大豆考种速度和育种水平，本研究提出了一种基于密度估计和VGG-Two（VGG-T）的大豆籽粒计数方法。首先针对大豆籽粒计数领域可用图像数据集缺乏的问题，提出了基于数字图像处理技术的预标注和人工修正标注相结合的快速目标点标注方法，加快建立带标注的公开可用大豆籽粒图像数据集。其次构建了适用于籽粒图像数据集的VGG-T网络计数模型，该模型基于VGG16，结合密度估计方法，实现从单一视角大豆籽粒图像中准确计数籽粒。最后采用自制的大豆籽粒数据集对VGG-T模型进行测试，分别对有无数据增强的计数准确性、不同网络的计数性能以及不同测试集的计数准确性进行了对比试验。试验结果表明，快速目标点标注方法标注37,563个大豆籽粒只需花费197 min，比普通人工标注节约了1592 min，减少约 $96 %$ 的人工工作量，大幅降低时间成本和人工成本；采用VGG-T模型计数，其评估指标在原图和补丁（patch）情况下的平均绝对误差分别为 $0.6$ 和 $0.2$ ，均方误差为0.6和0.3，准确性高于传统图像形态学操作以及ResNet18、ResNet18-T和VGG16网络。在包含不同密度大豆籽粒的测试集中，误差波动较小，仍具有优良的计数性能，同时与人工计数和数粒仪相比，计数11,350个大豆籽粒分别节省大约 $2.493 ? h$ 和 $0.203 ? h$ ，实现大豆籽粒的快速计数任务。

智慧农业（中英文） 2021 年第3 卷总目次 |

2021, 3(4): 123-125. doi:10.12133/j.smartag.2021.3.4.199009-SA007

摘要 ( 532 )

HTML ( 91)

PDF (321KB) ( 323 )

参考文献 | 相关文章 | 计量指标

当期目录