搜索结果: 1-3 共查到“农业工程 varieties”相关记录3条 . 查询时间(0.218 秒)
Modeling the mass of Iranian export onion (Allium cepa L.) varieties using some physical characteristics
onion vegetable mass modeling physical characteristics grading
2014/2/26
Mass modeling can be used for development of post-harvest equipment related to onion (Allium cepa L.) processing such as grading, packing and food production processes. There are instances in which it...
近红外玉米品种鉴别系统预处理和波长选择方法（Effects of Spectral Pretreatment and Wavelength Selection on Discrimination of Maize Seed Varieties by NIR Spectroscopy）
近红外光谱 玉米 品种鉴别
2009/11/3
以7个品种玉米籽粒的鉴别系统为研究对象，对比研究了6种预处理方法和波长选择对模型鉴别能力的影响。结果表明，在被比较的6种预处理方法中，一阶导数方法能够使模型有更好的鉴别性能。使用一阶导数预处理和全光谱区的模型平均正确识别率和正确拒识率最高，分别为98.6％和98％，有5个品种的模型的正确识别率和正确拒识率都达到了100％。波长选择对一阶导数模型没有明显作用，但能使标准正态变量变换和矢量归一化模型鉴...
鲜枣品种和可溶性固形物含量近红外光谱检测（Detection of the Fresh Jujube Varieties and SSC by NIR Spectroscopy）
鲜枣 近红外光谱 无损检测
2009/5/19
采用近红外光谱分析技术无损鉴别鲜枣品种和测定其可溶性固形物含量。对3个不同品种的鲜枣进行光谱分析，各获取30个样本数据。采用平滑法和多元散射校正方法对样本数据进行预处理，再用主成分分析法对光谱数据进行聚类分析并获得各主成分数据。将样本随机分成75个建模样本和15个预测样本，将建模样本的主成分数据作为BP神经网络的输入变量，鲜枣品种和可溶性固形物含量作为输出变量，建立3层人工神经网络鉴别模型,并用该...