您的位置: 专家智库 > >

国家自然科学基金(31271861)

作品数:10 被引量:42H指数:4
相关作者:孙永海刘晶晶陈莉谢高鹏孙钟雷更多>>
相关机构:吉林大学长江师范学院东北电力大学更多>>
发文基金:国家自然科学基金国家高技术研究发展计划吉林省科技发展计划基金更多>>
相关领域:轻工技术与工程自动化与计算机技术生物学一般工业技术更多>>

文献类型

  • 10篇中文期刊文章

领域

  • 6篇轻工技术与工...
  • 2篇自动化与计算...
  • 1篇生物学
  • 1篇农业科学
  • 1篇一般工业技术

主题

  • 3篇饮料
  • 3篇神经网
  • 3篇神经网络
  • 2篇玉米
  • 2篇玉米饮料
  • 2篇玉米汁
  • 2篇云模型
  • 2篇食品
  • 2篇网络
  • 2篇咀嚼
  • 2篇聚类分析
  • 2篇大米
  • 1篇电图
  • 1篇电信号
  • 1篇压头
  • 1篇应力集中
  • 1篇玉米汁饮料
  • 1篇阵列
  • 1篇正态云
  • 1篇正态云模型

机构

  • 10篇吉林大学
  • 4篇长江师范学院
  • 2篇东北电力大学
  • 1篇华南理工大学
  • 1篇青岛农业大学

作者

  • 10篇孙永海
  • 6篇刘晶晶
  • 5篇陈莉
  • 4篇孙钟雷
  • 4篇谢高鹏
  • 2篇王笑丹
  • 2篇周丽聪
  • 2篇崔雯雯
  • 1篇丁健峰
  • 1篇付天宇
  • 1篇李亚卓
  • 1篇王莹
  • 1篇刘爱阳
  • 1篇王洪美
  • 1篇陈方媛
  • 1篇郭晓蕾
  • 1篇王璐
  • 1篇毛倩

传媒

  • 3篇农业机械学报
  • 2篇农业工程学报
  • 2篇吉林大学学报...
  • 1篇食品工业
  • 1篇中国粮油学报
  • 1篇现代食品科技

年份

  • 1篇2016
  • 2篇2015
  • 3篇2014
  • 3篇2013
  • 1篇2012
10 条 记 录,以下是 1-10
排序方式:
基于图像纹理分析的大米加工等级检测方法被引量:3
2016年
利用不同加工等级大米表面纹理不同的特点,提出了基于纹理分析的大米加工等级检测方法。设计了大米的计算机视觉检测系统,获取4个不同加工等级大米标准样的图像,采用灰度梯度共生矩阵的纹理分析方法提取图像的纹理特征值,采用Fisher判别法和PNN神经网络对大米加工等级进行检测判定。试验结果表明:Fisher判别法和PNN神经网络对4种不同加工等级的大米样品检测判定的正确率分别是96.25%和90.00%。
崔雯雯孙永海王璐黄碧竹周丽聪陈方媛郭晓蕾
关键词:大米纹理FISHER判别
基于肌电信号的仿齿压头对食品质地的影响被引量:4
2014年
利用设计的仿齿压头进行了食品质地测试,并提取了咀嚼过程中咬肌肌电图的特征值。研究表明:仿齿压头测试数据与特征值相关性显著;第1次压缩做功与咬肌活动量、硬度与咬肌信号峰值的相关系数分别为0.866、0.934,均大于普通压头的测试数据与特征值的相关系数(0.740、0.907)。利用仿齿压头测得的质地特性与咬肌活动变化规律的平均密切程度比普通压头高9.3%,仿齿压头能更好地反映食品的实际质地特性。
陈莉孙永海刘晶晶谢高鹏
关键词:肌电图
基于味觉传感器阵列的玉米汁饮料分类辨识被引量:6
2012年
为了快速辨识不同口味的玉米汁饮料,确保同一种饮料质量的均一性,构建了包含12个传感器的味觉传感器阵列。使用代表酸、甜、苦、咸、鲜的呈味物质检测味觉传感器阵列对5种基本味觉辨识的能力。使用主成分分析和概率神经网络考察了该阵列对基本味觉的辨识效果,该阵列对基本味觉表现出良好的辨识能力。将该阵列应用于玉米汁饮料的分类辨识中,区分来自不同品牌的9种玉米汁。系统聚类分析表明了同一种玉米汁样本的味觉特征非常接近,可聚合为一类。通过主成分分析法实现数据降维,提取前3个主成分作为概率神经网络的输入神经元。试验结果表明:该味觉传感器阵列对不同种玉米汁饮料具有较好的辨识能力,辨识的正确率为95.06%。
刘晶晶孙永海谢高鹏王筱雨孙钟雷
关键词:传感器阵列主成分分析法聚类分析玉米汁
基于云模型的玉米饮料感官鉴评被引量:8
2013年
利用云模型实现玉米饮料感官鉴评过程中的定性描述性语言和相应定量数值之间的任意转换,首先利用逆向云模型对玉米饮料感官鉴评的得分进行转化和分析,得到玉米饮料定性概念的表示。同时利用正向正态云模型完成玉米饮料定性概念向定量数值的转化,在保留数据特征的前提下将其还原至不同样本点。并针对玉米饮料的评价将云模型推广至多维空间。利用综合定性概念特征在四维空间内表征玉米饮料整体特征。
刘晶晶孙永海陈莉孙钟雷李亚卓
关键词:玉米饮料感官鉴评云模型
基于自组织神经网络模型与质构特性的牛肉嫩度评定方法被引量:12
2015年
为了实现对牛肉嫩度品质的快速无损检测和评价。该文选取60头牛的眼肌部位作为试验样本,经在75~80℃的水浴中加热并煮至肉的内部温度达到70℃后取出,冷却至室温(20℃)。利用质构仪测得牛肉黏力、黏性、弹力、弹性长度、内聚性、弹性、胶着性和咀嚼性等质构特性参数,并分析各参数与牛肉嫩度等级之间的相关性,黏力和黏性与牛肉嫩度的相关性较低,相关系数为0.246和0.096;弹力、弹性长度、内聚性、弹性、胶着性和咀嚼性与牛肉嫩度相关性较大,且成负相关,说明上述流变学参数值会随着牛肉嫩度等级的增大而下降,相关系数为-0.92、-0.939、-0.771、-0.776、-0.815、-0.882。结合感官评定法构建BP网络模型、RBF网络模型和自组织竞争神经网络模型,用其预测牛肉嫩度等级,3种模型训练误差均为1×10-6。另选取20头牛的背最长肌中间部位作为测试样本,对3种网络模型进行比较分析。研究结果证明,自组织竞争神经网络预测模型较为准确,预测牛肉嫩度等级的准确率达到90%,说明此方法能够准确地对牛肉嫩度等级进行评定,研究结果为未来牛肉嫩度评定方法提供参考。
王笑丹刘爱阳孙永海王莹韩云秀王洪美
关键词:嫩度神经网络模型
基于图像分析的大米透明度定量评价方法被引量:2
2015年
提出了基于图像分析的大米透明度定量评价方法。设计了大米透明度图像采集设备,采集大米图像,提取透明度特征值,以透明度感官评价值为因变量,以图像透明度特征值为自变量采用逐步引入-剔除法进行多元线性回归分析,建立大米透明度预测模型,并用聚类分析方法对预测结果和透明度感官分类结果进行对比验证。结果表明,该回归方程检验达到了显著性水平,且聚类分析结果与透明度感官分类结果基本一致,正确率达94.12%。基于图像分析的大米透明度定量评价方法是可行的。
崔雯雯周丽聪黄碧竹孙永海
关键词:聚类分析
基于离散元法的咀嚼过程分析被引量:5
2014年
为了研究食物块在口腔中的咀嚼破碎过程,利用离散元的方法提出了咀嚼破碎模型。以大豆为例,测试了大豆与大豆之间、大豆与牙齿之间的相应参数,模拟了大豆在口腔中的咀嚼过程。为了验证模型的可行性,利用逆向工程技术建立了人类第一上、下磨牙的三维模型,研制了齿形压头,配合质构仪对大豆进行破碎,分析了受力变化,与仿真得到的受力变化趋势一致,仿真值经过一元线性回归模型的修正得到试验值,模型的判定系数达到了0.956,表明咀嚼破碎模型可以模拟人的咀嚼运动,为评价食品的质地提供了一种新方法。
陈莉孙永海谢高鹏毛倩
关键词:计算机应用离散元法咀嚼逆向工程
基于模糊集的玉米饮料滋味自动鉴评方法
2013年
利用传感器阵列对玉米饮料滋味在模糊信息层面上实现自动化鉴评。针对玉米饮料滋味感官鉴评的不同剖面引入权值概念,利用云模型实现定性定量信息的转换和完成综合云模型基于权值差异的调整。分析传感器对玉米饮料滋味感官鉴评甜味、酸甜味、入口风味3个剖面的敏感度差异。在构建的模糊神经网络中,将针对特定剖面敏感的传感器阵列采集信息作为输入,感官鉴评云模型转化的信息作为输出,训练模糊神经网络,以得到的模糊化层中心值、模糊化层节点宽度值和模糊决策层调节参数来确定网络结构。预测分析结果表明,该系统在玉米饮料滋味模糊信息的鉴评过程中,误差率在0.002 43~0.091 77之间,效果良好。
刘晶晶孙永海陈莉孙钟雷王笑丹付天宇
关键词:云模型
咀嚼运动对食品物料破坏效果的仿真分析被引量:3
2014年
采用逆向工程技术重构了切牙和在咀嚼运动中起主要作用的上、下第一磨牙的三维模型,结合现代牙合理论与颞下颌关节运动理论构建了咀嚼运动的简化模型,将咀嚼运动分为三种模式:切割模式、杵压模式、研磨模式,仿真了咀嚼破碎食品的过程;基于食品物料的弹塑性本构模型,引入联合强度理论,分析了咀嚼运动规律对食品物料破坏程度的影响。匀速运动模式取5个不同的速率,结果表明在研磨模式下,较高的咀嚼速率对食物的破坏效果较好,其中咀嚼0.3 s时产生的剪切应力和密赛斯应力最大,分别为16.07 MPa和14.20 MPa;变速运动模式的仿真时间均取0.2 s,结果表明加速度变化对咀嚼效果的影响相对较弱,其中,匀加减运动能产生较大的剪切应力和密赛斯应力,分别为15.64 MPa和13.86 MPa,其更适合于研磨弹性和韧性食品。
陈莉孙永海刘晶晶谢高鹏
关键词:咀嚼运动应力集中
玉米汁辨识中的传感器阵列优化被引量:2
2013年
针对玉米汁饮料品质评价自动化关键技术问题,对用于玉米汁饮料分类辨识的传感器阵列进行了筛选优化。采用因子分析对各传感器响应信号之间的内在关联进行了研究,依据相关系数和旋转后的因子含义将传感器分为6类,并组合成12组不同的传感器阵列。利用概率神经网络判定界面可以任意复杂的特点,选择平滑参数为0.01时构建的判定界面表征出不同组传感器阵列所得数据对分类结果的影响差异。选择S4,S2,P2,P3,S6,S7传感器组合,构建新的传感器阵列,并对7种玉米汁饮料进行辨识。优化后的传感器阵列对玉米汁饮料的分类准确率为98.016%,高于未经优化的传感器阵列的分类准确率(94.444%)。
刘晶晶孙永海丁健峰孙钟雷
关键词:食品科学技术概率神经网络
共1页<1>
聚类工具0