检索历史 清除

摘要随着生姜干燥技术的不断革新，及其在中医药领域的地位日益凸显，生姜的陈化和干燥工艺的研究也逐渐成为热点。在生姜的干燥过程中，含水率是一个关键的质量控制指标，通过监测含水率的变化，可以有效预测和控制生姜的干燥效果，其直接关系到干燥后的生姜品质和储存期限。传统的含水率检测方法，在实际操作中存在诸多局限性。为了精准监测在干燥过程中生姜含水率的含量，本文旨在开发一种基于图像处理技术的生姜干燥含水率预测系统，具体研究内容如下：<br>　　（1）为了探究热泵干燥生姜的最佳试验条件，进行了生姜的热泵干燥试验。在干燥试验过程中，研究不同干燥温度(50℃?55℃?60℃) 、不同干燥风速(1.0m/s?2.0m/s?3.0m/s)、不同切片长度(30mm、40mm、50mm)对生姜干燥时间和干燥速率的影响，确定了生姜最佳干燥条件组合是温度60℃，干燥风速3.0m/s，切片长度30mm。在最佳试验条件下，完成对干燥过程中生姜图片的采集，同时记录含水率。<br>　　（2）基于已采集的生姜图像，进行预处理和特征参数的提取。较传统均值、高斯、中值滤波算法无法同时去噪和保留图像细节，使用一种基于自适应的模糊开关中值滤波算法，该算法能有效快速地去除图像中的噪声且保留图像细节；图像分割采用了OTSU和PSO-OTSU算法对生姜图片进行分割对比分析，针对PSO算法易陷入局部最优，迭代慢的问题，提出了将混沌理论结合自适应惯性权重策略的Chao-PSO-OTSU算法，改进后的算法提高了图像分割效率和准确度。将处理后生姜图片进行特征参数提取，再使用皮尔逊相关系数选取相关系数较大的特征参数，进一步探寻生姜图像特征参数与含水率的联系。<br>　　（3）利用主成分分析选取与生姜含水率相关度95%以上的主成分作为神经网络模型的输入。建立机器学习预测模型和深度学习预测模型对比分析，其中BP神经网络预测的相关系数为0.98155，均方误差为0.049212；FA-BP神经网络预测的相关系数为0.99002，均方误差为0.037706；LSTM神经网络预测相关系数为0.99355，均方误差为0.031075。SSA-LSTM神经网络预测相关系数为0.99609 ，均方误差为0.02198。结果表明，SSA-LSTM神经网络预测模型准确性能，泛化能力更强。<br>　　（4）通过MATLAB软件，设计开发生姜干燥含水率预测系统，此系统包括图像导入、图像处理、特征参数提取、模型预测等功能。实现了基于PC平台的生姜含水率检测功能。