香榧加工關(guān)鍵技術(shù)研究.pdf

1、香榧傳統(tǒng)加工方法的智能化、機(jī)械化程度低，加工品質(zhì)一致性差，還有待開(kāi)發(fā)新的加工設(shè)備及其自動(dòng)化生產(chǎn)線。本文的研究工作是浙江省自然基金和浙江省林業(yè)廳重點(diǎn)課題，擬重點(diǎn)圍繞香榧自動(dòng)去假種皮、自動(dòng)化炒制及標(biāo)準(zhǔn)化加工等關(guān)鍵技術(shù)開(kāi)展深入研究與開(kāi)發(fā)，重點(diǎn)解決香榧加工品質(zhì)一致性差、加工自動(dòng)化程度低的技術(shù)難題，研發(fā)香榧加工自動(dòng)化控制技術(shù)與炒制設(shè)備。主要研究?jī)?nèi)容和結(jié)論包括:
　　1、對(duì)產(chǎn)自浙江臨安、嵊州、紹興等三個(gè)地方香榧的幾何與力學(xué)特性進(jìn)行了測(cè)定與分析

2、，通過(guò)測(cè)定表明每種樣品間的外形尺寸和質(zhì)量差異較大，長(zhǎng)軸主要分布在28-31mm，短軸主要分布在18-20 mm，斜軸主要分布在15-17 mm。其次，通過(guò)TMS-PRO食品物性分析儀對(duì)香榧進(jìn)行了力學(xué)特性測(cè)試，并利用有限元方法對(duì)不同受力情況下香榧力學(xué)特性進(jìn)行分析確定使香榧破殼的最佳施力方向、大小及位置。通過(guò)實(shí)驗(yàn)表明沿青榧的軸向、徑向同時(shí)施加擠壓和剪切力，去皮結(jié)果比較理想。因此，針對(duì)該特點(diǎn)設(shè)計(jì)開(kāi)發(fā)了一種香榧去皮設(shè)備，去皮實(shí)驗(yàn)表明:嵊州、紹興

3、和臨安三個(gè)產(chǎn)區(qū)的香榧去皮率分別為97.2％、95.5％、95.3％;完好率分別為98.2％、98.7％、98.6％，總體效果良好。但三種樣品去皮效果差異不一，可能采收時(shí)間及含水率等有一定關(guān)系。
　　2、基于電加熱炒制平臺(tái)，完成了基于嵌入式的香榧自動(dòng)炒制加工控制軟硬件系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)。根據(jù)香榧加工工藝流程，完成了炒制加工設(shè)備的加熱驅(qū)動(dòng)控制模塊、紅外炒制溫度控制模塊（溫度及時(shí)間控制）、環(huán)境參數(shù)數(shù)據(jù)采集模塊（溫濕度、有害氣體及煙霧等監(jiān)測(cè)控

4、制等參數(shù)）、數(shù)據(jù)存儲(chǔ)及報(bào)警模塊、系統(tǒng)及設(shè)備執(zhí)行結(jié)構(gòu)控制模塊（電機(jī)正反轉(zhuǎn)、進(jìn)出料、配液控制等）、系統(tǒng)通信等模塊的硬件電路設(shè)計(jì)和實(shí)現(xiàn)，繪制PCB板，焊接電子元件，完成設(shè)備調(diào)試與系統(tǒng)集成。
　　構(gòu)建基于LINUX的嵌入式系統(tǒng)軟件，主要包括存儲(chǔ)器、MODBUS通信協(xié)議等底層硬件驅(qū)動(dòng)、香榧自動(dòng)炒制加工嵌入式控制應(yīng)用系統(tǒng)軟件、數(shù)據(jù)采集傳輸及香榧自動(dòng)加工控制系統(tǒng)上位機(jī)等軟件開(kāi)發(fā)。另外，對(duì)PID及模糊控制算法進(jìn)行了仿真分析。在此基礎(chǔ)上完善了系統(tǒng)軟

5、件并進(jìn)行了軟硬件調(diào)試、實(shí)地安裝和實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明設(shè)計(jì)開(kāi)發(fā)工作達(dá)到了預(yù)期目標(biāo)，為今后完善流水線規(guī)?；?、自動(dòng)化、標(biāo)準(zhǔn)化生產(chǎn)加工奠定基礎(chǔ)。
　　3、為保證香榧加工品質(zhì)一致性，加工前需其進(jìn)行大小分級(jí)，根據(jù)香榧果形、物理尺寸及企業(yè)需求改進(jìn)優(yōu)化基于橢圓孔分選裝置的機(jī)械分級(jí)設(shè)備，并進(jìn)行了實(shí)驗(yàn)，基本達(dá)到目標(biāo)要求。針對(duì)香榧目前混合分級(jí)現(xiàn)狀，本文提出香榧品質(zhì)評(píng)價(jià)指標(biāo)體系，包括大小、色質(zhì)、松脆度、脫衣度、出仁率、不飽和脂肪酸、核仁脂肪含量、蛋白質(zhì)含量

6、等因素并提出了基于AHP模糊綜合香榧品質(zhì)評(píng)判方法。通過(guò)對(duì)等級(jí)均為1級(jí)的“冠軍香榧”及其他三個(gè)自由品牌各自100g的樣品分級(jí)實(shí)驗(yàn)，結(jié)果表明:“冠軍”品牌香榧為特級(jí)，樣本2為1級(jí)，樣本3和4為2級(jí)，有別于目前市場(chǎng)分級(jí)等級(jí)。
　　4、提出了基于近紅外的香榧產(chǎn)地溯源方法。對(duì)不同產(chǎn)地香榧原始光譜采用標(biāo)準(zhǔn)正態(tài)變量變換(SNV)、去趨勢(shì)變換(Detrend)、一階導(dǎo)數(shù)(FD)、二階導(dǎo)數(shù)(SD)、多元散，射校正(MSC)等預(yù)處理方法，然后建立基于

7、KNN法、SIMCA法、PCA-DA法、PLS-DA法和LS-SVM法的產(chǎn)地溯源建模方法。實(shí)驗(yàn)結(jié)果表明:對(duì)于基于KNN法和SIMCA法的溯源模型總體識(shí)別率在60％左右，因此均不適合產(chǎn)地溯源。對(duì)于基于PCA-DA法、PLS-DA法、LS-SVM法的溯源模型的性能均較為理想，對(duì)經(jīng)不同光譜預(yù)處理的光譜建立不同產(chǎn)地香榧鑒別的PCA-DA模型時(shí)，樣本總體識(shí)別準(zhǔn)確率為98％以上。對(duì)于PLS-DA法，在6種光譜預(yù)處理方法中，去趨勢(shì)變換預(yù)處理光譜所建P

8、LS-DA模型性能最優(yōu)，對(duì)于校正集，總識(shí)別率為100.00％。對(duì)于測(cè)試集，測(cè)試集的總識(shí)別率達(dá)98.29％。一階導(dǎo)數(shù)光譜所建模型對(duì)于校正集的識(shí)別準(zhǔn)確率也為100.00％，對(duì)于測(cè)試集，識(shí)別準(zhǔn)確率為96.58％。對(duì)于LS-SVM法，在6種光譜預(yù)處理方法中，原始光譜、多元散射校正光譜、標(biāo)準(zhǔn)正態(tài)變量變換光譜以及去趨勢(shì)變換光譜所建LS-SVM模型性能卓越，對(duì)于校正集和測(cè)試集的識(shí)別準(zhǔn)確率均為100％。一階導(dǎo)數(shù)預(yù)處理光譜所建LS-SVM模型對(duì)校正集的識(shí)