薯类产品

2024-07-21

薯类产品（精选6篇）

薯类产品篇1

0 引言

我国薯类农产品的分级主要由人工完成,但人工分级效率低,分检成本高,更重要的是分级标准难以实现,分级精度不稳定。因此,机器视觉技术的出现,解决了人工方式存在的很多问题,具有的发展潜力和能实现实时、客观、无损检测的优点。但采用机器视觉技术对薯类农产品的大小、形状、颜色以及表面缺陷等进行检测时,其获取的图像常常不可避免地会受到多种噪声的影响,这必将给后续的图像定性、定量分析识别以及分级控制指令的准确性带来影响,最终使整个控制系统准确度下降。因此,对图像进行去噪是图像处理的必然过程。图像去噪最直观的方法就是根据噪声信号通常表现为高频信号,而依据有用信号通常表现为低频或一些比较平稳的信号,分布于一个有限区间这一特点,采用低通滤波方式来进行,如滑动平均窗滤波器、维纳线性滤波器等。其它方法还有秩—阶滤波、基于马尔可夫模型和基于偏微分方程等方法。

近年来,小波理论由于能同时在时域和频域对信号进行分析,同时具有低熵性、多分辨率性、去相关性和选基灵活性,从而能够较好地区分信号中的突变部分和噪声,使得小波理论在图像去噪方面得到了广泛应用。经典小波图像去噪算法主要有3类:Mallat[1]提出的基于小波变换极大值原理的去噪、Xu等[2]提出的基于小波系数相关性的去噪和Donoho等[3]提出的阈值函数方法去噪。其中,阈值法计算量小、实现简单,Donoho等人证明了其具有良好的统计优化性能,能得到图像的近似最优估计,因此得到广泛应用。但阈值法信号的恢复效果主要依赖于阈值的选取,阈值选取过小,去噪后仍有较大噪声,阈值选取过大,重要的信号和图像特征会被滤掉,引起偏差。

因此,本文将针对阈值去噪方法中的关键问题进行探讨和改进,以便更好地将该方法应用于农业视觉图像处理中。

1 小波阈值图像去噪原理

基于小波阈值的数字图像去噪,主要通过以下3个步骤实现:①二维(图像)信号小波分解,即选择小波并确定小波分解层次,然后对信号进行N层小波分解;②小波系数处理,即对于从第1层到第N层的小波系数ωjk,其模大于和小于某阈值时进行相应处理得出估计小波系数 $\hat{ω}_{j k}$ ;③二维(图像)小波的重构(即逆变换),即根据小波分解的第N层低频系数和经过量化处理的第1层到第N层高频系数进行小波重构,即图像小波去噪,流程如图1所示。

在对数字图像进行处理时,首先要将数字图像按照一定的要求进行小波分解,其分解如图2所示。其中,L表示低频,H表示高频,下标表示第几层分解。图2是小波二层分解示意图,经过分解变换后,使得低频分量LL保留了原图的概貌信息;而高频分量LH, HL,HH则相应地包含了边缘、区域轮廓等细节性数据。

2 优化小波阈值去噪方法

小波分解的层数以及小波系数的处理方法是小波阈值去噪算法性能的关键问题。

2.1 小波分解层数的优化

目前小波分解的层数一般是根据信号特性和经验事先进行选择,但这样得到的是固定值,并且凭主观经验难以确定能获得最优降噪效果的分解层数。大量的实验表明,小波分解层数对于算法的降噪效果影响很大。分解层数过少,降噪效果不理想,信噪比提高很有限;分解层数过多,会造成信号的信息丢失,信噪比反而下降,且运算量增大。因此,不同图像采用固定层数进行小波分解在很大程度上限制了小波降噪的性能。

王维[4]、李炜[5]等提出了自适应分解层数确定方法,通过分析知,白噪声经过小波变换后仍然是白噪声;而有用信号经过小波变换后,其能量则被压缩到少数大尺度小波空间上数值较大的小波系数中,有用信号的小波系数占主导地位,从而使得这些小波系数表现出非白噪声特性。因此,通过判断各层小波系数是否具有白噪声特性,可以自适应地确定合理的分解层次。通过大量的实验表明,当小波高频系数表现出非白噪声特性时,分解层数已经足够,不必继续分解下去。王维[4]等提出的小波去相关的白化检验方法和基于该检验方法的具体算法流,程图如图3所示。

图3所示算法选择的最优分解层数可能在少数情况下会很大,从而使得运算速度较慢,此时就需要在运算速度和降噪效果中进行取舍,具体的作法是设定一个能够接受的最大分解层数,如果分解到该层后算法还未收敛,就提前终止并选择预先设定的这个最大分解层数进行降噪处理。

在农产品视觉分级中,由于视觉图像不断发生变化,如果采用固定层数进行小波分解,降噪效果不一定是最优。因此,本文在后续研究中将采用上述方法确定合适的分解级数,以便得到更好的去噪效果。通过大量实验表明,农产品视觉分级系统中的图像最优分解层数一般为2层。

2.2 小波阈值函数优化

一般农产品图像中出现的噪声信号大多是高斯白噪声信号,因此实测信号f(k)可由f(k)=s(k)+σe(k)表示。其中,s(k)为原始信号,e(k)为高斯白噪声信号,σ为噪声强度。将其进行小波分解后,原始信号一般集中在低频部分,而噪声通常是高频信号,所以根据Donoho提出的小波阈值去噪理论:信号在小波域内其能量主要集中在有限的几个系数中,而噪声的能量却分布于整个小波域内。因此,经小波分解后,信号的小波变换系数要大于噪声的小波变换系数,所以可设置一个阈值。当小波系数小于此阈值时,认为这部分信号是由噪声引起的,可将其舍去;当小波系数大于此阈值时,认为这部分信号是原始信号带来的,则将系数保留(硬阈值方法)或按某一固定量收缩(软阈值方法)。最后根据新的小波系数将图像信号进行重构,得到去噪后的图像。由此可见,选择合适的阈值处理函数是其阈值去噪法的关键。

2.2.1 常用小波阈值函数

目前主要的阈值处理函数有硬阈值函数(Hard Threshold Function)和软阈值函数(Soft ThresholdFunction)。

其中,硬阈值函数的方程为

$\hat{ω}_{j, k} = {\begin{matrix} ω_{j, k} & | ω_{j, k} | \geq t h r \\ 0 & | x | < t h r \end{matrix} (1)$

软阈值函数的方程为

其中,ωj,k为小波系数;sign()为符号函数;thr为阈值。其选择方式有全局阈值和局部阈值方法,局部阈值选择方法主要有Birge-Massart策略,针对每层小波采取不同的阈值,更加灵活;而全局阈值计算简单快速,本文采用由Donoho-Johnstone提出的全局阈值选取模型: $t h r = σ \times \sqrt{2 \lg Ν}$ ,N为信号长度,σ为噪声的标准差,如果σ未知,则一般利用小波系数来估计, $\hat{σ} = \frac{m e d i a n (| ω_{i j} |)}{0.6745}$ 。其中, $m e d i a n (| ω_{i j} |)$ 表示取尺度i上的小波系数的中值,该阈值在大多数图像小波分层中效果较好。上述阈值函数如图4所示。

虽然Donoho提出的硬、软阈值函数去噪方法在实际应用中取得了较好的效果,得到了广泛的应用,但硬、软阈值函数在消噪过程中也存在着不足:①硬阈值方法虽然可以很好保留图像边缘等局部特征,但由于硬阈值函数在-thr和thr处不连续,得到的估计小波系数连续性差,使得重构的图像会产生振铃现象。特别是当信号存在快速变化的不连续点时,会出现伪吉布斯(Pseudo-Gibbs)现象,失去原始信号的光滑性。②软阈值函数小波系数连续性好,不会产生硬阈值函数存在的问题,但当 $| ω_{j, k} | \geq t h r$ 时,由于软阈值函数对小波系数进行恒定值压缩,使得估计值与实际值之间总存在恒定的偏差,影响了重构信号与真实信号之间的逼近程度。

2.2.2 优化小波阈值函数

为了克服硬、软阈值函数的缺点,文献[6,7,8,9,10,11,12,13,14,15,16,17]提出了多种改进阈值函数的方法,但有些方法只改进了 $| ω_{j, k} | \geq t h r$ 部分的函数,没有考虑 $| ω_{j, k} | < t h r$ 部分中当 $| ω_{j, k} | \to t h r$ 时也包含了原始信号的部分信息,同时 $| ω_{j, k} | \geq t h r$ 部分中也有部分噪声信号;有些方法缺乏连续可导性等,使得阈值去噪方法没有得到最优的应用。因此,本文提出了一种硬、软阈值函数之间平滑过度的新的阈值函数,其方程如式(3)所示,在一定程度上解决了上述问题。其阈值曲线如图4所示。

$\hat{ω}_{j, k} = {\begin{cases} s g n (ω_{j, k}) (| ω_{j, k} | - \frac{t h r}{2 \exp (| ω_{j, k} | - t h r)}) | ω_{j, k} | \geq t h r \\ \frac{ω_{j, k}^{3}}{2 t h r^{2}} | ω_{j, k} | < t h r \end{cases} (3)$

函数在设计时充分考虑硬、软阈值函数的优缺点,在小波系数小于阈值时采用多项式逼近原阈值函数,在大于阈值时快速上升达到无偏差跟踪到实际值。通过分析,新阈值函数具有和Donoho软阈值函数同样的连续性,整体上连续性好;当 $| ω_{j, k} | \geq t h r$ 时,函数有高阶导数,使得数学计算变得简便。

3 实验及结论

薯类农产品图像中所含的噪声大多为高斯白噪声,因此在验证去噪效果时,一般给原始图像信号加入一定方差的高斯白噪声,对其进行各种消噪方法的对比实验。在图像去噪中,常用的评价指标有信号的峰值信噪比(Peak Signal to Noise Ratio,PSNR)和均方差(Mean Square Error,MSE),PSNR越大,MSE越小,表明去噪效果越好,同时也对主观的去噪图像的清晰度进行比较。

本文将小波阈值去噪中的小波分解层数和小波阈值函数进行优化后,其去噪性能的优劣将与Donoho策略下的硬、软阈值函数和Birge-Massart策略下的硬、软阈值函数进行比较,以512×512的Lena彩色图像和马铃薯视觉分级中的1 024×768彩色图像为验证对象,噪声为加性高斯白噪声。所有实验均在Windows7环境下的Matlab7(R2007a)平台上进行,选择的小波基为sym4,CPU为Intel(R) Pentium(R) P6000 1.87GHz,内存为2GB。

首先当噪声方差一定时(σ2=0.01),根据本文中的自适应分层算法得到Lena彩色图像和马铃薯视觉图像的最佳分层数为2。表1和表2分别给出了两种图像在不同分解层数下去噪效果的性能指标。通过表1和表2分析可见自适应分层算法的有效性,即当分层数为2时,系统的各种算法都相对于其它分层数最优,同时在分层数均为2的情况下,本文提出的算法最优。同时注意到随着小波分解层数的增加,本文方法得到的去噪图像其PSNR快速降低,MSE逐渐提高,即图像去噪质量逐渐下降。可见本算法必须配合最优的分解层数,得到的去噪图像的峰值信噪比和均方差才为最优。

当分解层数为2时,本文算法与其它算法去噪的视觉效果比较如图5和图6所示,可见本文算法的去噪视觉效果较优。

当分解层数一定时(Level=2),实验分析Potato图像在不同噪声方差下,去噪效果的信噪比和均方差如表3、图7和图8所示。

通过表3、图7和图8的分析可见,每种去噪方法在不同噪声方差情况下,去噪效果不同,噪声越大,去噪效果越差(峰值信噪比越小、均方差越大);不同方法在相同噪声方差下,去噪效果不同,从分析来看,本文的算法在不同噪声方差下,去噪效果明显优于其它算法(信噪比较高、均方差较小)。

4 结论

薯类农产品视觉分级系统中采集的图像信息不可避免地会受到噪声的干扰,去噪是其进行其它分析处理之前的关键一步,去噪效果的好坏直接影响后续分析处理的准确度。本文在分析了小波去噪中小波分解层数以及小波阈值函数这两个关键问题后,提出采用分解层数的自适应算法来提高分解层数选择的最优性,同时针对硬阈值函数和软阈值函数存在的问题,提出了一种新的阈值函数。在计算复杂度增加不多的情况下,该函数在最优小波分解层数下,其峰值信噪比比传统硬、软阈值函数更高,均方差比传统硬、软阈值函数更小,视觉效果也得到了较大的改善,即能达到相对最优的去噪效果。该算法只需要适当改进移植就可以在DSP等硬件上实现,能满足薯类农产品视觉系统实时处理的要求。

薯类饲料青贮养猪技术篇2

1 青贮窖的制作技术

选择通风向阳地势较高的地方修建青贮窖, 窖池主体内墙高度1.7 m, 窖池口部均衡收缩高度为0.3 m, 合计高度为2 m;窖池底部直径1.2 m, 口部直径0.5 m;主体墙厚度、收缩墙厚度和水槽圆盘厚度均为10 cm;水槽底宽10 cm, 水槽面宽15 cm;水槽口径外墙高度20 cm, 水槽内墙高度15 cm, 收缩墙高度25 cm。窖池制作要求窖壁光滑、坚固、不漏气、不渗水, 整个水槽圆盘外墙对外墙直径1.2 m。窖池底部呈“锅底”形, 便于清理窖池积液。按以上规格制作的窖池容积为2 m3, 每立方米窖池能青贮薯类作物300 kg左右。

2 原料的加工方法

将薯类作物 (洋芋和红薯) 清洗干净, 切成玉米颗粒大小, 加上20%玉米面, 10%米糠, 1%食盐 (用2.5 kg稀释) , 充分搅拌均匀后备用。

3 薯类饲料的装贮方法

将搅拌均匀的薯类饲料从窖池口部装入窖内, 反复踩紧压实并高于窖口10 cm。将水槽装满水, 再用塑料薄膜或其他不漏气、不吸水的织物覆盖窖口, 其覆盖物的周围边缘要浸入水槽中, 再用竹块圈压入水槽中, 防止覆盖物脱水, 使窖内贮藏的饲料与外界空气隔绝, 使其充分厌氧发酵, 产生大量的乳酸菌, 制作出适口性好、营养价值高的优质薯类饲料。原料的水分应控制在60%～70%之间, 如水分不足可添加清洁水, 如水分过高可加入糠麸和玉米面再装窖。青贮时间一般在25、15、0 ℃条件下分别贮存40、60、90天效果最好。青贮料的品质鉴定见表1。

4 开窖取用和保管

取料要从窖的背风处自上而下逐层水平取料, 不能从中间挖坑。每日取料当日喂完, 随取随喂, 取完料后立即盖严窖口, 以防空气袭入导致二次发酵。在饲料贮藏和取用过程中, 要经常保持水槽中的水淹过覆盖物, 防止覆盖物脱水和穿孔漏气导致饲料霉病。

5 饲喂方法

青贮好的薯类饲料初次喂猪时数量不能过多, 应让猪有个适应过程, 以后逐步增加。饲喂5天后, 成年空怀母猪每天可喂3 kg (占日喂饲料量干物质的50%左右) ;成年怀孕母猪每天可喂2 kg (占日喂饲料量干物质的30%左右) ;带仔母猪每天可喂 2 kg (占日喂饲料量干物质的20%左右) ;育肥猪每天可喂1～2 kg (占日喂饲料量干物质的20%左右) 。

6 经济效益

按以上方法饲喂母猪, 可节约精饲料成本30%以上, 饲喂育肥猪可节约精饲料成本15%以上。如果农户用3 335 m2地种洋芋 (土豆) 或红薯, 年产10 000 kg, 可青贮饲料饲喂10头母猪, 每头母猪年均饲料费2 000元, 则需20 000元, 用青贮好的薯类饲料饲喂母猪, 头均可节约饲料成本30%以上, 年节约饲料成本6 000元, 经济效益显著。

薯类种薯种苗繁育发展方向篇3

薯类主要是以块根进行无性繁殖, 具有高产、稳产、适应性广, 抗逆力强, 抗风、耐旱、耐瘠等特性, 并且具有禾谷类作物所不及的对干旱的耐受性。种薯种苗特殊的繁殖方式, 虽比种子繁殖复杂, 但却是薯类繁育的继续, 是促进薯类新品种尽快用于生产的重要环节。

近年来, 随着人们对薯类作物的重新认识及薯类产业化的发展, 其育种目标也发生实质性的变化, 由以前的高产、优质转向特用、优异薯类新品种的选育。除了高淀粉型、鲜食型甘薯外, 近几年又出现了观赏型的甘薯, 使其不仅在生产上可用, 在景观绿化及家居生活中也大展风姿, 大大满足了人们对新奇事物的追求。通过种薯种苗的选育, 观赏型品种的育种方面也取得了很大的进展。目前, 我国一些薯类研究所正在通过拓宽遗传基础和改进育种手段来提高育种效率, 选育新品种, 使薯类得到多元化的利用, 展示出薯类更大的市场潜力。

薯类在利用种薯种苗繁殖的过程中, 易感染多种病毒。每当条件适合时, 病毒就会在植株内增殖、运转和积累于新生块茎中, 通过块茎世代传递, 加重危害, 导致种薯种苗退化减产, 甚至失去种用价值。因此, 在薯类扩繁的过程中, 首先要利用茎尖组织培养脱出病毒, 获得脱毒苗, 再通过相应的种薯繁育体系, 源源不断地为生产提供优质种薯。要解决薯类种薯种苗生产中存在的问题, 必须对薯类种苗繁育体系进行创新。比如, 可以通过科研单位和产地育苗户 (公司) 分工合作的方式, 建立新型繁育推广体系。在各乡镇、村通过技术指导, 扶持重点专业镇、村的育苗大户繁育一级种苗, 再辐射带动广大育苗专业户繁育二级生产用苗, 实现薯类种苗三级繁育改革, 为薯类规模化、产业化、集约化发展提供优质种苗。同时, 利用温室大棚生产脱毒种苗, 建立起以工厂化、规模化生产薯类脱毒种薯、种苗为主, 结合种薯快繁技术促进薯类产业发展, 为薯类种薯种苗繁育体系的发展提供更多的对策。

(来源:中国薯业)

能源农业用薯类免耕种植覆盖物篇4

能源农业就是有目的地生产生物质能含量大、利用价值高的农作物, 并通过现代技术手段将凝结在农作物中的生物质能开发出来, 并将其转化为可供经济社会发展直接利用的能源。燃料乙醇是目前世界上生产规模最大的生物质能源。我国的燃料乙醇生产已初步形成规模, 目前主要是以玉米为原料, 同时正在积极开发甜高粱、薯类、秸秆等其他原料生产乙醇。

薯类包括甘薯、木薯和马铃薯等, 既是重要的粮食和饲料, 又是生产燃料乙醇的优质原料。2.8～2.9t薯干可以生产1t燃料乙醇而生产同样数量的乙醇需要玉米3.2t, 小麦3.3t。传统薯类的种植技术需要翻耕土地、开沟整畦、施肥播种, 同时还要中耕培土、追肥除草和挖薯, 不仅破坏了土壤结构、生态和植被, 而且用工多, 成本高, 己不适应现代农业的发展要求。

2、发明内容

本实用新型的目的在于提供一种适用于薯类种植, 有利于生物资源的综合利用和生态环境保护的能源农业用薯类免耕种植覆盖物。

本实用新型的技术解决方案是:

一种能源农业用薯类免耕种植覆盖物, 其特征是:有1～8cm厚的牧草层, 牧草层上设置第二覆盖层。

第二覆盖层是土壤层或秸秆层。在第二覆盖层上设置第三覆益层, 且第三覆盖层是薪柴层、抗旱稻草层、落叶层、粪便层、有机废弃物层或垃圾层。在第二覆盖层与第三覆盖层之间还设置有秸秆层或土壤层。

所述的能源农业用薯类免耕种植覆盖物, 薯类包括甘薯、木薯和马铃薯。

所述的能源农业用薯类免耕种植覆盖物, 实施农牧结合, 草田轮作, 引草入田, 免耕种植, 其种植方式特征是改昔日的“种薯”为“摆薯”, “挖薯”为“拣薯”。种植技术方法要点如下:选地整畦、种薯选择、施肥播种、覆盖灌溉、适时收获。

选用牧草、土壤、秸秆或薪柴、抗旱稻稻草、落叶、粪便、有机废弃物、垃圾等。牧草可以改良土壤, 提高土壤肥力, 可以保护水土, 防风固沙。覆盖选用的牧草、土壤、秸秆或薪柴、抗早稻稻草、落叶、粪便、有机废弃物、垃圾等必须就地取材, 因地制宜, 并根据“种薯”的不同, 选择合适的覆盖物确定以及厚度、播种时期和地块。栽培时, 一般在播种后就应立即就地取材, 用牧草或细碎处理后的秸秆、薪柴、落叶、粪便、有机废弃物、垃圾等均匀覆盖在畦面上, 然后再覆盖“土壤”。要求将覆盖物把整个畦面都要铺满, 不能留空造成种薯外露。

3、本发明的优点

1) 拓展了农业功能

通过农牧结合发展能源农业, 综合利用农业资源、缓解能源紧缺、保护生态环境、提高农业综合效益。引草入田, 促进农牧结合, 能够推动现代农业的快速发展。实施草田轮作, 免耕种植, 不仅能够在草地生态系统功能恢复重建的同时低成本规模化开发利用抗旱性、耐旱性较强的薯类、抗旱稻、蓖麻、甜高粱, 还可以充分利用退化或荒漠及荒漠化草地、盐碱、山坡地、农牧交错带和矿产开采区等典型生态脆弱地区和贫困地区发展乙醇产业, 有利于改善生态环境和增加农民收入, 确保国家的粮食、生态和能源安全。

2) 具有生态效益

牧草和秸秆不仅可以增加土壤有机养分, 减少农药污染、保护土壤团粒结构, 利于土壤内水、肥、气的畅通, 减少植株的地上、地下病害, 而且避免了焚烧牧草和秸秆造成的环境污染, 为牧草和秸秆的再利用找到了又一出路。将牧草和秸秆还田、免耕和轻型栽培三者的优点充分结合起来, 进行科学组装形成配套新技术。不仅能使农民增收增效, 而且社会效益、生态效益显著, 便于农村尤其是在生态脆弱地区和贫困地区推广现代农业。

3) 简单易行, 实用性强

可充分利用农村抛荒田, 起到涵养水分, 保持水土, 防风固沙, 改善和美化生态环境等作用。由于能够在不破坏土壤结构、生态和植被的同时, 充分利用我国的旱地、草地、中低产田、非水稻田等土地资源, 改昔日的“种薯”为“摆薯”;“挖薯”为“拣薯”不但大大简化了薯类的栽培技术, 节约了工本, 而且有利于土地保育和防治水土流失, 天然植被保护和生态环境改善, 有利于牧草、秸秆等生物资源的综合利用。

4种薯类作物热风干燥特性的比较篇5

薯类作物因其收获的产品为地下根或块茎,又称根茎类作物,主要包括红薯、马铃薯、芋类和山药等[1]。薯类作物的块茎中含有大量碳水化合物、胡萝卜素和花青素等次生代谢营养物。其高产耐旱,不仅是我国的主要粮食作物之一,可保障我国粮食安全,为我国很多地区的农民提供了重要的收入和粮食来源; 也是重要的饲料以及工业原料,特别是随着我国生产生物乙醇燃料的主要原料: 玉米的价格上涨、陈粮的消耗殆尽,我国已经开始发展薯类燃料乙醇[1,2,3,4]。2015 年1 月6 日,在北京举办的马铃薯主粮化发展战略研讨会认为,马铃薯作为三大主粮的补充,主粮化成为必然的选择。因此,薯类作物产业对我国的稳定发展起到了至关重要的作用; 但由于薯类作物储藏、运输不便,加工环节落后,人们对薯类作物的重视程度不高[5]。农产品的干燥技术是食品保藏的一项重要手段,热风干燥技术操作简单、成本低,虽然对干后品质有一定影响,但依然是我国食品生产中最常用到的一种干燥方式[6]。孟岳成等( 2011) 研究了熟化红薯热风干燥过程中热风温度、风速、切片厚度三者对干燥环节的影响,为红薯热风干燥工业化提供理论依据,并且比较了12 种数学模型在熟化红薯热风干燥中的适用性[7]。江晓( 2011) 建立了马铃薯热风干燥过程中的传热传质模型和收缩模型,对马铃薯热风干燥过程进行了模拟,对热风干燥工艺进行了优化[8]。

任广跃等( 2010) 对怀山药采用热风、微波和真空干燥3 种方法进行干燥,比较了3 种方式对怀山药的干燥速率、复水率和多糖得率的影响[9]。匙宝成等( 2009) 利用自制微波干燥装置对芋头片进行了微波干燥试验,研究了芋头片干燥过程中的失水特性,为进一步了解芋头的干燥特性提供了依据[10]。本笔者选择4 种有代表性的薯类作物,在固定风速下对它们进行热风干燥,研究热风温度、切片厚度和切法( 横切和纵切) 3 种因素对其热风干燥特性的影响,旨在优化干燥工艺,并找出它们在干燥过程特性变化的一些共性,提出对农产品加工进行分类的思想。

1 材料和方法

1. 1 实验材料

选择表皮光滑,个头大小一致,形状相似的新鲜红薯、马铃薯、山药和芋头,购于当地市场。

1. 2 主要设备

GZ - 1 型热风干燥机,华南理工大学科技实业总厂制造; 电子天平,精确度0. 001g。

1. 3 干燥试验方法

取4 种物料,用清水洗净,去皮,以干燥温度、热风风速和切法作为热风干燥的3 个因素,按表1 进行热风干燥试验。

1. 4 水分测定

按GB5009. 3 - 2001 测得4 种物料的初始含水率[11],分别为: 红薯约为82% ,马铃薯约为80% ,芋头约为78% ,山药约为76% 。

含水率是用来表示物料在干燥过程中某一时刻的水分含量。物料干燥过程中含水率( M) 为

式中M—物料t时刻的含水率( % ) ;

mt—t时刻物料的质量( g) ;

md—绝干物料的质量(g)。

物料热风干燥速率为

式中DR—热风干燥速率( % /h) ;

Mt—t时刻物料的含水率( % ) ;

Mt+dt—t+dt时刻物料的含水率(%)。

1. 5 数据处理

运用Excel软件对数据记录和计算,Origin 8. 0 软件绘图。

2 结果与分析

2. 1 不同热风温度对4 种物料热风干燥特性的影响

在横切( 沿着短轴切片) 、试样厚度为7mm的条件下,考察热风温度分别为55、70、85℃ 时,对试样的干燥特性的影响。图1 显示的是4 种物料在不同干燥温度下,含水率随时间的变化曲线。

由图1 可以看出: 4 种物料在干燥过程中,达到平衡含水率需要的时间与干燥温度成反比,85℃ 时需要的时间明显低于其它两种温度。温度越高,空气湿度就越低,在干燥时与物料接触的过程中就容易带走水分,要达到一定的含水率需要的时间就越少。

4 种物料在不同干燥温度条件下的干燥速率曲线如图2 所示。

由图2 可知: 4 种物料在干燥过程中均没有出现明显的恒速阶段,干燥发生在降速阶段; 干燥速率随着水分下降而降低,随着温度升高而升高; 85℃ 时干燥速率明显高于其他两个温度,但是物料表面结壳较严重,因此选择70℃ 作为干燥温度; 温度对4 种物料的干燥特性影响一致。

2. 2 不同切片厚度对4 种物料热风干燥特性的影响

不同切片对4 种物料热风干燥特性的影响如图3和图4 所示。由图3 可知: 在切法和温度恒定时,达到平衡含水率需要的时间与厚度成反比; 厚度3mm时需要时间明显比其他两个厚度要少。这是因为厚度小,水分从内部向外迁移就容易,但是物料卷曲较为严重。

由图4 可知: 4 种物料的干燥速率随着厚度的增加而减小,3mm厚度时的干燥速率明显高于其他两个厚度; 5mm和7mm的干燥速率差距不大,这在4 种物料之间表现一致。

2. 3 不同切法对4 种物料热风干燥特性的影响

在干燥温度和切片厚度一定时,切法对4 种物料的干燥过程影响不明显,如图5 所示。4 种物料在横切( 沿着短轴切) 和纵切( 沿着长轴切) 两种切法下的含水率曲线几乎重合; 红薯和马铃薯在横切时水分散失要比纵切时要快,而芋头和山药正好相反。通过对4 种物料的切面观察发现,红薯和马铃薯纵切面是顺着生长纹理,而芋头和山药的横切面是顺着生长纹理的。因此,影响其干燥过程水分散失的主要因素是内部纹理结构,切面与纹理垂直时,有利于水分的散失。

3 结论

4 种物料的干燥试验表明: 薯类作物的干燥发生在降速阶段,干燥速率与切片厚度成反比,与温度成正比,切法对薯类作物热风干燥影响不明显; 85℃ 时干燥速率最快,但是物料表面结壳严重,营养损失较多,因此选择70℃ 为最佳干燥温度; 3mm厚度的物料干后卷曲严重,5mm和7mm厚度干燥速率差别不大,考虑到工业生产的效率,选择7mm为最佳干燥厚度。

切片厚度和干燥温度对4 种物料在热风干燥过程的影响表现一致,切法上的影响有所不同,但是影响不明显。农业物料的特性差异较大,复杂多变,但在某些具体问题上具有共性,薯类作物在热风干燥过程中的研究就可以归为一类,这为农业物料的研究提出了归类的思想。

参考文献

[1]张鹏.关于薯类作物储藏根和块茎的差异[J].植物学报,2015(3):279.

[2]郭华春.云南薯类作物生产现状与产业化前景分析[J].西南农业学报,2004(S1):384-387.

[3]刘合光,谢思娜.我国薯类作物生产周期波动测定及影响因素分析[J].中国蔬菜,2013(22):15-19.

[4]程艳军,郑风田.中国薯类燃料乙醇发展现状与前景[J].林业经济,2009(3):59-64.

[5]张顺.论青海高原山区旱地薯类作物的生产[J].农业科技通讯,2013(6):34-36.

[6]徐小东,崔政伟.农产品和食品干燥技术及设备的现状和发展[J].农业机械学报,2005(12):171-174.

[7]孟岳成,王君,房升,等.熟化红薯热风干燥特性及数学模型适用性[J].农业工程学报,2011(7):87-392.

[8]江晓.马铃薯热风干燥过程中物性变化的数值模拟及可视化研究[D].湛江:广东海洋大学,2011.

[9]任广跃,陈艳珍,张仲欣,等.怀山药热风、微波及真空干燥的实验研究[J].食品科技,2010(7):111-115.

[10]匙宝成,连政国,梁洁,等.芋头片微波干燥失水特性试验研究[J].农机化研究,2009,31(6):121-125.

小型薯类收获机设计与田间试验篇6

薯类经济作物包括马铃薯和红薯等,除可食用外又是食品工业与轻工业的原料,已经在我国大面积种植。有关薯类收获机的研究,国外发展较早,机具比较成熟,主要以大型收获机为主。对于我国的中小地块种植薯类的生产地区,主要是以国内开发研究的中小型机具为主。近几年,小型薯类收获机的研究发展较快,但存在挖掘阻力大、薯土分离不清等问题。为了解决小型薯类收获机在作业过程中存在的薯土分离不净、杂草雍堵和破碎率较高等问题,在研究各种类型的薯类收获机的基础之上,设计开发出了一种小型薯类收获机,选用中小配套动力作业,主要满足丘陵山地上薯类机械化收获的生产需要。

1 整机结构与工作原理

收获机的结构如图1所示,主要由防堵转轴、挖掘铲、变速箱、抖动轮、机架、后驱动轮和限深轮等组成。收获机在工作时,挖掘铲将薯和土挖出送往升运链进行初步分离,升运链可通过抖动链轮在输送的同时产生抖动,从而增强薯土分离的能力。配套动力为18.64～26.10kW(具有后动力输出轴),驱动轴转速为540r/min,收获宽度为600～850mm,工作深度为200～300mm。用于收获马铃薯时,种植模式为垄作,单垄双行,一次收获一垄两行,垄距为1.0～1.2m;用于收获红薯时,种植模式为垄作,单垄单行,垄距为1.0～1.2m。

1.防堵转轴 2.挖掘铲 3.变速箱4.抖动轮 5.机架 6.后驱动轮 7.限深轮

2 主要部件设计

2.1 防缠绕装置

收获机在田间作业过程中,挖掘部件经常受到杂草缠绕造成雍堵,不但增加了机器工作中的阻力,而且影响机器正常作业。该薯类收获机增设了防缠绕装置,有效地解决了这种问题。收获机动力传递系统结构如图2所示。拖拉机动力输出轴动力经过变速箱(4)变速,然后再通过皮带轮(5)和两对锥齿轮(2)驱动挖掘铲前边的两个防堵转轴(1)旋转,工作时自动清理挖掘铲前边的秧蔓和杂草。

1.防堵转轴 2.锥齿轮 3.从动轮 4.变速箱 5.主动轮6.链轮 7.抖动轮 8.链轮 9.驱动轮 10.从动轮

2.2 输送装置

当薯类收获机工作时,挖掘铲会将铲起的土块跟果实一起传给后面的升运链,通过升运链的输送,将果实送到地面,同时将薯土分离。升运链利用拖拉机动力输出轴的动力,经过变速箱(4)变速,然后再通过动皮带轮(5)和(10)驱动输送链的驱动轮(9)转动(如图2所示),实现驱动升运链的运动。

2.3 分离装置

为了提高薯土分离效果,收获机的升运链可在抖动轮的作用下实现周期性的抖动运动,增加土块的破碎能力,提高薯土分离效果。利用拖拉机动力输出轴的动力,经过变速箱(4)变速,然后再通过动皮带轮(5),(10)和链轮(8),(6),驱动抖动轮(7)转动(如图2所示),从而达到驱动升运链上下抖动的目的。

3 田间试验研究与分析

3.1 收获前田间状况

样机田间生产试验选在青岛胶州市胶莱镇。收获前,土壤平均含水率为5.89%,土壤平均硬度为147kPa。实测红薯生长的环境如表1所示。

3.2 收获质量检测

试验检测区由稳定区、测定区和停车区3部分组成。稳定区长度为10m,测定区长度为10m,预留停车区为10m。

在测定明薯率、伤薯率与损失率时,分别选择了拖拉机的两个速度挡位进行试验。在低速(0.4m/s)工况下作业,测得结果如表2所示;在高速(0.65m/s) 工况下作业,测得结果如表3所示。

试验测试结果表明:在低速工作状态下,平均损失率为2.12%,平均伤薯率为4.99%,平均明薯率为97.83%;在高速工作状态下,平均损失率为0.51%,平均伤薯率为3.25%,平均明薯率为99.49%。