论文部分内容阅读
随着全球对食品安全性重视的提高,对水果实现产品追溯成为必然要求。目前,对于水果的追溯大部分是通过在水果表面粘贴纸质标签实现的,然而,由于纸质标签粘贴强度稳定性差,容易脱落,造成信息丢失；有些又难以去除,给广大消费者带来麻烦。针对此问题,利用激光技术在水果表面直接标刻二维条码成为新的研究热点。为此,本课题以香蕉、柚子、猕猴桃等水果为研究对象,从激光与水果的作用机理、影响加工的工艺参数、条码的耐久性、条码的读取率、BP神经网络预测模型五方面入手,做了以下研究工作：首先对激光特性进行了分析,并根据激光与水果的特点,分析了激光对水果的生物学效应,确定了三种有效可识读条码的标刻方法。利用CO2-S100XP激光器在水果表面标刻Data Matrix(DM)二维条码,研究了单因素工艺参数对在水果表面激光直接标记DM条码加工质量的影响规律。分析了在水果表面激光直接标刻DM条码时,激光功率、标刻速度和线间距三个工艺参数对条码加工质量(条码对比度、标刻深度)的影响规律。实验表明激光功率、标刻速度和线间距是影响条码质量的主要因素。对条码的耐久性进行了实验研究。分析了条码存储过程中水果表皮和条码识读的变化,并探讨了在标刻区域涂抹水果保鲜液和添加保鲜包对提高条码耐久性的作用。实验发现,在最优参数组合下,标刻条码具有较好的耐久性,并且通过添加水果保鲜液和保鲜包可以显著提高条码的耐久性。研究了影响水果表面DM条码的识读问题,并探讨了改善DM码识读的方法。对条码尺寸、曲率对DM码识读的影响规律进行了深入研究,并对在标刻区域添加着色剂以改善DM码识读进行了相应的研究工作。实验发现条码尺寸和标刻区域的曲率大小影响条码的识读,并且在标刻区域添加着色剂可以显著改善DM码的识读。利用BP神经网络建立了条码对比度预测模型。通过训练样本训练BP网络,结果表明该网络具有较高的预测精度,验证了该BP网络预测模型的可行性和有效性。利用该预测模型绘制了激光功率、标刻速度和线间距对条码对比度的影响曲线,对于实际加工中参数的选取具有重要的指导意义。