花生是我國重要的糧食作物之一,具有非常高的經濟和營養(yǎng)價值,在整個食品市場中占有重要地位。花生水分含量,脂肪含量以及霉變與否直接決定其品質優(yōu)劣。傳統(tǒng)檢測方法多為化學手段,檢測過程破壞樣品,耗時繁瑣,并且很大程度上受操作者經驗的影響。因此,研究花生品質的準確和快速無損檢測技術尤為重要。本研究以花生為研究對象,采用高光譜成像技術結合化學計量學分析方法提出了準確和快速無損的花生霉變、水分含量以及脂肪含量的檢測方法。具體研究內容如下:首先,運用1000～2500 nm波段范圍的高光譜成像技術進行霉變花生的分類檢測。采集所有花生樣本的高光譜圖像并提取每個霉變和健康花生的平均光譜數(shù)據。采用連續(xù)投影算法（SPA）進行特征波段篩選,并基于特征波段建立偏最小二乘判別分析（PLS-DA）、線性判別分析（LDA）以及支持向量機（SVM）的分類模型。通過對比,在三個模型中,SPA-LDA分類模型檢測準確率最高,達100%。最后,應用SPA-LDA分類模型對花生樣本高光譜圖像所有像素進行判別分類,霉變像素以紅色顯示,健康像素以綠色顯示,實現(xiàn)了霉變花生的可視化檢測。其次,運用400～1000 nm波段范圍的高光譜成... 

【文章來源】：山東理工大學山東省

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究目的及意義
    1.2 高光譜成像技術在農產品無損檢測方面的國內外研究現(xiàn)狀
        1.2.1 高光譜成像技術在國外研究中的應用
        1.2.2 高光譜成像技術在國內研究中的應用
    1.3 研究內容
    1.4 技術路線
    1.5 本章小結
第二章 實驗材料、儀器和方法
    2.1 實驗材料
    2.2 實驗儀器
        2.2.1 實驗分析儀器
        2.2.2 高光譜成像設備
        2.2.3 數(shù)據分析軟件
    2.3 實驗方法
        2.3.1 花生樣品水分和脂肪真實含量的測量方法
        2.3.2 高光譜圖像采集以及光譜數(shù)據提取方法
        2.3.3 光譜特征波段篩選方法
        2.3.4 化學計量學建模方法
        2.3.5 模型評價指標
    2.4 本章小結
第三章 應用高光譜成像技術準確鑒別霉變花生
    3.1 樣本制備
    3.2 樣本高光譜圖像的采集以及光譜數(shù)據的提取
    3.3 提取特征波段
    3.4 基于特征波段建立霉變花生鑒別模型
        3.4.1 PLS-DA分類模型
        3.4.2 SVM分類模型
        3.4.3 LDA分類模型
        3.4.4 模型綜合比較
    3.5 霉變花生的可視化識別
    3.6 本章小結
第四章 應用高光譜成像技術無損檢測花生水分含量
    4.1 樣本制備
    4.2 樣本高光譜圖像的采集以及光譜數(shù)據的提取
    4.3 樣本水分含量的測量以及樣本集的劃分
    4.4 光譜數(shù)據建模分析
        4.4.1 基于全譜波段建立水分含量檢測模型
        4.4.2 篩選特征波段
        4.4.3 基于特征波段建立水分含量檢測模型
        4.4.4 模型綜合比較
    4.5 本章小結
第五章 應用高光譜成像技術無損檢測花生脂肪含量
    5.1 樣本選取
    5.2 樣本高光譜圖像的采集以及光譜數(shù)據的提取
    5.3 樣本脂肪含量的測量以及樣本集的劃分
    5.4 光譜數(shù)據建模分析
        5.4.1 基于全譜波段建立脂肪含量檢測模型
        5.4.2 篩選特征波段
        5.4.3 基于特征波段建立脂肪含量檢測模型
        5.4.4 模型綜合比較
    5.5 本章小結
第六章 總結和展望
    6.1 總結
    6.2 展望
參考文獻
在讀期間公開發(fā)表的論文
致謝


【參考文獻】：
期刊論文
[1]世界花生和花生油生產、貿易發(fā)展動態(tài)及結構特征[J]. 李淞淋,曹永躍.  世界農業(yè). 2018(11)
[2]馬鈴薯干物質空間分布狀態(tài)可視化研究[J]. 許英超,王相友,印祥,胡周勛,岳仁才.  農業(yè)機械學報. 2018(02)
[3]高光譜成像技術結合化學計量學可視化花生中蛋白質含量分布[J]. 于宏威,王強,石愛民,楊穎,劉麗,胡暉,劉紅芝.  光譜學與光譜分析. 2017(03)
[4]基于高光譜成像技術快速無損測定花生中水分含量[J]. 于宏威,劉紅芝,楊穎,石愛民,劉麗,胡暉,王強.  農產品加工. 2016(23)
[5]近紅外高光譜成像技術用于轉基因大豆快速無損鑒別研究[J]. 王海龍,楊向東,張初,郭東全,鮑一丹,何勇,劉飛.  光譜學與光譜分析. 2016(06)
[6]基于高光譜圖像紋理特征的牛肉嫩度分布評價[J]. 趙娟,彭彥昆.  農業(yè)工程學報. 2015(07)
[7]應用近紅外高光譜成像預測三文魚肉的水分含量[J]. 朱逢樂,何勇,邵詠妮.  光譜學與光譜分析. 2015(01)
[8]世界花生消費現(xiàn)狀及發(fā)展趨勢[J]. 王通,陳娜,胡冬青,王冕,陳明娜,潘麗娟,遲曉元,禹山林.  花生學報. 2014(04)
[9]應用可見/近紅外高光譜成像測定鮭魚片脂肪含量分布（英文）[J]. 朱逢樂,彭繼宇,高峻峰,趙艷茹,余克強,何勇.  農業(yè)工程學報. 2014(23)
[10]基于高光譜成像技術的多寶魚肉冷藏時間的可視化研究[J]. 朱逢樂,章海亮,邵詠妮,何勇.  光譜學與光譜分析. 2014(07)

博士論文
[1]基于光譜和光譜成像技術的茶葉含水率檢測機理和方法研究[D]. 魏玉震.浙江大學 2019
[2]谷物霉菌的高光譜成像辨識方法和霉變玉米籽粒檢測方法研究[D]. 褚璇.中國農業(yè)大學 2018
[3]高光譜技術在馬鈴薯品種鑒別及品質無損檢測中的應用研究[D]. 姜微.東北農業(yè)大學 2017
[4]農產品無損檢測中的模式識別問題研究[D]. 余心杰.浙江大學 2015
[5]基于光譜和高光譜成像技術的海水魚品質快速無損檢測[D]. 朱逢樂.浙江大學 2014
[6]基于高光譜成像技術的棉花雜質檢測方法的研究[D]. 郭俊先.浙江大學 2011

碩士論文
[1]快速檢測紅棗中功能成分的光譜信號處理與識別[D]. 閆文麗.新疆大學 2019
[2]花生米品質分選系統(tǒng)的關鍵技術研究[D]. 張凱.山東大學 2019
[3]高光譜技術在馬鈴薯淀粉含量無損檢測中的應用研究[D]. 李亨.東北農業(yè)大學 2018
[4]基于高光譜和近紅外信息融合的羊肉新鮮度無損檢測研究[D]. 邱園園.石河子大學 2018
[5]基于高光譜成像技術的玉米種子霉變檢測方法研究[D]. 崔博.沈陽農業(yè)大學 2017
[6]花生有害霉菌污染的快速無損檢測方法研究[D]. 劉鵬.南京林業(yè)大學 2017
[7]霉變花生仁色選試驗研究[D]. 張德高.中國農業(yè)科學院 2017
[8]基于高光譜圖像技術的大米品種、水分及淀粉含量無損檢測研究[D]. 路心資.江蘇大學 2017
[9]基于高光譜成像技術的干貝水分含量快速檢測研究[D]. 沈曄.浙江大學 2017
[10]基于高光譜成像技術的花生分類及水分和蛋白質含量檢測[D]. 崔彬彬.河南工業(yè)大學 2015



本文編號：3163658