發(fā)布時(shí)間：2022-01-24 05:26

　　為了篩選出適用于開(kāi)發(fā)蘋(píng)果輕微損傷自動(dòng)分級(jí)儀器的有效波段,以200個(gè)煙臺(tái)富士蘋(píng)果為對(duì)象進(jìn)行研究。首先獲取400～1 000 nm波長(zhǎng)范圍內(nèi)完好和輕微損傷后0、0.5、1 h的蘋(píng)果高光譜圖像,然后提取完好與損傷樣本感興趣區(qū)域的平均光譜反射率數(shù)據(jù),再利用載荷系數(shù)法（x-LW）、連續(xù)投影法（SPA）和二階導(dǎo)數(shù)（second derivative）法提取特征波長(zhǎng),分別提取3、9和20個(gè)特征波長(zhǎng),并根據(jù)特征波長(zhǎng)建立基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)（GA-BP）和支持向量機(jī)（SVM）損傷識(shí)別模型。結(jié)果顯示,三種基于特征波長(zhǎng)提取方法建立的SVM模型對(duì)測(cè)試集的識(shí)別率（分別為77.50%、91.88%、96.88%）均高于BP-GA模型（分別為75.63%、90.63%、93.75%）,因此,SVM被確定為最佳蘋(píng)果輕微損傷識(shí)別模型。最后,利用每一特征波長(zhǎng)分別作為變量建立SVM模型。結(jié)果發(fā)現(xiàn),波段811 nm識(shí)別率達(dá)到90.63%,優(yōu)于其他波段,被確定為蘋(píng)果輕微損傷識(shí)別的最優(yōu)波段。 

【文章來(lái)源】：中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào). 2020,22(03)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

完好與損傷樣本的平均光譜曲線

完好與損傷樣本的二階導(dǎo)數(shù)光譜曲線

分別利用以上三種方法提取的每一特征波長(zhǎng)作為變量,結(jié)合最優(yōu)損傷識(shí)別模型SVM再次建模,每一波段的損傷識(shí)別結(jié)果如圖7所示�？梢钥闯�,不同特征波段的識(shí)別效果各有不同,即其攜帶的有效信息各有不同,波段570 nm處的模型識(shí)別結(jié)果最差,僅達(dá)到62.50%,波段811 nm處的模型識(shí)別結(jié)果最好,對(duì)測(cè)試集的識(shí)別率達(dá)到90.63%,優(yōu)于其他波段。因此,將波段811 nm作為識(shí)別蘋(píng)果早期輕微損傷的最佳波段。該研究為開(kāi)發(fā)蘋(píng)果早期輕微損傷實(shí)時(shí)在線檢測(cè)系統(tǒng)提供理論支持和依據(jù)。3 討論

【參考文獻(xiàn)】：
期刊論文
[1]高光譜圖像技術(shù)檢測(cè)蘋(píng)果外部損傷[J]. 劉晶晶,劉付龍,史鐵,孫超,張晉寶,門(mén)洪.  中國(guó)食品學(xué)報(bào). 2018(01)
[2]基于高光譜成像提取蘋(píng)果糖度與硬度最佳波長(zhǎng)[J]. 馮迪,紀(jì)建偉,張莉,劉思伽,田有文.  發(fā)光學(xué)報(bào). 2017(06)
[3]基于高光譜圖像的藍(lán)莓糖度和硬度無(wú)損測(cè)量[J]. 李瑞,傅隆生.  農(nóng)業(yè)工程學(xué)報(bào). 2017(S1)
[4]高光譜成像技術(shù)的庫(kù)爾勒梨早期損傷可視化檢測(cè)研究[J]. 陳欣欣,郭辰彤,張初,劉子毅,蔣浩,樓兵干,何勇.  光譜學(xué)與光譜分析. 2017(01)
[5]采用二次連續(xù)投影法和BP人工神經(jīng)網(wǎng)絡(luò)的寒富蘋(píng)果病害高光譜圖像無(wú)損檢測(cè)[J]. 劉思伽,田有文,張芳,馮迪.  食品科學(xué). 2017(08)
[6]基于冠層高光譜信息的蘋(píng)果樹(shù)花量估測(cè)[J]. 劉穎,王克健,謝讓金,呂強(qiáng),何紹蘭,易時(shí)來(lái),鄭永強(qiáng),鄧烈.  中國(guó)農(nóng)業(yè)科學(xué). 2016(18)
[7]基于高光譜成像技術(shù)的小麥籽粒赤霉病識(shí)別[J]. 梁琨,杜瑩瑩,盧偉,王策,徐劍宏,沈明霞.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2016(02)
[8]基于高光譜成像技術(shù)的山楂損傷和蟲(chóng)害缺陷識(shí)別研究[J]. 劉德華,張淑娟,王斌,余克強(qiáng),趙艷茹,何勇.  光譜學(xué)與光譜分析. 2015(11)
[9]基于高光譜技術(shù)的霉變稻谷脂肪酸含量無(wú)損檢測(cè)[J]. 文韜,洪添勝,李立君,郭鑫,趙兵,張仟仟,劉付.  農(nóng)業(yè)工程學(xué)報(bào). 2015(18)
[10]基于高光譜成像技術(shù)和SVM神經(jīng)網(wǎng)絡(luò)的馬鈴薯外部損傷識(shí)別[J]. 湯哲君,湯全武,張然,史崇升.  湖北農(nóng)業(yè)科學(xué). 2014(15)

碩士論文
[1]基于高光譜成像技術(shù)的蘋(píng)果外部損傷精確識(shí)別與分級(jí)方法研究[D]. 談文藝.黑龍江大學(xué) 2018



本文編號(hào)：3605946