【摘要】：作為四大水果之一的葡萄,由于其色澤艷麗、美味可口,深受廣大消費(fèi)者的喜愛(ài)。葡萄的世界種植面積僅次于柑橘,我國(guó)是世界鮮食葡萄的第一生產(chǎn)國(guó),卻也是重要的進(jìn)口國(guó),造成這種現(xiàn)象的一個(gè)重要原因就是當(dāng)前我國(guó)鮮食葡萄的商品化處理水平低,尤其是缺乏有效的分級(jí),使優(yōu)質(zhì)葡萄供應(yīng)不足、果品參差不齊。本論文以巨峰鮮食葡萄(Vitis vinifera cv.Kyoho)為研究對(duì)象,利用多視成像機(jī)器視覺(jué)、近紅外光譜技術(shù),結(jié)合圖像處理、化學(xué)計(jì)量學(xué)方法,分別對(duì)鮮食葡萄的內(nèi)外品質(zhì)進(jìn)行快速無(wú)損檢測(cè),并實(shí)現(xiàn)巨峰葡萄品質(zhì)的分級(jí)。主要研究?jī)?nèi)容如下:1)多視投影成像平臺(tái)的搭建以及果穗多視圖像的分割。為擴(kuò)大單目相機(jī)的拍攝視野、獲取果穗全表面信息,采用兩片前表面鍍膜平面鏡來(lái)反射懸掛果穗的側(cè)面信息。優(yōu)化平面鏡、果穗、相機(jī)三者之間的擺放位姿,確定成像距離為800 mm,兩片平面鏡的夾角為104°、其交點(diǎn)與果穗距離為373 mm。采集到的果穗多視彩色圖像,經(jīng)過(guò)通道間差值運(yùn)算預(yù)處理增強(qiáng)前景背景之間的對(duì)比度,以局部均值-方差閾值方法分割果穗前景區(qū)域,再根據(jù)懸掛果穗的高度不變特性,將虛像果穗仿射變換至實(shí)像尺寸,從而實(shí)現(xiàn)一次拍攝得到三個(gè)間隔120°視角的果穗?yún)^(qū)域,包括一個(gè)實(shí)像、兩個(gè)虛像區(qū)域。2)基于多視成像及多變量分析的鮮食葡萄果穗緊實(shí)度定量、定性檢測(cè)。根據(jù)國(guó)際葡萄與葡萄酒組織(OIV,2007)的標(biāo)準(zhǔn),將果穗緊實(shí)度以人工評(píng)價(jià)方式量化。以容積密度法評(píng)估果穗緊實(shí)度,二者間的相關(guān)系數(shù)僅為0.667。以多視圖像特性法評(píng)估果穗緊實(shí)度,提取果穗23個(gè)特征,進(jìn)行歸一化處理后,比較了多元線性回歸(MLR)、主成分回歸(PCR)、偏最小二乘回歸(PLS)等三種多元校正模型,認(rèn)為PLS建模的預(yù)測(cè)效果最好,預(yù)測(cè)相關(guān)系數(shù)(rp)為0.8481,預(yù)測(cè)均方根誤差(RMSEP)為1.2287。將果穗緊實(shí)度指標(biāo)分為‘緊實(shí)‘、‘適中‘、‘疏松‘三個(gè)等級(jí),建立了以主成分分析(pca)提取信息的線性判別(lda)、神經(jīng)網(wǎng)絡(luò)(bpann),以及以pls提取信息的lda、支持向量機(jī)(svm)等四種分類器,對(duì)果穗緊實(shí)度進(jìn)行分類檢測(cè),認(rèn)為pls-svm模型的分類能力最好,準(zhǔn)確率達(dá)到88.33%。3)基于?果穗輪廓-多邊形逼近迭代-最小二乘圓擬合‘的堆積葡萄顆粒圓識(shí)別及其數(shù)量評(píng)估。統(tǒng)計(jì)巨峰葡萄的果粒屬性,每穗果粒重量的頻數(shù)成對(duì)稱分布,果粒形狀近似于橢圓體,可用其當(dāng)量球半徑表示果粒半徑。采用輪廓跟蹤法提取二值圖像果穗?yún)^(qū)域的邊緣,比較了輪廓旋轉(zhuǎn)局部極值、多邊形逼近迭代的輪廓交叉點(diǎn)檢測(cè)結(jié)果,認(rèn)為基于多邊形逼近迭代法能夠分割出更多有效的交叉點(diǎn)以及較少的執(zhí)行時(shí)間。將交叉點(diǎn)之間的圓弧段進(jìn)行最小二乘標(biāo)準(zhǔn)圓擬合(lscf)果粒,篩選符合既定條件的擬合圓,從而得到果粒質(zhì)量。檢測(cè)得到果穗的果粒平均重量與實(shí)際值的相關(guān)系數(shù)(rp)為0.9033,rmse為0.7563g/粒,平均偏差為6.98%。假設(shè)檢出果粒為果穗實(shí)際果粒的正態(tài)抽樣,預(yù)測(cè)果穗的果粒數(shù)量與實(shí)際值的rp為0.9276,rmse為5.563粒/穗,平均偏差為-4.15%。4)基于可見(jiàn)/近紅外光譜技術(shù)的鮮食葡萄內(nèi)部品質(zhì)及感官偏好的檢測(cè)。在自制平臺(tái)上分別采集了離穗果粒的漫反射、透射光譜進(jìn)行比較,認(rèn)為透射光譜更能獲取果粒的內(nèi)部品質(zhì)信息,最佳的pls模型預(yù)測(cè)糖度(sc)、酸度(ta)的rp分別為0.885、0.773,rmsep分別為0.598、0.048。通過(guò)消費(fèi)者對(duì)鮮食葡萄的內(nèi)在品質(zhì)進(jìn)行感官評(píng)分,但得分與其糖酸度的相關(guān)性僅為0.528。將感官得分的樣本為兩類,通過(guò)pca將透射光譜降維去噪后,建立神經(jīng)網(wǎng)絡(luò)(bpann)、支持向量機(jī)(svm)、極限學(xué)習(xí)機(jī)(elm)三種分類模型,得到pca-elm的分類性能最好,準(zhǔn)確率為78.7%。設(shè)計(jì)了一種負(fù)壓式漫反射在穗果粒的光譜采集方式,通過(guò)無(wú)信息變量剔除(uve)、自適應(yīng)重加權(quán)采樣(cars)、遺傳算法(ga)等篩選變量,建立回歸模型,得到最佳uve-pls模型檢測(cè)在穗果粒糖度的rp為0.6862,rmsep為0.9972。預(yù)測(cè)果穗各果粒的糖度,發(fā)現(xiàn)其不成正態(tài)、對(duì)稱分布,穗內(nèi)糖度差異一般在5%brix以上,并建議采集果穗不同位置的多個(gè)果粒光譜來(lái)評(píng)估果穗的平均糖度。5)基于多視成像及光譜技術(shù)的鮮食葡萄內(nèi)外品質(zhì)指標(biāo)的分級(jí)。本文主要以穗形、顏色、緊實(shí)度、果粒平均重量等果穗外觀品質(zhì),以及果穗平均糖度等五項(xiàng)指標(biāo)進(jìn)行分級(jí)。通過(guò)果穗?yún)^(qū)域的長(zhǎng)寬比、重量、輪廓曲線等參數(shù)篩選合格穗形的果穗。將果穗彩色圖像由RGB轉(zhuǎn)到HIS顏色空間,分割色調(diào)(Hue)通道的成熟顏色區(qū)域,以果穗多視圖像的成熟區(qū)域面積累加計(jì)算著色比例。按邏輯方法將47穗鮮食葡萄分為四個(gè)等級(jí),重復(fù)測(cè)試四次,得到特級(jí)果品僅占16.6%,一級(jí)果品占24.5%,二級(jí)果品占23.9%,統(tǒng)貨占39.1%;分類重復(fù)率為86.9%。本研究旨在提高鮮食葡萄品質(zhì)分級(jí)的客觀性與時(shí)效性,為鮮食葡萄品質(zhì)的自動(dòng)化快速檢測(cè)與分級(jí)提供新方法、新思路,對(duì)科學(xué)指導(dǎo)鮮食葡萄的采后處理分級(jí)、增加市場(chǎng)競(jìng)爭(zhēng)力和提高企業(yè)經(jīng)濟(jì)效益有著極其重要的意義。
【圖文】：

僅拍攝果穗一個(gè)視角的圖像，使用 Grape Sorter‖視覺(jué)軟件計(jì)算出果穗表面各個(gè)果穗直徑，同時(shí)提取顏色特征，，由稱重系統(tǒng)獲取果穗重量，根據(jù)這些條件鮮食葡萄分為四個(gè)等級(jí)。據(jù)報(bào)道，使用該套分級(jí)生產(chǎn)線，使生產(chǎn)效率提高 70%上，同時(shí)大幅節(jié)約勞動(dòng)力，也減少葡萄損耗[119, 120]。

a) preliminary sorting and artificial feeding b) part of visual inspection圖 1- 2 葡萄分級(jí)包裝系統(tǒng)Fig. 1-2 The Grading and Packaging grape system (Vizier Grape Sizer)
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TS255.7;O657.3


本文編號(hào)：2575828