本文關(guān)鍵詞：基于光學特性的水果損傷敏感性預測評估

  更多相關(guān)文章： 蘋果 損傷敏感性 可見及短波近紅外 高光譜圖像 預測評估

【摘要】：水果的損傷是影響其質(zhì)量的重要因素,其不但帶來外觀的缺陷,更會帶來營養(yǎng)成分流失和病菌感染等更深層次的缺陷。損傷不但降低了水果的質(zhì)量,影響消費者的購買欲望,也會給果農(nóng)或經(jīng)銷商帶來較大的經(jīng)濟損失。水果的損傷發(fā)生在水果的生產(chǎn)、采摘、包裝、運輸、儲存等環(huán)節(jié)。事先了解水果在各個加工處理環(huán)節(jié)的損傷特點和可能性,為采取合適的操作、防護等措施提供信息,對于減少水果損傷具有重要的價值。損傷敏感性被定義為單位碰撞或吸收能量下的損傷體積,由于其能夠評價水果抵抗外力所導致的損傷潛力,被廣泛的研究。以往對損傷敏感性的研究大多是基于少量樣本的破壞性試驗,很難滿足水果產(chǎn)業(yè)對大量樣本快速檢測分級的需求,為了克服這一缺陷,本文旨在利用可見及短波近紅外光譜和高光譜散射圖像兩種光譜分析技術(shù),發(fā)展出一種快速無損非接觸的水果損傷敏感性預測評估方法。論文主要研究如下:1.研究了基于可見/短波近紅外(Vis/SWNIR)光譜分析技術(shù)的蘋果損傷敏感性檢測方法,并應用于“Golden Delicious”蘋果的損傷敏感性檢測。論文采集了“Golden Delicious”蘋果在400-1,100nm波段范圍內(nèi)的可見/近紅外光譜;利用連續(xù)投影算法(SPA)選擇重要波段,并基于這些重要波段和隨機添加的擾動波段,構(gòu)建偏最小二乘回歸子模型;最終基于選擇性集成學習方法建立蘋果損傷敏感性預測的集成模型。結(jié)果顯示Vis/SWNIR可以用來預測蘋果的損傷敏感性,相比于單一的偏最小二乘回歸模型,集成學習方法可顯著提高蘋果損傷敏感性的預測精度,具有更強的穩(wěn)健性和泛化能力。2.將高光譜散射圖像(HSI)技術(shù)應用到蘋果的損傷敏感性檢測中。論文針對高光譜散射圖像信息量巨大的特點,比較了包括光學特性參數(shù)(U_a和U_s')、修正洛倫茲參數(shù)(MLD)、廣義高斯分布參數(shù)(GGD)和均值光譜(MS)參數(shù)等多種特征提取方法對水果損傷敏感性預測的性能。結(jié)果發(fā)現(xiàn)均值光譜對損傷敏感性的預測精度較高,其預測精度較可見/短波近紅外光譜分析技術(shù)有著較大的提高。3.為了進一步提高水果損傷敏感性的預測精度,論文研究了基于短波/近紅外光譜分析技術(shù)和高光譜散射圖像融合的水果損傷敏感性檢測方法。結(jié)果顯示多傳感器信息融合模型較單一傳感器模型的預測精度顯著性提高,這表明多傳感器信息融合技術(shù)能有效提高模型的預測能力。本文的研究結(jié)果對于促進農(nóng)產(chǎn)品品質(zhì)無損檢測技術(shù)的發(fā)展,特別是水果損傷敏感性檢測技術(shù)的發(fā)展提供了一種有效途徑。
【關(guān)鍵詞】：蘋果 損傷敏感性 可見及短波近紅外 高光譜圖像 預測評估
【學位授予單位】：江南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：S66;O657.3
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-15
• 1.1 研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-12
• 1.2.1 近紅外光譜技術(shù)9-10
• 1.2.2 高光譜圖像技術(shù)10-12
• 1.3 光譜檢測技術(shù)在水果品質(zhì)屬性評估的前景12-13
• 1.4 本文研究內(nèi)容13-15
• 第二章 光譜圖像技術(shù)基本原理及實驗設(shè)計15-24
• 2.1 引言15
• 2.2 光在生物組織中傳輸?shù)幕驹?/span>15-17
• 2.3 樣本及光譜采集17-19
• 2.3.1 試驗樣本17
• 2.3.2 近紅外光譜采集17-18
• 2.3.3 高光譜散射圖像采集18-19
• 2.4 損傷實驗及敏感性測量19-23
• 2.4.1 損傷實驗20-21
• 2.4.2 損傷體積計算模型21-22
• 2.4.3 損傷敏感性22-23
• 2.5 本章小結(jié)23-24
• 第三章 基于近紅外光譜集成學習的蘋果損傷敏感性預測24-37
• 3.1 引言24
• 3.2 近紅外光譜的預處理24-25
• 3.3 損傷敏感性的預測模型構(gòu)建25-31
• 3.3.1 偏最小二乘建模26-28
• 3.3.2 集成學習及模型構(gòu)建28-31
• 3.4 模型評價31-32
• 3.5 損傷結(jié)果分析32-33
• 3.6 建模及結(jié)果分析33-36
• 3.6.1 樣本劃分33
• 3.6.2 結(jié)果分析33-36
• 3.7 本章小結(jié)36-37
• 第四章 基于高光譜散射圖像的蘋果損傷敏感性預測評估37-52
• 4.1 引言37
• 4.2 特征提取方法37-44
• 4.2.1 光學特性參數(shù)38-40
• 4.2.2 洛倫茲參數(shù)40-41
• 4.2.3 廣義高斯分布參數(shù)41-43
• 4.2.4 均值光譜參數(shù)43-44
• 4.3 建模評估方法44-46
• 4.4 光譜分析及建模46-51
• 4.4.1 光譜分析46-47
• 4.4.2 樣本劃分與建模47
• 4.4.3 結(jié)果分析47-51
• 4.5 本章小結(jié)51-52
• 第五章 基于光譜信息融合技術(shù)的蘋果損傷敏感性預測52-58
• 5.1 引言52
• 5.2 信息融合原理52-53
• 5.3 矩變換方法及建模方法53-54
• 5.3.1 矩變換方法53-54
• 5.3.2 建模方法54
• 5.4 結(jié)果分析54-57
• 5.5 本章小結(jié)57-58
• 主要結(jié)論與展望58-61
• 主要結(jié)論58-59
• 展望59-61
• 致謝61-62
• 參考文獻62-67
• 附錄: 作者在攻讀碩士學位期間發(fā)表的論文67

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 Ananya Mukhopadhyay;Andrea Polo;Federico Perotti;;熱軋帶材力學性能預測評估系統(tǒng)[J];鋼鐵;2009年01期

2 陳奇;李俊彥;張杰坤;王桂海;;地下水封石洞油庫巖爆災害預測評估——以某地下水封石洞油庫實際工程為例[J];地球與環(huán)境;2005年S1期

3 顧祖?zhèn)?玉石毛料中裂綹的預測評估與利用[J];珠寶科技;1997年02期

4 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 阮水根;馬清云;;近年來我國氣象預報預測評估與初步分析[A];新世紀氣象科技創(chuàng)新與大氣科學發(fā)展——中國氣象學會2003年年會“城市氣象與科技奧運”分會論文集[C];2003年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 張興春;拆遷審批前要進行維穩(wěn)風險預測評估[N];哈爾濱日報;2007年

2 李公明　李明燦;河南局一隊非煤研究所涉足礦山環(huán)境保護和治理領(lǐng)域[N];中煤地質(zhì)報;2011年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 關(guān)濟雨;基于光學特性的水果損傷敏感性預測評估[D];江南大學;2016年

，

本文編號：1136099