葡萄被譽(yù)為四大水果之首,2017年我國的總產(chǎn)量高達(dá)1308.0萬t。紅提是葡萄品種之一,因顆粒飽滿、果肉堅實(shí)、香甜可口、富含較多的營養(yǎng)物質(zhì)受到人們的廣泛喜愛。隨著人們生活水平的提高,消費(fèi)者在關(guān)注紅提外觀品質(zhì)的同時,更青睞于口感好、風(fēng)味佳的內(nèi)部品質(zhì)。目前對紅提內(nèi)部品質(zhì)檢測大都采用傳統(tǒng)的破壞性檢測方法,因檢測方法繁瑣費(fèi)時,且只能進(jìn)行抽樣檢測,檢測范圍較小,檢測完的試驗(yàn)樣品已完全損壞,無法銷售,造成較大的浪費(fèi)。本文以不同生長期的紅提果粒和紅提串為研究對象,利用可見/近紅外光譜技術(shù)、高光譜成像技術(shù)對生長期紅提內(nèi)部品質(zhì)進(jìn)行無損檢測研究,設(shè)計了便攜式紅提果粒和紅提串內(nèi)部品質(zhì)檢測裝置。基于各種光譜圖像技術(shù),建立了高光譜圖像信息融合的紅提可溶性固形物含量的無損檢測模型,進(jìn)一步提高檢測模型的預(yù)測精度。論文主要研究內(nèi)容與結(jié)論如下:1)生長期紅提果粒和紅提串內(nèi)部品質(zhì)參數(shù)及光譜特性變化規(guī)律研究。采用可見/近紅外光譜技術(shù)和高光譜成像檢測技術(shù),研究了生長期紅提的內(nèi)部物質(zhì)含量（可溶性固形物、總酸、p H、硬度和含水率）隨著果實(shí)逐漸成熟的變化規(guī)律,探析了可見/近紅外光譜特性及高光譜特性在紅提生長成熟階段與內(nèi)部品質(zhì)之間... 

【文章來源】：華中農(nóng)業(yè)大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：182 頁

【學(xué)位級別】：博士

【部分圖文】：

便攜式水果內(nèi)部

技術(shù)。高光譜成像系統(tǒng)主要由光源、成像光譜裝置、CCD相機(jī)、運(yùn)動機(jī)構(gòu)及計算機(jī)等部分組成(付丹丹和王巧華2016)。光源發(fā)出的光均勻照射在樣品的表面，鏡頭收集樣品的輻射能經(jīng)過狹縫增強(qiáng)準(zhǔn)直照射到分光原件上，其核心為包含一個全息式透射光柵（PGP單元），經(jīng)分光原件在垂直方向按光譜色散，經(jīng)分光原件后成像在圖像傳感器上，并采集被測樣品在某一空間位置下的線性連續(xù)光譜，PGP原理如圖1-2所示。在運(yùn)動機(jī)構(gòu)的作用下逐漸得到整個被測樣品在不同空間位置下的數(shù)據(jù)，獲得被測對象的整體信息，實(shí)現(xiàn)對整個樣品的高光譜圖像采集。圖1-3PGP原理圖Fig.1-2SchematicofPGP高光譜成像技術(shù)采集的紅提圖像三維數(shù)據(jù)立方體，如圖1-3所示。x，y和分別表示圖像像素點(diǎn)的橫、縱坐標(biāo)及波長。高光譜圖像的三維立體圖可以理解為高光譜圖像將所有像素點(diǎn)對應(yīng)的全波段光譜組合形成三維數(shù)據(jù)立方體，實(shí)現(xiàn)了對紅提表面每個像素點(diǎn)進(jìn)行光譜分析。完成了由點(diǎn)到面的可見/近紅外光譜檢測。由此，通過高光譜成像技術(shù)可以對整體表面和特定空間中感興趣區(qū)域的光譜進(jìn)行分析。同樣高光譜圖像也可看作為每一個波長下的二值圖像在波長范圍的組合。因此，可以對特定波長下的圖像進(jìn)行圖像處理，實(shí)現(xiàn)圖像檢測。

紅提內(nèi)部品質(zhì)的光譜/圖像無損檢測技術(shù)及裝置研發(fā)9圖1-3紅提高光譜圖像3維示意圖Fig.1-43Dschematicofredglobegrapehyperspectralimage1.2.2.2高光譜成像技術(shù)在水果品質(zhì)檢測中的應(yīng)用高光譜技術(shù)是一種涵蓋光譜和圖像兩種檢測方法的新技術(shù)。高光譜技術(shù)具有無損、高效、無污染等優(yōu)點(diǎn)(Wangetal2016，Zhangetal2014)。高光譜成像可以同時獲取樣品的光譜信息和圖像信息，獲得更加豐富的信息，優(yōu)點(diǎn)顯著。但高光譜成像也存在較多的缺點(diǎn)，如采集時間較長，高光譜成像裝置價格昂貴，且不適合在線快速檢測，以試驗(yàn)室研究為主。高光譜成像已廣泛應(yīng)用于水果內(nèi)部品質(zhì)的檢測和分析(郭文川和董金磊2015，孫靜濤等2017，李瑞和傅隆生2017，管曉梅等2018，王轉(zhuǎn)衛(wèi)等2018)。且大多數(shù)的研究都集中在蘋果(饒利波等2019)、哈密瓜(徐璐2019)、梨(朱曉琳等2019)、臍橙(李增芳2016，介鄧飛等2017)等果蔬的內(nèi)部品質(zhì)檢測(彭彥昆等2018)。目前，國內(nèi)外對水果硬度的研究大都集中在哈密瓜(孫靜濤等2017)、蘋果(彭彥昆等2012，朱丹實(shí)等2014，馮迪等2017)、藍(lán)莓(蔣雪松和周宏平2013，李瑞和傅隆生2017)等，Li等(Lietal2018)利用高光譜測定不同成熟期櫻桃的可溶性固形物與pH的含量，確定了GA-MLR作為最終建模方法，實(shí)現(xiàn)了SSC和pH指標(biāo)的可靠預(yù)測，證明了利用近紅外高光譜成像技術(shù)檢測櫻桃果實(shí)品質(zhì)的可行性。Mo等使用可見/近紅外高光譜成像建立了蘋果內(nèi)部可溶性固形物含量（SSC）的偏最小二乘回歸（PLSR）模型，結(jié)果表明，高光譜成像技術(shù)可用于預(yù)測蘋果的內(nèi)部可溶性固形物含量(Moetal2017)。金瑞等針對隨機(jī)放置的馬鈴薯缺陷多項(xiàng)指標(biāo)難以同時檢測的問題，提出了一種基于高光譜信息融合的流形學(xué)習(xí)降維算法，結(jié)果表明高光譜信息融合技術(shù)結(jié)合流形學(xué)習(xí)降維算法可同時識別隨機(jī)放置馬鈴

【參考文獻(xiàn)】：
期刊論文
[1]果蔬品質(zhì)安全近紅外光譜無損檢測研究進(jìn)展[J]. 郭志明,郭闖,王明明,石吉勇,陳全勝,鄒小波.  食品安全質(zhì)量檢測學(xué)報. 2019(24)
[2]番茄碰傷和可溶性固形物近紅外光譜同時在線檢測[J]. 劉燕德,饒宇,孫旭東,肖懷春,姜小剛,�？�,徐海.  光譜學(xué)與光譜分析. 2019(12)
[3]基于CARS-MIV-SVR的庫爾勒香梨可溶性固體含量預(yù)測方法[J]. 朱曉琳,李光輝,張萌.  光譜學(xué)與光譜分析. 2019(11)
[4]基于GA的偏最小二乘法在近紅外光譜識別蘋果表面農(nóng)藥殘留量的應(yīng)用[J]. 張曉,蔣霞,石魯珍,張樹艷,張楠楠.  科技通報. 2019(08)
[5]聯(lián)合光譜-空間信息的短波紅外高光譜圖像茶葉識別模型[J]. 蔡慶空,李二俊,蔣金豹,喬小軍,蔣瑞波,馮海寬,劉紹堂,崔希民.  光譜學(xué)與光譜分析. 2019(08)
[6]基于高光譜圖像及深度特征的大米蛋白質(zhì)含量預(yù)測模型[J]. 孫俊,靳海濤,蘆兵,武小紅,沈繼鋒,戴春霞.  農(nóng)業(yè)工程學(xué)報. 2019(15)
[7]基于近紅外光譜檢測不同產(chǎn)地石榴的糖度[J]. 劉燕德,張雨,徐海,姜小剛,王軍政.  激光與光電子學(xué)進(jìn)展. 2020(01)
[8]基于高光譜技術(shù)和改進(jìn)型區(qū)間隨機(jī)蛙跳算法的番茄硬度檢測[J]. 龍燕,連雅茹,馬敏娟,宋懷波,何東健.  農(nóng)業(yè)工程學(xué)報. 2019(13)
[9]基于近紅外的柚子品種判別和糖度檢測通用模型[J]. 李雄,劉燕德,歐陽愛國,孫旭東,胡軍,姜小剛,歐陽玉平.  發(fā)光學(xué)報. 2019(06)
[10]基于光譜和Gabor紋理信息融合的油桃品種識別[J]. 苗榮慧,黃鋒華,楊華,鄧雪峰,陳曉倩.  江蘇農(nóng)業(yè)科學(xué). 2019(06)

博士論文
[1]基于多尺度高光譜成像的大豆養(yǎng)分檢測方法研究[D]. 張亞坤.東北農(nóng)業(yè)大學(xué) 2018
[2]水果品質(zhì)可見/近紅外光譜預(yù)測模型優(yōu)化方法的研究[D]. 李明.中國農(nóng)業(yè)大學(xué) 2018
[3]基于介電頻譜與光譜技術(shù)的水果內(nèi)部品質(zhì)無損檢測方法研究[D]. 王轉(zhuǎn)衛(wèi).西北農(nóng)林科技大學(xué) 2018
[4]雞蛋多品質(zhì)高通量在線快速無損檢測研究[D]. 段宇飛.華中農(nóng)業(yè)大學(xué) 2017
[5]可見/近紅外光譜檢測水果品質(zhì)時影響因素的研究[D]. 戚淑葉.中國農(nóng)業(yè)大學(xué) 2016
[6]基于光譜及成像技術(shù)的鮮棗品質(zhì)檢測研究[D]. 薛建新.山西農(nóng)業(yè)大學(xué) 2016
[7]基于可見/近紅外光譜及成像技術(shù)的蘋果可溶性固形物檢測研究[D]. 樊書祥.西北農(nóng)林科技大學(xué) 2016
[8]基于多視成像及近紅外光譜技術(shù)的巨峰葡萄品質(zhì)無損檢測研究[D]. 袁雷明.江蘇大學(xué) 2016
[9]臍橙表面缺陷的快速檢測方法研究[D]. 李江波.浙江大學(xué) 2012
[10]基于光譜和多光譜成像技術(shù)的油菜生命信息快速無損檢測機(jī)理和方法研究[D]. 劉飛.浙江大學(xué) 2011

碩士論文
[1]基于可見—近紅外光譜及成像技術(shù)的水果可溶性固形物含量檢測[D]. 徐璐.安徽大學(xué) 2019
[2]基于特征約束的三維拓?fù)鋬?yōu)化方法及應(yīng)用研究[D]. 趙紅娟.沈陽航空航天大學(xué) 2019
[3]基于機(jī)器視覺的紅提果粉及果粒尺寸在線檢測方法及其裝備[D]. 肖壯.華中農(nóng)業(yè)大學(xué) 2018
[4]蘋果成熟度與品質(zhì)關(guān)聯(lián)因子無損檢測方法研究[D]. 李磊.西北農(nóng)林科技大學(xué) 2018
[5]基于高光譜成像技術(shù)的大麥真菌病害早期檢測的研究[D]. 許凱雯.浙江大學(xué) 2018
[6]葡萄內(nèi)部品質(zhì)的高光譜成像檢測研究[D]. 楊杰.石河子大學(xué) 2016



本文編號：3286034