本文關鍵詞：基于高光譜成像技術的藍莓內部品質檢測方法的研究

  更多相關文章： 藍莓 高光譜成像技術 品質檢測 連續(xù)投影法 BP神經網絡

【摘要】：近年來,藍莓以其豐富的營養(yǎng)價值和保健價值一直受到廣大消費者的青睞,隨著物質生活的提高,人們對藍莓的品質要求逐漸增高。而人工分揀、分級只能依靠藍莓的大小,顏色,形狀來篩選,而藍莓的內部品質無法分辨。高光譜成像技術是近幾年來新興起的一門融合了圖像技術和光譜技術的學科,許多海內外研究學者將其應用到水果品質的檢測之中,提出了很多水果無損檢測的方法,并且已取得很好的研究成果。本研究利用高光譜成像技術對藍莓內部品質(糖度和硬度)進行無損檢測。為實現藍莓在線無損檢測提供技術和理論的依據,對提高藍莓分級精度和品質檢測水平有重要意義。本研究以漿果之中最具有代表性的藍莓作為研究對象,首先采用自主搭建的高光譜成像設備,對藍莓進行高光譜圖像采集,將采集后的藍莓立即測定其糖度、硬度實測值。其次,將采集的藍莓高光譜圖像進行校正,利用軟件選取30×30的矩形感興趣區(qū)域(ROIs),計算ROIs內的所有點的平均光譜反射率,觀察平均光譜反射率曲線去除受噪聲影響較大的區(qū)域,選取500nm-1000nm之間的數據作為全光譜數據。然后,研究提出簡化數據和優(yōu)化數據降維的方法—連續(xù)投影算法(SPA)做特征光譜提取,在糖度預測研究中,選取出12個特征波長,數據量減少了96.92%。在硬度預測實驗中,選取8個特征波長,數據量減少了97.95%。最后,采用BP神經網絡建立預測模型：基于全波段-BP神經網絡糖度、硬度預測模型,基于SPA-BP神經網絡糖度、硬度預測模型,并對所建模型的預測結果進行了比較。研究結果表明,所建模型都取得了較好的預測結果,相較于基于全波段的BP神經網絡模型,基于特征波段的BP神經網絡預測模型的預測結果更好。采用提取特征波段的方法建立藍莓糖度、硬度預測模型,不僅可以降低數據維數,減少模型的計算量,而且還取得了較好的預測結果。
【關鍵詞】：藍莓 高光譜成像技術 品質檢測 連續(xù)投影法 BP神經網絡
【學位授予單位】：沈陽農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要8-9
• Abstract9-11
• 第一章 緒論11-25
• 1.1 課題研究的背景、目的及意義11-15
• 1.2 高光譜成像技術在水果品質檢測的國內外研究進展15-22
• 1.3 研究目標及具體內容22-24
• 1.4 本章小結24-25
• 第二章 實驗材料和研究方法25-35
• 2.1 實驗材料25-30
• 2.1.1 高光譜成像硬件設備組成25-26
• 2.1.2 高光譜圖像采集軟件平臺26-27
• 2.1.3 高光譜圖像數據處理軟件平臺27-29
• 2.1.4 糖度儀29
• 2.1.5 硬度計29-30
• 2.2 實驗樣本30
• 2.3 實驗分析方法30
• 2.4 實驗數據處理方法30-34
• 2.4.1 圖像光譜校正方法30-31
• 2.4.2 光譜特征提取方法31-32
• 2.4.3 建模方法32-34
• 2.5 本章小結34-35
• 第三章 基于高光譜成像技術的藍莓糖度無損檢測研究35-45
• 3.1 實驗樣本采集35-38
• 3.1.1 藍莓樣本劃分35
• 3.1.2 高光譜圖像采集35-37
• 3.1.3 糖度值的采集37-38
• 3.2 數據處理及分析檢測38-41
• 3.2.1 光譜校正38
• 3.2.2 光譜數據分析38-40
• 3.2.3 光譜特征提取40-41
• 3.2.4 預測模型41
• 3.3 結果與討論41-44
• 3.4 本章小結44-45
• 第四章 基于高光譜成像的藍莓硬度無損檢測研究45-55
• 4.1 實驗樣本采集45-48
• 4.1.1 藍莓樣本劃分45
• 4.1.2 高光譜圖像采集45-47
• 4.1.3 藍莓樣本硬度值的采集47-48
• 4.2 數據處理及分析檢測48-51
• 4.2.1 光譜校正48
• 4.2.2 光譜數據分析48-50
• 4.2.3 光譜特征提取50-51
• 4.2.4 預測模型51
• 4.3 結果與討論51-54
• 4.4 本章小結54-55
• 第五章 結論與展望55-57
• 5.1 主要研究結論55-56
• 5.2 展望56-57
• 參考文獻57-62
• 致謝62-63
• 攻讀碩士學位期間論文發(fā)表情況63

【相似文獻】

中國期刊全文數據庫 前10條

1 李慶利;薛永祺;王建宇;岳小強;;高光譜成像系統(tǒng)在中醫(yī)舌診中的應用研究[J];紅外與毫米波學報;2006年06期

2 田有文;程怡;吳瓊;牟鑫;;農產品病蟲害高光譜成像無損檢測的研究進展[J];激光與紅外;2013年12期

3 徐爽;易東;;利用高光譜成像技術檢測長棗表面蟲傷[J];電子制作;2013年21期

4 高國龍;用高光譜成像熒光成像儀觀察海底情況[J];紅外;2003年05期

5 單佳佳;彭彥昆;王偉;李永玉;吳建虎;張雷蕾;;基于高光譜成像技術的蘋果內外品質同時檢測[J];農業(yè)機械學報;2011年03期

6 高國龍;;美國高光譜成像技術獲資金支持[J];紅外;2009年11期

7 蔡健榮;韓智義;;碧螺春茶葉的真?zhèn)舞b別技術——基于漫反射式高光譜成像技術[J];農機化研究;2013年04期

8 高國龍;;采用靜態(tài)傅里葉變換光譜儀的星載高光譜成像技術[J];紅外;2013年05期

9 孫梅;陳興海;張恒;陳海霞;;高光譜成像技術的蘋果品質無損檢測[J];紅外與激光工程;2014年04期

10 羅陽;何建國;賀曉光;王松磊;劉貴珊;;農產品無損檢測中高光譜成像技術的應用研究[J];農機化研究;2013年06期

中國重要會議論文全文數據庫 前7條

1 盧云龍;劉志剛;;高光譜成像技術及其在目標檢測中的應用進展[A];國家安全地球物理叢書（九）——防災減災與國家安全[C];2013年

2 馬本學;應義斌;饒秀勤;;高光譜成像在水果表面缺陷及污染檢測中的研究進展[A];2007年中國農業(yè)工程學會學術年會論文摘要集[C];2007年

3 何寶琨;;使用曲面棱鏡的高光譜成像系統(tǒng)設計[A];中國空間科學學會空間探測專業(yè)委員會第二十六屆全國空間探測學術研討會會議論文集[C];2013年

4 孫向軍;劉凱龍;趙志勇;李雪濤;;高光譜成像及仿真技術途徑探索[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

5 顏昌翔;;星載高光譜成像及數據應用[A];第十屆全國光電技術學術交流會論文集[C];2012年

6 肖功海;舒嶸;薛永祺;;顯微成像光譜技術及其應用[A];成像光譜技術與應用研討會論文集[C];2004年

7 賴建軍;陳四海;陳坦;易新建;;基于MEMS微鏡陣列的高光譜成像技術研究[A];中國宇航學會深空探測技術專業(yè)委員會第三屆學術會議論文集[C];2006年

中國博士學位論文全文數據庫 前9條

1 葛明鋒;基于輕小型無人機的高光譜成像系統(tǒng)研究[D];中國科學院研究生院(上海技術物理研究所);2015年

2 何青;多類型高光譜成像集成系統(tǒng)的研制及其應用研究[D];暨南大學;2015年

3 王彩玲;干涉高光譜成像中的信息提取技術[D];中國科學院研究生院(西安光學精密機械研究所);2011年

4 朱逢樂;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];浙江大學;2014年

5 馬m，

本文編號：814881