【摘要】：由于蘋果采摘、運輸過程中工人操作不當,道路顛簸等因素,蘋果表面容易產(chǎn)生不同程度的機械損傷。蘋果的損傷不僅會造成營養(yǎng)流失,還會帶來巨大的經(jīng)濟損失。損傷時間和損傷程度是常見的蘋果機械損傷的評價指標,對于蘋果品質(zhì)分級具有重要的現(xiàn)實意義。本文基于高光譜成像技術(shù),通過采集不同損傷時間和不同損傷程度的高光譜成像數(shù)據(jù),對其進行分析,得到以下成果:(1)提取蘋果機械損傷的區(qū)域�；赗ELIEF算法,根據(jù)其特征權(quán)重得到了468.04 nm、549.96 nm、621.64 nm、683.08 nm、974.92 nm五個敏感波長。隨后,在所選波長建立了像素級別的蘋果損傷識別邏輯回歸分類模型,識別率為99.12%。并對圖像進行形態(tài)學操作,得到更加完整、準確的損傷區(qū)域。結(jié)果表明,該方法能有效地檢測出損傷部位。(2)估計蘋果機械損傷的時間。對蘋果損傷區(qū)域進行重采樣,得到蘋果損傷區(qū)域的特征光譜,建立關(guān)于其光譜與損傷后時間的人工神經(jīng)網(wǎng)絡(luò)模型,可以對未知的蘋果損傷時間進行估計,精度可達91%。(3)蘋果機械損傷程度判別。在已有的機械損傷時間估計模型的基礎(chǔ)之上,對蘋果機械損傷程度進行遷移學習,得到關(guān)于蘋果機械損傷程度的人工神經(jīng)網(wǎng)絡(luò)模型,該模型對蘋果損傷的判別精度可達88%。
【圖文】：

于偏最小二乘回歸的預測模型，，用于區(qū)分損傷蘋果和非損傷蘋果。如圖 1-，該方法通過對光譜曲線的主成分變換得到了其右上角的圖，該圖反映了損與非損傷區(qū)域的差異，并通過偏最小二乘回歸和圖像重構(gòu)最終確立了損傷。在像素級別上，對光譜建立模型，從而區(qū)分損傷區(qū)域和非損傷區(qū)域也同樣當重要的現(xiàn)實意義，Janos 等人開發(fā)了一種如圖 1-2 的基于像素的 HSI 短波果早期損傷實時檢測系統(tǒng)，該系統(tǒng)對 HSI 數(shù)據(jù)進行了矯正，并通過一階導值處理的操作降低了傳感器、眩光和空間水平上不必要的變化，使基于像素小二乘回歸預測準確率達到 96.25%[12]。

的方式進行噪聲的消除，劉晶晶等人研究表明高光譜圖像上部分光蘋果損傷檢測，因而其分析了圖像中光斑的圖像特征，結(jié)合二階巴器，實踐了圖像頻域內(nèi)光斑信號的消除，與此同時損傷區(qū)域的邊緣強[14]。吳小華等將單積分球系統(tǒng)和反向倍增法等結(jié)合起來，通800 nm 波段下蘋果的一系列光學指標，并基于此波段下的吸收系數(shù)，利用主成分分析和概率神經(jīng)網(wǎng)絡(luò)建立了蘋果損傷的判別模型[1長在基于高光譜的蘋果損傷區(qū)域提取中十分重要，張保華等基于 I正常表皮和損傷區(qū)域的光譜進行分析得出權(quán)值系數(shù)圖，依據(jù)該系數(shù)５個特征波段(560，660，720，820 和 960nm)，并利用 MNF 的方像進行變換，采用大津閾值法對所得的 MNF3 圖像進行二值化，區(qū)域。如圖 1-3 所示的實驗流程所得出的結(jié)論表明這種方法對蘋果可達 97.1%[16]。
【學位授予單位】：黑龍江大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：S661.1;TP391.41;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 趙慶緒;蘇義全;梁明貴;;基于ANN的西南地區(qū)小流域洪峰流量計算研究[J];電力勘測設(shè)計;2019年S1期

2 張凱;顧士坦;;不同采掘擾動下的沖擊地壓危險ANN評價方法[J];煤礦安全;2017年03期

3 生麗英;;企業(yè)風險的內(nèi)部審計預警機制研究——基于大數(shù)據(jù)與ANN模型的應用[J];中國內(nèi)部審計;2017年09期

4 朱志宇;張賓;;基于ANN的船舶電力系統(tǒng)脆性評估[J];艦船科學技術(shù);2013年07期

5 徐龍玉;宋暉;;關(guān)于ann-平坦模[J];廣西師范學院學報(自然科學版);2009年01期

6 張雪芹;謝小磊;周彥;王劍;;基于ANN的無刷直流電機數(shù)字控制系統(tǒng)設(shè)計[J];電氣傳動自動化;2009年02期

7 胡振琪;張學禮;;基于ANN的復墾土壤水分特征曲線的預測研究[J];農(nóng)業(yè)工程學報;2008年10期

8 張紅;鄭文龍;;基于ANN星識別算法的仿真平臺[J];艦船電子工程;2006年02期

9 胡鑫;;基于免疫進化ANN的雷達信號分選方法[J];艦船電子工程;2006年05期

10 王超,陳開巖;基于ANN的煤礦安全評價方法的探討[J];安全;2005年03期

相關(guān)會議論文 前10條

1 張大慶;劉建業(yè);;一種新型的光纖陀螺非線性溫度漂移模型ANN辨識方法[A];中國慣性技術(shù)學會第五屆學術(shù)年會論文集[C];2003年

2 曲東才;;基于ANN逆模型的非線性系統(tǒng)辨識和控制仿真[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

3 張劍;劉永清;沈建京;;滯后大系統(tǒng)的智能集結(jié)與穩(wěn)定性分析的ANN方法[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

4 王健;郝軍;劉安田;;空調(diào)動態(tài)負荷的ANN預測研究[A];全國暖通空調(diào)制冷2006年學術(shù)年會論文集[C];2006年

5 武志云;郭連考;張東利;;ANN自適應控制在多層結(jié)構(gòu)振動中的應用研究[A];第一屆全國流體動力及控制工程學術(shù)會議論文集[C];2000年

6 吳黎明;張力鍇;李怡凡;;基于ANN和單個三軸加速度傳感器的汽車運動姿態(tài)測量[A];2010中國儀器儀表學術(shù)、產(chǎn)業(yè)大會（論文集2）[C];2010年

7 譚大鵬;李具中;李培玉;潘曉弘;;基于CLIPS與ANN的嵌入式故障診斷專家系統(tǒng)[A];第九屆全國振動理論及應用學術(shù)會議論文集[C];2007年

8 譚大鵬;李具中;李培玉;潘曉弘;;基于CLIPS與ANN的嵌入式故障診斷專家系統(tǒng)[A];第九屆全國振動理論及應用學術(shù)會議論文摘要集[C];2007年

9 曲東才;;一種ANN逆模型建模方案及CT訓練算法仿真研究[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

10 王秀梅;王國棟;劉相華;鄒天來;李洪斌;張弓;;熱連軋軋制力模型參數(shù)辨識中的ANN和數(shù)理統(tǒng)計[A];1999中國鋼鐵年會論文集（下）[C];1999年

相關(guān)博士學位論文 前7條

1 郭勁松;基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的水質(zhì)評價與水質(zhì)模擬研究[D];重慶大學;2002年

2 黃秀玲;基于ANN和單攝像頭三像同步獲取技術(shù)的蘋果自動分級系統(tǒng)研究[D];南京林業(yè)大學;2013年

3 徐俊芳;基于ANN模型的湖沼型流行區(qū)日本血吸蟲病傳播特征的研究[D];中國疾病預防控制中心;2012年

4 石磊;基于ANN的頸脊髓損傷和股骨轉(zhuǎn)子間骨折預后預測研究[D];大連海事大學;2014年

5 王艷春;基于GEP和ANN的蛋白質(zhì)二級結(jié)構(gòu)預測方法研究[D];西北農(nóng)林科技大學;2009年

6 王濤;基于神經(jīng)—模糊理論的冰情預報研究[D];中國水利水電科學研究院;2013年

7 劉秀英;玉米生理參數(shù)及農(nóng)田土壤信息高光譜監(jiān)測模型研究[D];西北農(nóng)林科技大學;2016年

相關(guān)碩士學位論文 前10條

1 李杰;基于ANN與HSI的蘋果機械損傷檢測與評估[D];黑龍江大學;2019年

2 初依儂;基于ANN的蕁麻疹中醫(yī)證型預測模型與分類器構(gòu)建[D];廣州中醫(yī)藥大學;2018年

3 廖世濤;ANN在林分密度控制圖及森林資產(chǎn)評估中的應用[D];福建農(nóng)林大學;2010年

4 焦春波;ANN方法在蛋白酶體酶切研究中的應用[D];大連理工大學;2008年

5 朱偉杰;基于ANN的毛白楊農(nóng)田防護林林分密度指數(shù)建模[D];河南農(nóng)業(yè)大學;2010年

6 張朋;基于ANN人民幣智能分撿機的研究[D];武漢理工大學;2007年

7 黃泳波;基于ANN的熔融堆積成形中翹曲變形的優(yōu)化策略研究[D];華南理工大學;2010年

8 周蓉蓉;基于ANN與遺傳算法的膠州灣近岸海域水污染總量控制研究[D];中國海洋大學;2009年

9 錢麗敏;基于ANN模型的城市土地集約利用中觀評價研究[D];河北聯(lián)合大學;2014年

10 王勇軍;小波變換和ANN用于造紙原材料近紅外鑒別[D];南京林業(yè)大學;2010年

本文編號：2703083