【摘要】：以結(jié)球甘藍(lán)、馬鈴薯、馬鈴薯微型種薯為研究對象,開展了高光譜分析的蔬菜品質(zhì)檢測方法研究,為蔬菜產(chǎn)品規(guī)格、等級、外部缺陷檢測和品種識(shí)別提供理論和技術(shù)支持。論文的主要研究內(nèi)容如下:[1]基于機(jī)器視覺技術(shù)的結(jié)球甘藍(lán)外觀品質(zhì)檢測機(jī)器視覺技術(shù)結(jié)合BP神經(jīng)網(wǎng)絡(luò),建立了結(jié)球甘藍(lán)葉球形狀的BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型。結(jié)球甘藍(lán)的葉球形狀,分為尖頭,平頭,圓頭三種。傳統(tǒng)葉球形狀識(shí)別由人工完成。運(yùn)用圖像處理技術(shù),提取了結(jié)球甘藍(lán)圖像的高度、寬度、長軸、面積4個(gè)絕對形狀參數(shù),定義了高寬比、圓形度、矩形度、橢形度、球頂形狀指數(shù)5個(gè)相對形狀參數(shù)。分別以4個(gè)絕對參數(shù),5個(gè)相對參數(shù),以及上述9個(gè)參數(shù)作為網(wǎng)絡(luò)輸入,建立BP神經(jīng)網(wǎng)絡(luò)葉球形狀識(shí)別模型,正確識(shí)別率分別為62.5%,100%和100%。9個(gè)參數(shù)作為輸入?yún)?shù)構(gòu)建的BP網(wǎng)絡(luò)識(shí)別模型可用于生產(chǎn)實(shí)踐。機(jī)器視覺技術(shù)結(jié)合模糊聚類分析方法,建立了結(jié)球甘藍(lán)等級劃分模型。國標(biāo)“NY/T 1586—2008結(jié)球甘藍(lán)等級規(guī)格”中,將結(jié)球甘藍(lán)分為3級。運(yùn)用圖像處理技術(shù),提取結(jié)球甘藍(lán)圖像中反映外觀特征的形狀、顏色、紋理特征,通過模糊聚類分析方法將校正集樣本分為3個(gè)類別。3個(gè)類別形狀、顏色、紋理圖像特征參數(shù)平均值和方差的統(tǒng)計(jì)結(jié)果表明,第3類樣本是特級結(jié)球甘藍(lán),第2類樣本是一級結(jié)球甘藍(lán),第1類樣本是二級結(jié)球甘藍(lán)。通過計(jì)算待測結(jié)球甘藍(lán)與各等級樣本中心的歐氏距離,以最小距離確定待測樣品的等級歸屬。[2]基于近紅外光譜分析的結(jié)球甘藍(lán)內(nèi)在品質(zhì)檢測近紅外光譜分析技術(shù)結(jié)合多元回歸和偏最小二乘回歸方法,建立了結(jié)球甘藍(lán)維生素C預(yù)測模型。原始光譜經(jīng)過一階導(dǎo)數(shù)處理,利用7個(gè)主成分建立偏最小二乘回歸(Partial least squares,PLS)模型,檢測精度高,可以代替?zhèn)鹘y(tǒng)檢測方法。逐步回歸方法選擇的8,6,5個(gè)優(yōu)選波長建立多元線性回歸模型,利用較少的波長變量來預(yù)測維生素C含量,降低模型復(fù)雜度,可以為便攜式檢測儀器開發(fā)提供技術(shù)支持。近紅外光譜分析技術(shù)結(jié)合競爭性自適應(yīng)重加權(quán)采樣波長優(yōu)選方法和偏最小二乘回歸方法,建立了結(jié)球甘藍(lán)可溶性糖含量預(yù)測模型。利用競爭性自適應(yīng)重加權(quán)采樣法(Competitive adaptive reweighted sampling,CARS)共優(yōu)選了 84 個(gè)建模波數(shù),CARS 算法選取的波數(shù),可以同時(shí)引入與化學(xué)值和背景信息相關(guān)的光譜信息,減少了建模變量,降低了模型的復(fù)雜度,提高了模型的預(yù)測精度。所建立的CARS-PLS結(jié)球甘藍(lán)可溶性糖含量預(yù)測模型可用于生產(chǎn)實(shí)踐。[3]基于高光譜的馬鈴薯干腐、瘡痂病檢測光譜曲線上的極值點(diǎn)和極值點(diǎn)間的中點(diǎn),這些關(guān)鍵點(diǎn)最能體現(xiàn)反射光譜的“指紋”效應(yīng)。找出正常、干腐、瘡痂馬鈴薯平均光譜曲線上的這些關(guān)鍵點(diǎn),以平均光譜曲線上的關(guān)鍵點(diǎn)對應(yīng)的反射率形成標(biāo)準(zhǔn)模式特征向量,通過計(jì)算待測樣本的對應(yīng)模式特征向量與3個(gè)標(biāo)準(zhǔn)向量的馬氏距離,以最小距離判定待測樣本的歸屬,正常、干腐、瘡痂馬鈴薯樣本的正確識(shí)別率均為100%。正常、干腐、瘡痂馬鈴薯樣本平均光譜曲線上共有6個(gè)相同極值點(diǎn),相鄰兩點(diǎn)間連線的斜率可以體現(xiàn)這種變化,利用斜率形成識(shí)別的模式特征向量,同樣以最小馬氏距離判定待測樣本的歸屬。波長911,1 269,1455nm處兩點(diǎn)間的斜率形成的模式特征向量,正常和瘡痂樣本的正確識(shí)別率為100%,干腐樣本的正確識(shí)別率為97.6%。[4]基于高光譜的馬鈴薯微型種薯分類檢測以前3個(gè)主成分作為分類變量,應(yīng)用判別分析,BP神經(jīng)網(wǎng)絡(luò),支持向量機(jī),對大西洋、荷蘭-14、荷蘭十五041、荷蘭十五Q8、冀張薯12號、冀張薯8號、興佳2號和Y2共8種馬鈴薯微型種薯分類問題進(jìn)行研究。由于類別較多,對8個(gè)品種建立單一分類模型,分類效果較差,采用分層次的分類建模,提高泛化能力。
【學(xué)位授予單位】：中國農(nóng)業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：S635.1;S532;TP391.41
【圖文】：

位論文邐第二章基于機(jī)器視覺技術(shù)的結(jié)球甘量范圍為５００￣３１００ｇ，所有樣品室溫保存。逡逑圖像采集在白熾燈光源、背景為黑色的試驗(yàn)箱內(nèi)進(jìn)行。相機(jī)放置，調(diào)整物距和焦距，使相機(jī)采集到的圖像達(dá)到最圖像采集，并將采集到的圖像數(shù)據(jù)保存至計(jì)算機(jī)存儲(chǔ)。逡逑藍(lán)球形的因素是葉球的寬和高的比例關(guān)系，以及葉球頂部是確定葉球類型的關(guān)鍵步驟。邐邐逡逑

將葉球上部１／５定義為葉球上部，球頂形狀指數(shù)定義為：葉球最高點(diǎn)分別和葉球逡逑頂部最左點(diǎn)和最右點(diǎn)兩條連線的夾角度數(shù)與１８０°的比值，球頂形狀指數(shù)效果示意圖見逡逑圖２－２，圖中虛線連接三角形，左右兩條邊所夾角即為所求角度。逡逑圖２－邋２葉球球頂形狀指數(shù)示意圖逡逑對獲得的結(jié)球甘藍(lán)球形特征進(jìn)行模式識(shí)別可以確定具體球形。本文采用分別ＢＰ逡逑神經(jīng)網(wǎng)絡(luò)模式識(shí)別方法和判別分析兩種方法。逡逑訓(xùn)練集樣本由三類球形的甘藍(lán)組成，網(wǎng)絡(luò)訓(xùn)練結(jié)束后每一類球形的甘藍(lán)都有一個(gè)逡逑樣本中心，可以用一個(gè)一維向量表示，向量的每一項(xiàng)就是各參數(shù)的樣本均值。本文使逡逑用歐氏距離計(jì)算樣本與樣本中心的距離，解釋樣本錯(cuò)誤識(shí)別的原因。為了去量綱，消逡逑除大數(shù)據(jù)對計(jì)算結(jié)果的影響，所有數(shù)據(jù)線經(jīng)過標(biāo)準(zhǔn)化處理。逡逑２．２．２結(jié)果與分析逡逑表２－１列出了邋１２個(gè)特征參數(shù)的最小值、最大值和均值的取值情況。逡逑三類球形長軸和寬度的取值范圍比較窄，尖、平、圓形球結(jié)球甘藍(lán)長軸最值分別逡逑相差２２、２０、２７像素，寬度最值分別相差３５、２３、２３。短軸和高度的取值范圍相對逡逑較寬，尖、扁、圓形球結(jié)球甘藍(lán)短軸最值相差分別為８５、７９、８５，高度最值相差８０、逡逑８３、８２。３類球形的長軸、短軸、高度、寬度４個(gè)參數(shù)最小值、均值、最大值的大小逡逑關(guān)系一致

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李鴻強(qiáng);孫紅;李民贊;;基于機(jī)器視覺的結(jié)球甘藍(lán)形狀鑒別方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年S1期

2 王家俊;李正風(fēng);王蘿萍;卞希慧;蔡文生;邵學(xué)廣;;蒙特卡洛交叉驗(yàn)證用于偏最小二乘建模數(shù)據(jù)質(zhì)量的評價(jià)（英文）[J];計(jì)算機(jī)與應(yīng)用化學(xué);2015年12期

3 郁志宏;郝慧靈;張寶超;;基于歐氏距離的發(fā)芽馬鈴薯無損檢測研究[J];農(nóng)機(jī)化研究;2015年11期

4 鄧立苗;杜宏偉;徐艷;韓仲志;;基于機(jī)器視覺的馬鈴薯智能分選方法與實(shí)現(xiàn)[J];中國農(nóng)機(jī)化學(xué)報(bào);2015年05期

5 翟晨;彭彥昆;李永玉;DHAKAL Sagar;徐田鋒;郭浪花;;基于拉曼光譜的蘋果中農(nóng)藥殘留種類識(shí)別及濃度預(yù)測的研究[J];光譜學(xué)與光譜分析;2015年08期

6 鮑一丹;陳納;何勇;劉飛;張初;孔汶汶;;近紅外高光譜成像技術(shù)快速鑒別國產(chǎn)咖啡豆品種[J];光學(xué)精密工程;2015年02期

7 徐晟皓;楊楠X;易夢喬;;基于支持向量機(jī)的消費(fèi)者行為分類方法[J];價(jià)值工程;2015年04期

8 ;關(guān)于脫毒馬鈴薯的幾個(gè)問題[J];甘肅農(nóng)業(yè);2015年01期

9 司良奇;錢勇;白萬建;葉海峰;胡岳;盛戈v

本文編號：2734560