損傷馬鈴薯在損傷識(shí)別過(guò)程中難以檢測(cè),易腐爛、難儲(chǔ)存,導(dǎo)致嚴(yán)重的食品安全和經(jīng)濟(jì)問(wèn)題。由此,本研究提出基于高光譜成像技術(shù)的無(wú)損檢測(cè)方法,以實(shí)現(xiàn)對(duì)損傷馬鈴薯的識(shí)別以及損傷程度的分類(lèi)。健康與損傷馬鈴薯的高光譜圖像作為本次的研究對(duì)象,其中損傷樣本是通過(guò)定量損傷裝置誘導(dǎo)而成的,共包括I、II、III、IV、V級(jí)損傷。高光譜圖像分析的首要步驟包括:圖像校正、背景分割與剪裁這三個(gè)方面。然后,對(duì)比線性判別分析法（Liner Discriminant Analysis,LDA）、支持向量機(jī)（Support Vector Machine,SVM）與自適應(yīng)增強(qiáng)算法（Adaptive Boosting,AdaBoost）建立損傷識(shí)別模型的效果,確定AdaBoost為最佳分類(lèi)模型。接著,比較了多項(xiàng)式平滑（Savitzky-Golay,S-G）、一階導(dǎo)數(shù)（First derivative,D1）、二階導(dǎo)數(shù)（Second derivative,D2）、標(biāo)準(zhǔn)正態(tài)變量變換（Standard Normal Variate,SNV）、多元散射校正（Multiplicative Scatter Correction,MSC）及... 

【文章來(lái)源】：黑龍江大學(xué)黑龍江省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
abstract
第1章 緒論
    1.1 研究的目的及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 對(duì)已有研究的思考和分析
    1.4 研究?jī)?nèi)容
第2章 實(shí)驗(yàn)系統(tǒng)裝置與材料
    2.1 引言
    2.2 實(shí)驗(yàn)樣本
    2.3 高光譜成像系統(tǒng)的搭建
    2.4 馬鈴薯定量損傷實(shí)驗(yàn)
    2.5 高光譜數(shù)據(jù)的采集與校正
    2.6 本章小結(jié)
第3章 高光譜數(shù)據(jù)分析方法
    3.1 高光譜圖像的形態(tài)學(xué)處理
        3.1.1 高光譜圖像的背景分割方法
        3.1.2 腐蝕與膨脹
        3.1.3 高光譜圖像的剪裁方法
    3.2 光譜數(shù)據(jù)的預(yù)處理方法
    3.3 特征波長(zhǎng)的提取方法
        3.3.1 模擬退火算法
        3.3.2 模擬退火算法的優(yōu)化
    3.4 建模方法的研究
        3.4.1 LDA分類(lèi)原理
        3.4.2 SVM分類(lèi)原理
        3.4.3 AdaBoost分類(lèi)原理
    3.5 本章小結(jié)
第4章 高光譜圖像預(yù)處理與敏感區(qū)域提取
    4.1 引言
    4.2 高光譜圖像的預(yù)處理
        4.2.1 高光譜圖像的分割
        4.2.2 高光譜圖像的剪裁
    4.3 感興趣區(qū)域的提取
    4.4 本章小結(jié)
第5章 損傷馬鈴薯的識(shí)別與損傷程度的分類(lèi)
    5.1 引言
    5.2 分類(lèi)模型的選擇
    5.3 光譜數(shù)據(jù)的預(yù)處理及分類(lèi)模型的建立
    5.4 特征波長(zhǎng)的提取
    5.5 模型性能的驗(yàn)證
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]基于高光譜圖像與果蠅優(yōu)化算法的馬鈴薯輕微碰傷檢測(cè)[J]. 李小昱,徐森淼,馮耀澤,黃濤,丁崇毅.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2016(01)
[2]腐蝕膨脹算法對(duì)灰度圖像去噪的應(yīng)用[J]. 高薪,胡月,杜威,史曉玥,田益民.  北京印刷學(xué)院學(xué)報(bào). 2014(04)
[3]高光譜圖像技術(shù)結(jié)合圖像處理方法檢測(cè)馬鈴薯外部缺陷[J]. 蘇文浩,劉貴珊,何建國(guó),王松磊,賀曉光,王偉,吳龍國(guó).  浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版). 2014(02)
[4]基于NIR高光譜成像技術(shù)的長(zhǎng)棗蟲(chóng)眼無(wú)損檢測(cè)[J]. 吳龍國(guó),何建國(guó),劉貴珊,賀曉光,王偉,王松磊,李丹.  發(fā)光學(xué)報(bào). 2013(11)
[5]模擬退火優(yōu)化的支持向量機(jī)在氨法脫硫效率預(yù)測(cè)中的應(yīng)用[J]. 洪文鵬,陳重.  化工自動(dòng)化及儀表. 2012(11)
[6]基于高光譜成像技術(shù)的馬鈴薯外部缺陷檢測(cè)[J]. 周竹,李小昱,陶海龍,高海龍.  農(nóng)業(yè)工程學(xué)報(bào). 2012(21)
[7]快速區(qū)域質(zhì)心圖像匹配算法[J]. 胡敏,賀曉佳,王曉華.  電子測(cè)量與儀器學(xué)報(bào). 2011(05)
[8]高光譜圖像技術(shù)在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用進(jìn)展[J]. 王雷,喬曉艷,董有爾,張姝,尚艷飛.  應(yīng)用光學(xué). 2009(04)



本文編號(hào)：3453416