【摘要】：蘋果內(nèi)部富含有多種礦物質(zhì)元素和維生素,是人們常愛食用的水果之一。我國是世界上最大的蘋果生產(chǎn)及消費國,隨著人們生活水平的上升,在購買蘋果時對于蘋果的品質(zhì)要求也逐漸提升。蘋果的品質(zhì)包含內(nèi)外部兩個方面,外部品質(zhì)有顏色、大小及外觀缺陷等方面,內(nèi)部品質(zhì)包括甜度、水分及硬度等方面。目前我國水果市場上,蘋果的質(zhì)量良莠不齊,這是由落后的采摘后分級檢測技術(shù)導致的。近年來使用高光譜技術(shù)無損檢測水果的內(nèi)部品質(zhì)成為一個熱門的研究課題,該技術(shù)融合了目標的圖像信息及光譜信息,可以對目標的內(nèi)外部品質(zhì)快速無損分析。本文利用高光譜成像技術(shù)對蘋果可溶性固形物含量、水分及果肉硬度進行研究,主要研究內(nèi)容如下:(1)采用400～11 00nm的高光譜成像系統(tǒng)對蘋果內(nèi)部可溶性固形物含量進行了無損檢測研究。對于系統(tǒng)采集到的光譜圖像首先進行黑白校正,選取半徑為150像素的圓形感興趣區(qū)域。采集到的光譜數(shù)據(jù)用S-G一階微分進行預處理,采用SPA算法從預處理后的數(shù)據(jù)中提取出12個特征波長(740.86、752.95、785.99、800.34、813.59、835.70、842.34、860.05、883.30、897.71、938.70 和 950.89nm),以此分別建立 BP 和GA-SVR預測模型。實驗結(jié)果為GA-SVR模型的預測效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型,其校正集和預測集的相關(guān)系數(shù)和均方根誤差分別是0.8806、0.2607和0.8505、0.3031。(2)利用高光譜成像技術(shù)對蘋果內(nèi)部水分含量進行了無損檢測研究。對于預處理后的光譜數(shù)據(jù)分別用PCA及SPA算法提取特征波長,其中PCA算法的前7個主成分的累計貢獻率已經(jīng)達到95%以上,SPA算法提取了 16個特征波長。分別采用PSO及Grid Search 算法優(yōu)化 SVR 參數(shù),建立了 PCA-PSO-SVR、PCA-Grid-SVR、SPA-PSO-SVR及SPA-Grid-SVR四種水分預測模型。實驗結(jié)果為SPA-Grid-SVR模型的預測效果最佳,其校正集和預測集的相關(guān)系數(shù)及均方根誤差分別是0.9132、0.2236和0.8754、0.2387。(3)通過高光譜成像技術(shù)對蘋果果肉硬度進行了無損檢測研究。預處理后的光譜數(shù)據(jù)使用SPA算法提取出了 14個特征波長,用該光譜矩陣作為模型的輸入變量,通過GA算法優(yōu)化SVR及BP的參數(shù),采用優(yōu)化后BP網(wǎng)絡(luò)的權(quán)值及閾值建立了 GA-BP預測模型,同時采用優(yōu)化得到的參數(shù)c和g建立GA-SVR預測模型。實驗結(jié)果表明GA-BP模型的預測誤差小于未優(yōu)化的BP網(wǎng)絡(luò),GA-SVR模型的預測效果優(yōu)于GA-BP模型,其Rc、RMSEC、Rp、RMSEP分別為 0.8543、0.3203、0.8135、0.2967。
【學位授予單位】：南京農(nóng)業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41;TP18;S661.1
【圖文】：

２．１．１局光譜成像系統(tǒng)結(jié)構(gòu)逡逑本文使用的高光譜成像系統(tǒng)包含光譜相機、光源、機構(gòu)平臺等組成部分，其結(jié)構(gòu)逡逑如圖２．１所示，系統(tǒng)的具體規(guī)格參數(shù)如表２－１。逡逑＼邐，邋Ｉ逡逑摑Ｉ邋＾丨＾逡逑圖２－１高光譜系統(tǒng)組成圖逡逑Ｆｉｇ．２－１邋Ｃｏｍｐｏｓｉｔｉｏｎ邋ｄｉａｇｒａｍ邋ｏｆ邋ｈｙｐｅｒｓｐｅｃｔｒａｌ邋ｓｙｓｔｅｍ逡逑１．計兌機２．光譜相機３．暗箱４．光源５．樣本（蘋果）６．移動錢物平臺７．步進電機逡逑該系統(tǒng)可根據(jù)待測目標的不同，經(jīng)拆卸后選擇反射、透射和散射三種工作方式，逡逑如圖２．２，因為本文研究目標是蘋果，果實很厚，所以選擇反射式工作，其他兩種方式逡逑效果較差。逡逑（Ｉ邋＿邋ｅ邋＿逡逑移動方向逡逑圖２－２反射、透射及散射工作方式逡逑Ｆｉｇ．２－２邋Ｔｈｒｅｅ邋ｄｉｆｆｅｒｅｎｔ邋ｗａｙｓ邋ｔｏ邋ｇｅｎｅｒａｔｅ邋ａ邋ｈｙｐｅｒｓｐｅｃｔｒａｌ邋ｉｍａｇｅ逡逑７逡逑

２．１．１局光譜成像系統(tǒng)結(jié)構(gòu)逡逑本文使用的高光譜成像系統(tǒng)包含光譜相機、光源、機構(gòu)平臺等組成部分，其結(jié)構(gòu)逡逑如圖２．１所示，系統(tǒng)的具體規(guī)格參數(shù)如表２－１。逡逑＼邐，邋Ｉ逡逑摑Ｉ邋＾丨＾逡逑圖２－１高光譜系統(tǒng)組成圖逡逑Ｆｉｇ．２－１邋Ｃｏｍｐｏｓｉｔｉｏｎ邋ｄｉａｇｒａｍ邋ｏｆ邋ｈｙｐｅｒｓｐｅｃｔｒａｌ邋ｓｙｓｔｅｍ逡逑１．計兌機２．光譜相機３．暗箱４．光源５．樣本（蘋果）６．移動錢物平臺７．步進電機逡逑該系統(tǒng)可根據(jù)待測目標的不同，經(jīng)拆卸后選擇反射、透射和散射三種工作方式，逡逑如圖２．２，因為本文研究目標是蘋果，果實很厚，所以選擇反射式工作，其他兩種方式逡逑效果較差。逡逑（Ｉ邋＿邋ｅ邋＿逡逑移動方向逡逑圖２－２反射、透射及散射工作方式逡逑Ｆｉｇ．２－２邋Ｔｈｒｅｅ邋ｄｉｆｆｅｒｅｎｔ邋ｗａｙｓ邋ｔｏ邋ｇｅｎｅｒａｔｅ邋ａ邋ｈｙｐｅｒｓｐｅｃｔｒａｌ邋ｉｍａｇｅ逡逑７逡逑

【相似文獻】

相關(guān)期刊論文 前10條

1 馬江麗;;基于高光譜成像技術(shù)的藝術(shù)品鑒定研究[J];文物保護與考古科學;2018年03期

2 桂江生;吳子嫻;顧敏;遲元峰;包曉安;;高光譜成像技術(shù)在農(nóng)業(yè)中的應用概述[J];浙江農(nóng)業(yè)科學;2017年07期

3 于宏威;王強;劉麗;石愛民;胡暉;劉紅芝;;糧油品質(zhì)安全高光譜成像檢測技術(shù)的研究進展[J];光譜學與光譜分析;2016年11期

4 劉燕德;鄧清;;高光譜成像技術(shù)在水果無損檢測中的應用[J];農(nóng)機化研究;2015年07期

5 王龍;邱園園;李小波;;基于高光譜成像技術(shù)的牛羊肉品質(zhì)無損檢測研究進展[J];新疆農(nóng)墾科技;2015年06期

6 張保華;李江波;樊書祥;黃文倩;張馳;王慶艷;肖廣東;;高光譜成像技術(shù)在果蔬品質(zhì)與安全無損檢測中的原理及應用[J];光譜學與光譜分析;2014年10期

7 孫佳馨;;農(nóng)產(chǎn)品外部品質(zhì)無損檢測中高光譜成像技術(shù)的應用研究進展[J];黑龍江科技信息;2014年27期

8 羅陽;何建國;賀曉光;王松磊;劉貴珊;;農(nóng)產(chǎn)品無損檢測中高光譜成像技術(shù)的應用研究[J];農(nóng)機化研究;2013年06期

9 曲佳歡;馬驥;孫大文;吳迪;曾新安;;高光譜成像在食品質(zhì)量評估方面的研究進展與應用(一)[J];肉類研究;2012年04期

10 馬驥;曲佳歡;孫大文;吳迪;曾新安;;高光譜成像在食品質(zhì)量評估方面的研究進展與應用(二)[J];肉類研究;2012年05期

相關(guān)會議論文 前10條

1 成誠;;高光譜成像技術(shù)在公安業(yè)務中的應用展望[A];2017年光學技術(shù)研討會暨交叉學科論壇論文集[C];2017年

2 柏財勛;李建欣;沈燕;;基于雙折射偏振干涉的高光譜成像方法[A];第十六屆全國光學測試學術(shù)交流會摘要集[C];2016年

3 劉德芳;孟鑫;李建欣;;基于色散剪切干涉的高光譜成像方法[A];第十五屆全國光學測試學術(shù)交流會論文摘要集[C];2014年

4 顏昌翔;;星載高光譜成像及數(shù)據(jù)應用[A];第十屆全國光電技術(shù)學術(shù)交流會論文集[C];2012年

5 楊暄;亓洪興;劉敏;王義坤;劉毓博;汪磊;;機載擺掃式寬幅高光譜成像技術(shù)研究[A];2016年紅外、遙感技術(shù)與應用研討會暨交叉學科論壇論文集[C];2016年

6 何寶琨;;使用曲面棱鏡的高光譜成像系統(tǒng)設(shè)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(shù)研討會會議論文集[C];2013年

7 向明順;楊武年;楊盡;任金銅;溫玉雯;周思琪;;基于高光譜成像技術(shù)的災毀土地作物生長狀況研究[A];資源環(huán)境與地學空間信息技術(shù)新進展學術(shù)會議論文集[C];2016年

8 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(shù)研究[A];中國宇航學會深空探測技術(shù)專業(yè)委員會第三屆學術(shù)會議論文集[C];2006年

9 陶斐斐;李永玉;王偉;彭彥昆;;基于高光譜成像技術(shù)快速無損傷評價豬肉新鮮度[A];中國食品科學技術(shù)學會第八屆年會暨第六屆東西方食品業(yè)高層論壇論文摘要集[C];2011年

10 柏財勛;李建欣;;雙折射干涉高光譜成像的波長定標方法[A];第十七屆全國光學測試學術(shù)交流會摘要集[C];2018年

相關(guān)重要報紙文章 前2條

1 本報記者 于德福;擦亮找礦“天眼”[N];中國國土資源報;2012年

2 記者 聶可 秦華江;環(huán)保產(chǎn)業(yè)“藍�！比孕杓夹g(shù)“落地”[N];經(jīng)濟參考報;2015年

相關(guān)博士學位論文 前10條

1 吳威;基于高光譜成像的家禽胴體表面污染檢測方法研究[D];南京農(nóng)業(yè)大學;2017年

2 謝正超;基于高光譜成像的火焰三維溫度場、煙黑濃度場和氣體濃度場重建研究[D];浙江大學;2018年

3 杜劍;基于醫(yī)學高光譜影像分析的腫瘤組織分類方法研究[D];中國科學院大學(中國科學院西安光學精密機械研究所);2018年

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

5 郭輝;牛肉主要品質(zhì)參數(shù)無損光學檢測裝置的研究[D];中國農(nóng)業(yè)大學;2014年

6 王鵬沖;聲光調(diào)制型可見光高光譜成像技術(shù)研究[D];哈爾濱工業(yè)大學;2017年

7 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(shù)物理研究所);2015年

8 朱逢樂;基于光譜和高光譜成像技術(shù)的海水魚品質(zhì)快速無損檢測[D];浙江大學;2014年

9 陳凱;長波紅外高光譜成像信息獲取與處理關(guān)鍵技術(shù)研究[D];中國科學院研究生院(上海技術(shù)物理研究所);2016年

10 黃鋒華;基于高光譜成像技術(shù)的油桃品質(zhì)檢測及品種判別研究[D];山西農(nóng)業(yè)大學;2016年

相關(guān)碩士學位論文 前10條

1 查啟明;基于高光譜成像技術(shù)的蘋果硬度、水分及可溶性固形物含量的無損檢測研究[D];南京農(nóng)業(yè)大學;2017年

2 王莉;基于高光譜圖像技術(shù)對不同品種牛肉的識別及其品質(zhì)的差異性分析研究[D];寧夏大學;2018年

3 劉昱微;微波加熱牛肉品質(zhì)的高光譜成像無損檢測方法研究[D];華南理工大學;2018年

4 崔騰飛;基于高光譜成像技術(shù)的羊肉品種判別實時檢測系統(tǒng)的研究[D];寧夏大學;2018年

5 韓浩然;基于高光譜成像的水果輕微機械損傷無損檢測的研究[D];云南師范大學;2018年

6 汪磊;光機掃描型大視場高光譜成像技術(shù)研究[D];中國科學院大學(中國科學院上海技術(shù)物理研究所);2017年

7 潘銘;可見光多光譜和近紅外高光譜成像技術(shù)顯現(xiàn)潛在血跡的比較研究[D];中國人民公安大學;2018年

8 金亞亮;基于紅外高光譜成像的氣體監(jiān)測技術(shù)研究[D];哈爾濱工程大學;2018年

9 葉青;基于高光譜成像技術(shù)檢測魚肉品質(zhì)的研究[D];華東交通大學;2018年

10 蘇辰;基于反射光譜圖像的設(shè)施作物營養(yǎng)信息探測研究[D];江蘇大學;2017年

本文編號：2718567