我國是蘋果生產(chǎn)主要國家,蘋果總種植面積,總生產(chǎn)量,出口量等都列世界第一位置,已然為蘋果種植及消費之最大國。蘋果等水果的總產(chǎn)值在我國農(nóng)業(yè)生產(chǎn)中僅次于糧食、蔬菜而居第三位。穩(wěn)重有序的推進水果業(yè)的發(fā)展,對于農(nóng)業(yè)經(jīng)濟發(fā)展,農(nóng)村發(fā)展,農(nóng)民盈利都有優(yōu)勢,并且對調(diào)整農(nóng)業(yè)經(jīng)濟結(jié)構(gòu)、和社會主義農(nóng)業(yè)經(jīng)濟建設(shè)有深遠影響。無損檢測技術(shù)也漸漸壯大起來,由于高光譜具有圖像、光譜雙重特性,也使得高光譜檢測極其重要,可以利用高光譜對水果品質(zhì)進行無損檢測。本文以“黃金帥”品種蘋果為檢測對象,其樣本數(shù)量共300個(250個訓練集樣本,50個預測集樣本),以糖度、硬度和含水率為品質(zhì)檢測值,綜合運用計量學、數(shù)理統(tǒng)計學、機器學習理論和計算機科學對“黃金帥”蘋果品質(zhì)高光譜無損檢測過程中的特征波長選擇、相關(guān)性分析建模進行較為深入地研究。研究內(nèi)容和結(jié)論如下:1)首先利用單一特征選擇算法(連續(xù)投影算法、無信息變量消除算法、正自性加權(quán)平均算法、遺傳算法)優(yōu)選出“黃金帥”蘋果糖度、硬度和含水率的相關(guān)高光譜特征波長。然后根據(jù)波長融合提出融合多算法,綜合考慮各個算法波長選擇結(jié)果。最終確定“黃金帥”蘋果的糖度的最優(yōu)波長(39個波長),和全波段相比,預測結(jié)果決定系數(shù)R2P由0.7889提高到0.8752,預測均方根誤差RMSEP由0.2656降到0.1687;硬度的最優(yōu)波長(27個波長),和全波段相比,預測結(jié)果R2P由0.7094提高到0.8463,RMSEP由0.46066降到0.3059;含水率的最優(yōu)波長(140個波長),和全波段相比,預測結(jié)果R2P由0.6828提高到0.7835,RMSEP由1.1%降到0.48%;含水率品質(zhì)下,為了達到更高精度,所選波長較多,表明450-967nm光譜范圍內(nèi)相關(guān)水分的特征波長較少:糖度與硬度品質(zhì)下,相比單一波長選擇算法,融合后精度更高,最終選擇波長數(shù)量也更小,表明融合法對高光譜特征波長優(yōu)選更優(yōu)秀。2)首先建立了“黃金帥”蘋果糖度、硬度、含水率的偏最小二乘回歸模型、誤差反向傳導神經(jīng)網(wǎng)絡(luò)模型、主成分回歸模型、多元線性回歸模型、支持向量回歸模型。并得到糖度下最優(yōu)模型為偏最小二乘回歸模型;硬度下最優(yōu)模型為誤差反向傳導神經(jīng)網(wǎng)絡(luò)模型;含水率下最優(yōu)模型為偏最小二乘回歸模型;然后根據(jù)集成學習,運用Bagging集成框架,確定了“黃金帥”蘋果含水率、糖度、硬度的多算法集成預測模型。糖度多算法集成模型下R2P為0.8752,RMSEP為0.1697,預測精度接近最優(yōu)偏最小二乘回歸模型,優(yōu)于剩下其他算法模型;硬度多算法集成模型下R2P為0.8463,RMSEP為0.3045,預測精度接近最優(yōu)誤差反向傳導神經(jīng)網(wǎng)絡(luò)模型,優(yōu)于剩下其他算法模型;含水率多算法集成模型下R2P為0.7857,RMSEP為0.48%,預測精度接近最優(yōu)的偏最小二乘回歸模型,優(yōu)于剩下其他算法模型;表明集成學習下多算法集成模型對蘋果品質(zhì)的高光譜檢測可行。在一定精度條件下,多算法集成模型簡化手動調(diào)節(jié)參數(shù)步驟,對不同品質(zhì)檢測目標能夠有良好的自適應(yīng),確保穩(wěn)定性,最終確定為“黃金帥”蘋果品質(zhì)高光譜檢測模型。
【學位單位】：南京農(nóng)業(yè)大學
【學位級別】：碩士
【學位年份】：2017
【中圖分類】：O433;S661.1
【部分圖文】：

２．２．１高光譜成像系統(tǒng)??試驗選用上海五鈴光電科技有限公司的ＨＳＩ－ＶＮＩＲ－０００１高光譜成像系統(tǒng)，通??過步進電機掃描蘋果樣本，得到高光譜數(shù)據(jù)信息。系統(tǒng)組成圖如圖２－２所示：??７??

．?＇?＜?“??圖２－ｒ？黃金帥”蘋果部分樣本示圖??Ｆｉｇｕｒｅ?２－１?Ｔｈｅ?Ｇｏｌｄｅｎ?ａｐｐｌｅ?ｐａｒｔ?ｏｆ?ｔｈｅ?ｓａｍｐｌｅ??２．２局光譜數(shù)據(jù)的米集??２．２．１高光譜成像系統(tǒng)??試驗選用上海五鈴光電科技有限公司的ＨＳＩ－ＶＮＩＲ－０００１高光譜成像系統(tǒng)，通??過步進電機掃描蘋果樣本，得到高光譜數(shù)據(jù)信息。系統(tǒng)組成圖如圖２－２所示：??７??

Ｗ－Ｂ??其中Ｂ為不打開鏡頭蓋，采集的參考全黑高光譜圖像，Ｗ為采集標準白板得??的參考全白高光譜圖像，Ｉ為蘋果樣本的原始高光譜圖像，如圖２－３所示。Ｒ為??校正后的高光譜圖像［４１％，如圖２－４所示；??ｎ畫＿?ｎ麵??ｆｃ，?Ｊ－Ｗｉ?ｌ??２〇ｏ?Ａ－ｙ．?ｔｏｏ?ｌｏｏｏ?ｉ？ｏ?＾?＾?＾?１〇〇〇?＾??Ｗ—峨????ｗ＾ｄｅｎｇｄ－??圖２－３原始高光譜光強數(shù)據(jù)圖?圖２－４經(jīng)黑白校正后高光譜反射率數(shù)據(jù)圖??Ｆｉｇｕｒｅ?２－３?Ｈｙｐｅｒｓｐｅｃｔｒａｌ?ｌｉｇｈｔ?ｉｎｔｅｎｓｉｔｙ?ｄａｔａ?Ｆｉｇｕｒｅ?２－４?Ｈｙｐｅｒｓｐｅｃｔｒａｌ?ｒｅｆｌｅｃｔａｎｃｅ?ｄａｔａ?ａｆｔｅｒ??ｂｌａｃｋ?ａｎｄ?ｗｈｉｔｅ?ｃｏｒｒｅｃｔｉｏｎ??采集到黑、白圖像之后，可將其直接導入到ＨＳＩ?Ａｎａｌｙｚｅｒ軟件中，然后再??調(diào)節(jié)ＣＣＤ相機的焦距，參數(shù)設(shè)置完成后，采集樣本的高光譜數(shù)據(jù)，利用ＨＳＩ??Ａｎａｌｙｚｅｒ■進行黑白校正操作，可以得到想要反射率數(shù)據(jù)類型，不過也可先不將??進行黑白操作，而利用原始光強數(shù)據(jù)。??２．２．３高光譜信息提取??試驗采用臺灣五菱光學有限公司提供的Ｓｐｅｃｔｒａｌ?Ｉｍａｇｅ?ＶＮＲＩ軟件從“黃金??帥”蘋果的光譜信息中獲取全部光譜信息。首先第一步打開關(guān)于蘋果的一些高光??譜圖像，接著找到自己感興趣的區(qū)域部分，使用好的工具對其進行標記。本身的??軟件系統(tǒng)可以進行圖像選擇點
【相似文獻】

相關(guān)期刊論文 前10條

1 孫小諾;劉悅;王蓉蓉;魏麗欣;;對河北省蘋果品質(zhì)與氣象條件關(guān)系的分析[J];現(xiàn)代農(nóng)業(yè)研究;2019年02期

2 高敏;;新型活性鈣肥影響蘋果品質(zhì)及產(chǎn)量[J];中國果業(yè)信息;2017年02期

3 張明勇;孫君茂;張燕妮;王芳;于海軍;崔天舒;;國內(nèi)外蘋果品質(zhì)營養(yǎng)概況與提升對策[J];農(nóng)業(yè)工程技術(shù);2017年08期

4 劉琳娜;;影響蘋果品質(zhì)的要素及關(guān)鍵生產(chǎn)技術(shù)[J];中國果菜;2017年04期

5 王靜;張磊;楊洋;馬國飛;段曉風;李紅英;;蘋果品質(zhì)評價指標研究進展[J];寧夏農(nóng)林科技;2017年02期

6 屈振江;鄭小華;劉璐;張勇;;陜西不同生態(tài)區(qū)蘋果品質(zhì)差異及與氣象因子的關(guān)系[J];氣象;2017年07期

7 ;《煙臺蘋果品質(zhì)提升與調(diào)控》出版[J];煙臺果樹;2016年04期

8 張引蓮;吳倩;陳新寶;;延安‘富士’蘋果品質(zhì)下降原因及改進措施[J];北方果樹;2015年04期

9 屈亞堃;宮元娟;;近紅外光譜技術(shù)在蘋果品質(zhì)無損檢測中的應(yīng)用[J];農(nóng)業(yè)科技與裝備;2014年06期

10 趙艷蘭;;七項措施提高蘋果品質(zhì)[J];山西農(nóng)業(yè);2006年13期

相關(guān)博士學位論文 前4條

1 郭志明;基于近紅外光譜及成像的蘋果品質(zhì)無損檢測方法和裝置研究[D];中國農(nóng)業(yè)大學;2015年

2 葛文;山東煙臺地區(qū)土壤地球化學環(huán)境與優(yōu)質(zhì)蘋果生產(chǎn)的適應(yīng)性評價[D];中國地質(zhì)大學;2013年

3 孫瑞;蘋果高密度遺傳連鎖圖譜構(gòu)建與重要果實品質(zhì)性狀QTL定位[D];中國農(nóng)業(yè)大學;2015年

4 公麗艷;不同品種蘋果加工脆片適宜性評價研究[D];沈陽農(nóng)業(yè)大學;2014年

相關(guān)碩士學位論文 前10條

1 海兵帥;基于集成學習的蘋果品質(zhì)高光譜檢測方法研究[D];南京農(nóng)業(yè)大學;2017年

2 白沙沙;鮮食蘋果品質(zhì)評價研究[D];中國農(nóng)業(yè)科學院;2012年

3 汪小芳;基于人工神經(jīng)網(wǎng)絡(luò)利用機械特性檢測蘋果品質(zhì)方法的研究[D];華中農(nóng)業(yè)大學;2006年

4 蘇子鵬;計算機視覺與敲擊振動技術(shù)檢測蘋果品質(zhì)的研究[D];南京農(nóng)業(yè)大學;2008年

5 柴媛媛;渭北旱塬水土環(huán)境狀況與蘋果品質(zhì)的關(guān)系研究[D];西北農(nóng)林科技大學;2009年

6 陳育彥;計算機視覺技術(shù)分析激光圖像檢測蘋果品質(zhì)及病害的研究[D];南京農(nóng)業(yè)大學;2007年

7 周麗萍;基于可見—近紅外光譜技術(shù)的圣女果和蘋果品質(zhì)檢測技術(shù)研究[D];西北農(nóng)林科技大學;2009年

8 胥繼東;黃土地區(qū)果園土壤鈣素營養(yǎng)變異與蘋果品質(zhì)[D];西北農(nóng)林科技大學;2008年

9 史衛(wèi)娜;蘋果品質(zhì)變化對溫度的響應(yīng)規(guī)律及貯藏壽命預測[D];西北農(nóng)林科技大學;2016年

10 劉業(yè)好;“富士”蘋果樹高光效樹形及與蘋果品質(zhì)關(guān)系的研究[D];安徽農(nóng)業(yè)大學;2004年

本文編號：2866163