蘋果作為我國第一大水果,在我國果品生產(chǎn)、消費(fèi)以及對(duì)外貿(mào)易中發(fā)揮著重要作用,然而蘋果在商品化的過程中將不可避免受到外力因素的影響而產(chǎn)生不同程度的損傷。有些蘋果損傷在形成初期不太明顯,但其受損組織的內(nèi)部可能已經(jīng)發(fā)生了變質(zhì),因此對(duì)蘋果的外部損傷尤其是早期輕微損傷的檢測顯得尤為重要。此外,對(duì)蘋果損傷程度定量和客觀的描述不僅是生產(chǎn)者和買家評(píng)估蘋果品質(zhì)的重要依據(jù),而且對(duì)于改善蘋果采后商品化處理的研究也具有重要意義。本文采用高光譜成像技術(shù)對(duì)蘋果的外部損傷進(jìn)行了早期識(shí)別與分級(jí),具體研究內(nèi)容和成果如下:(1)對(duì)401-1037nm波段范圍的蘋果高光譜圖像執(zhí)行分段主成分分析(PCA)操作,選出近紅外光譜區(qū)(780-1037nm)為識(shí)別損傷的最佳光譜區(qū),并基于此最佳光譜區(qū)域以及主成分圖像的權(quán)重系數(shù)在本區(qū)域選取了7個(gè)特征波長;再次對(duì)這些選出的特征波長執(zhí)行PCA操作,并結(jié)合圖像處理操作設(shè)計(jì)了一種針對(duì)不同程度的蘋果損傷的精確識(shí)別算法,統(tǒng)計(jì)得到該算法對(duì)200個(gè)樣本的平均識(shí)別率為98.5%。(2)利用掩模得到157個(gè)蘋果損傷區(qū)域的平均光譜,運(yùn)用Kennard-Stone算法劃分樣本集合以提高樣本的代表性,使用四種不同...

【文章頁數(shù)】：60 頁

【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 水果缺陷檢測技術(shù)的研究現(xiàn)狀
    1.3 高光譜成像技術(shù)在水果缺陷檢測中的研究進(jìn)展
    1.4 本文主要研究內(nèi)容及技術(shù)路線
    1.5 論文的基本結(jié)構(gòu)安排
第2章 高光譜成像技術(shù)的理論基礎(chǔ)
    2.1 高光譜成像技術(shù)的簡介
    2.2 高光譜成像技術(shù)原理
    2.3 高光譜圖像的特點(diǎn)
    2.4 高光譜成像系統(tǒng)
    2.5 高光譜數(shù)據(jù)處理方法
        2.5.1 反射率校正
        2.5.2 主成分分析(PCA)
    2.6 本章小結(jié)
第3章 試驗(yàn)設(shè)計(jì)及應(yīng)用到的相關(guān)理論
    3.1 試驗(yàn)樣本
    3.2 試驗(yàn)設(shè)備
        3.2.1 蘋果定量損傷裝置設(shè)計(jì)
        3.2.2 高光譜成像系統(tǒng)硬件平臺(tái)
        3.2.3 高光譜成像系統(tǒng)軟件平臺(tái)
    3.3 應(yīng)用到的圖像處理方法
        3.3.1 噪音去除
        3.3.2 圖像分割
        3.3.3 數(shù)學(xué)形態(tài)學(xué)
    3.4 應(yīng)用到的光譜數(shù)據(jù)處理方法
        3.4.1 樣本集劃分
        3.4.2 光譜的預(yù)處理
        3.4.3 特征波長選擇
        3.4.4 分類模型建立
    3.5 本章小結(jié)
第4章 基于高光譜成像技術(shù)的蘋果外部損傷識(shí)別
    4.1 引言
    4.2 蘋果損傷和完好區(qū)域的光譜分析
    4.3 分段主成分分析
        4.3.1 全波段光譜區(qū)域PCA
        4.3.2 可見光光譜區(qū)域PCA
        4.3.3 近紅外光譜區(qū)域PCA
    4.4 特征波段主成分分析
    4.5 蘋果表面缺陷檢測
    4.6 蘋果表面缺陷檢測結(jié)果分析
    4.7 本章小結(jié)
第5章 基于高光譜成像技術(shù)的蘋果外部損傷分級(jí)
    5.1 引言
    5.2 數(shù)據(jù)樣品集合劃分
    5.3 光譜數(shù)據(jù)預(yù)處理
    5.4 特征波段的提取
        5.4.1 連續(xù)投影算法
        5.4.2 競爭性自適應(yīng)重加權(quán)算法
        5.4.3 競爭性自適應(yīng)重加權(quán)算法-相關(guān)系數(shù)法
    5.5 損傷程度的判別模型
        5.5.1 基于網(wǎng)格參數(shù)尋優(yōu)的支持向量機(jī)
        5.5.2 模型分類結(jié)果對(duì)比
    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



本文編號(hào)：3762357