隨著全球經(jīng)濟的快速發(fā)展和人民生活水平的普遍提高,番茄的內(nèi)部品質(zhì)、耐貯運品質(zhì)以及優(yōu)良的風(fēng)味品質(zhì)越發(fā)為消費者所重視。傳統(tǒng)的水果品質(zhì)檢測方法耗費時間比較長且具有破壞性,從而難以應(yīng)用于果品的批量化檢測。光譜技術(shù)作為一種無損檢測方法被廣泛應(yīng)用于果品檢測,高光譜成像技術(shù)可同時探測目標(biāo)的二維空間集合與一維光譜信息,結(jié)合圖像和光譜特點,能夠獲取番茄整體的空間光譜信息,在番茄內(nèi)部品質(zhì)無損檢測上具有明顯的優(yōu)勢,而可見/近紅外光譜技術(shù)具有快速、方便且檢測成本低的優(yōu)點。本文以番茄和櫻桃番茄為研究對象,利用高光譜成像技術(shù)和可見/近紅外光譜分析技術(shù),采用連續(xù)投影算法(SPA)、區(qū)間隨機蛙跳算法(i RF)、改進型區(qū)間隨機蛙跳算法(mi RF)、無信息變量消除法(UVE)、主成分分析法(PCA)和連續(xù)投影算法結(jié)合主成分分析法(SPA-PCA)提取特征波長,基于所提取的特征波長建立偏最小二乘回歸(PLSR)模型和極限學(xué)習(xí)機(ELM)模型,檢測番茄的可溶性固形物含量(SSC)、硬度、綜合品質(zhì)等指標(biāo),并比較不同特征波長選擇方法對模型檢測精度的影響。本文主要研究內(nèi)容與結(jié)論如下:(1)基于高光譜成像技術(shù)的番茄可溶性固形物含量...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究進展
        1.2.1 光譜分析技術(shù)研究進展
        1.2.2 番茄品質(zhì)檢測技術(shù)研究進展
        1.2.3 結(jié)合感官評價的光譜分析技術(shù)研究進展
    1.3 現(xiàn)有研究存在的問題
    1.4 研究內(nèi)容及技術(shù)路線
    1.5 論文組織結(jié)構(gòu)
第二章 光譜技術(shù)分析的理論和方法
    2.1 光譜技術(shù)簡介
        2.1.1 高光譜成像技術(shù)
        2.1.2 近紅外光譜技術(shù)
    2.2 高光譜圖像預(yù)處理方法
        2.2.1 閾值分割法
        2.2.2 K均值聚類算法
        2.2.3 圖像形態(tài)學(xué)處理
    2.3 光譜預(yù)處理方法
        2.3.1 多元散射校正
        2.3.2 歸一化
        2.3.3 移動窗口平滑
    2.4 本章小結(jié)
第三章 基于高光譜成像技術(shù)的番茄可溶性固形物含量和硬度檢測研究
    3.1 材料和方法
        3.1.1 試驗材料
        3.1.2 高光譜圖像采集
        3.1.3 可溶性固形物含量測量
        3.1.4 硬度測量
    3.2 高光譜圖像處理
        3.2.1 感興趣區(qū)域提取
        3.2.2 光譜預(yù)處理和樣本劃分
    3.3 特征波長選擇
        3.3.1 連續(xù)投影算法
        3.3.2 改進型區(qū)間隨機蛙跳算法
        3.3.3 無信息變量消除法
    3.4 模型建立
        3.4.1 偏最小二乘回歸模型
        3.4.2 模型評價標(biāo)準(zhǔn)
        3.4.3 結(jié)果和分析
    3.5 本章小結(jié)
第四章 基于高光譜成像技術(shù)的櫻桃番茄可溶性固形物含量檢測研究
    4.1 試驗材料
    4.2 高光譜圖像處理
        4.2.1 感興趣區(qū)域提取
        4.2.2 光譜預(yù)處理和樣本劃分
    4.3 特征波長選擇
        4.3.1 主成分分析法
        4.3.2 連續(xù)投影算法結(jié)合主成分分析法
        4.3.3 改進型區(qū)間隨機蛙跳算法
    4.4 結(jié)果和分析
    4.5 本章小結(jié)
第五章 融合感官評價的櫻桃番茄綜合品質(zhì)檢測研究
    5.1 材料和方法
        5.1.1 試驗材料
        5.1.2 可見/近紅外光譜采集
        5.1.3 理化成分指標(biāo)測量
        5.1.4 綜合品質(zhì)判別指標(biāo)建立
    5.2 光譜預(yù)處理
        5.2.1 可見/近紅外光譜分析
        5.2.2 光譜預(yù)處理和樣本劃分
    5.3 特征波長選擇
        5.3.1 連續(xù)投影算法結(jié)合主成分分析法
        5.3.2 改進型區(qū)間隨機蛙跳算法
    5.4 結(jié)果和分析
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 創(chuàng)新點
    6.3 展望
參考文獻(xiàn)
致謝
個人簡歷



本文編號：3911782