本文關(guān)鍵詞：基于近紅外高光譜圖像技術(shù)的南疆紅棗內(nèi)部品質(zhì)的研究

  更多相關(guān)文章： 近紅外高光譜圖像技術(shù) 遺傳算法 競爭性自適應(yīng)重加權(quán)算法 偏最小二乘法 BP神經(jīng)網(wǎng)絡(luò)

【摘要】：新疆紅棗聞名中外,南疆紅棗由于特殊的地理、氣候環(huán)境,使其不論是表面形態(tài),還是內(nèi)部品質(zhì),都得到了人們廣泛的認同。表面形態(tài)的大小、飽滿度是可以通過肉眼識別的,但其內(nèi)部品質(zhì)的衡量卻非易事。紅棗內(nèi)部品質(zhì)的傳統(tǒng)檢測方法不僅耗時費力,還是侵入破壞性的,檢測過程所產(chǎn)生的廢液、廢渣更是損害環(huán)境。研究快速、高效、環(huán)境友好的檢測手段迫在眉睫。近紅外光譜技術(shù)克服了以上大部分的缺點,但其點狀檢測和非可視化的缺點,已不能滿足人們對紅棗內(nèi)部品質(zhì)的檢測要求。高光譜圖像技術(shù)應(yīng)運而生,它不僅包含近紅外光譜技術(shù)的優(yōu)點,而且是區(qū)域檢測、圖譜合一、分辨率高,更能夠?qū)崿F(xiàn)表面缺陷和內(nèi)部物理化學(xué)成分的同時檢測。文章從實驗材料與理化分析方法、高光譜的其他功能以及化學(xué)計量學(xué)方法對建模前期工作進行描述。主要研究內(nèi)容如下:(1)南疆紅棗的光譜數(shù)據(jù)最佳預(yù)處理方法,文章研究的預(yù)處理方法包括導(dǎo)數(shù)法、多元散射校正、標準正態(tài)變量變換、矢量歸一化對建模效果的影響,通過以上預(yù)處理方法建立南疆白熟期駿棗的總糖和水分偏最小二乘法(PLS)和BP神經(jīng)網(wǎng)絡(luò)(BP-ANN)模型,結(jié)論為多元散射校正預(yù)處理優(yōu)于其他方法。(2)南疆紅棗的特征波長變量的選擇,文章研究的特征波長變量方法包括相關(guān)系數(shù)法、連續(xù)投影法、遺傳算法和競爭性自適應(yīng)重加權(quán)算法。研究表明:通過遺傳算法選擇出總糖的特征波長變量預(yù)測性能好于其他方法,特征波長為942 nm、1 069 nm、1 110 nm、1 179 nm、1 284 nm、1 494 nm、1 570 nm、1 626 nm、1 661 nm、1 665 nm、1 672 nm、1 693 nm。通過競爭性自適應(yīng)重加權(quán)算法選擇出水分的特征波長變量預(yù)測性能好于其他方法,特征波長為957 nm、989 nm、1 085 nm、1 107 nm、1 179 nm、1 195 nm、1 271 nm、1 419 nm、1 439 nm、1 511 nm、1 529 nm、1 598 nm、1 661 nm。(3)南疆紅棗建模方法的研究,預(yù)處理方法的選擇采用多元散射校正,駿棗的總糖和水分的特征波長變量選擇分別應(yīng)用遺傳算法和競爭性自適應(yīng)重加權(quán)算法進行,并分別采用偏最小二乘法和BP神經(jīng)網(wǎng)絡(luò)進行建�；貧w分析。分析表明:駿棗的總糖和水分所建立的模型中,BP神經(jīng)網(wǎng)絡(luò)建立的預(yù)測模型均好于偏最小二乘法所建模型。駿棗總糖和水分的預(yù)測相關(guān)系數(shù)(Rp)分別達到了0.918 4和0.881 0�？偺呛退值念A(yù)測標準偏差(RMSEP)分別達到0.931 0和2.198 0。
【學(xué)位授予單位】：塔里木大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;S665.1

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱榮光;姚雪東;高廣娣;唐明翔;盧士玲;馬本學(xué);;不同儲存時間和取樣部位牛肉顏色的高光譜圖像檢測[J];農(nóng)業(yè)機械學(xué)報;2013年07期

2 趙杰文;劉劍華;陳全勝;Saritporn Vittayapadung;;利用高光譜圖像技術(shù)檢測水果輕微損傷[J];農(nóng)業(yè)機械學(xué)報;2008年01期

3 吳瑞梅;吳彥紅;艾施榮;劉木華;趙杰文;嚴霖元;;茶葉外形品質(zhì)的高光譜圖像量化分析[J];江西農(nóng)業(yè)大學(xué)學(xué)報;2013年02期

4 艾施榮;吳瑞梅;吳彥紅;嚴霖元;;利用高光譜圖像技術(shù)鑒別廬山云霧茶產(chǎn)地[J];江西農(nóng)業(yè)大學(xué)學(xué)報;2014年02期

5 徐爽;何建國;易東;賀曉光;;基于高光譜圖像技術(shù)的長棗糖度無損檢測[J];食品與機械;2012年06期

6 劉木華,趙杰文,鄭建鴻,吳瑞梅;農(nóng)畜產(chǎn)品品質(zhì)無損檢測中高光譜圖像技術(shù)的應(yīng)用進展[J];農(nóng)業(yè)機械學(xué)報;2005年09期

7 程國首;郭俊先;肉孜·阿木提;饒秀勤;亢銀霞;石砦;;基于高光譜圖像技術(shù)預(yù)測蘋果大小[J];農(nóng)機化研究;2012年06期

8 蘇文浩;何建國;劉貴珊;王松磊;賀曉光;吳龍國;;近紅外高光譜圖像技術(shù)在馬鈴薯外部缺陷檢測中的應(yīng)用[J];食品與機械;2013年05期

9 陳樹人;鄒華東;吳瑞梅;閆潤;毛罕平;;基于高光譜圖像技術(shù)的稻田苗期雜草稻識別[J];農(nóng)業(yè)機械學(xué)報;2013年05期

10 韓小珍;辛世華;王松磊;何建國;;高光譜在農(nóng)產(chǎn)品無損檢測中的應(yīng)用展望[J];寧夏工程技術(shù);2013年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張兵;王向偉;鄭蘭芬;童慶禧;;高光譜圖像地物分類與識別研究[A];成像光譜技術(shù)與應(yīng)用研討會論文集[C];2004年

2 高連如;張兵;孫旭;李山山;張文娟;;高光譜數(shù)據(jù)降維與分類技術(shù)研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會暨交叉學(xué)科論壇文集[C];2010年

3 王成;何偉基;陳錢;;基于波段重組和小波變換的高光譜圖像嵌入式壓縮方法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會論文（摘要）集[C];2013年

4 孫蕾;羅建書;;基于分類預(yù)測的高光譜遙感圖像無損壓縮[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

5 楊勇;劉木華;鄒小蓮;苗蓬勃;趙珍珍;;基于高光譜圖像技術(shù)的獼猴桃硬度品質(zhì)檢測[A];走中國特色農(nóng)業(yè)機械化道路——中國農(nóng)業(yè)機械學(xué)會2008年學(xué)術(shù)年會論文集（下冊）[C];2008年

6 張曉紅;張立福;王晉年;童慶禧;;HJ-1A衛(wèi)星高光譜遙感圖像質(zhì)量綜合評價[A];第八屆成像光譜技術(shù)與應(yīng)用研討會暨交叉學(xué)科論壇文集[C];2010年

7 高東生;高連知;;基于獨立分量分析的高光譜圖像目標盲探測方法研究[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

8 馮維一;陳錢;何偉基;;基于小波稀疏的高光譜目標探測算法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會論文（摘要）集[C];2013年

9 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

10 蒲曉豐;雷武虎;黃濤;王迪;;基于穩(wěn)健背景子空間的高光譜圖像異常檢測[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復(fù)旦大學(xué);2014年

2 王亮亮;非線性流形結(jié)構(gòu)在高光譜圖像異常檢測中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 賀智;改進的經(jīng)驗?zāi)B(tài)分解算法及其在高光譜圖像分類中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

4 魏然;基于成像機理分析的高光譜圖像信息恢復(fù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 葉珍;高光譜圖像特征提取與分類算法研究[D];西北工業(yè)大學(xué);2015年

6 馮婕;基于軟計算和互信息理論的遙感圖像地物分類[D];西安電子科技大學(xué);2014年

7 孫濤;快速多核學(xué)習(xí)分類研究及應(yīng)用[D];西安電子科技大學(xué);2015年

8 李昌國;基于譜間和校正相關(guān)性的高光譜圖像壓縮方法研究及GPU并行實現(xiàn)[D];成都理工大學(xué);2015年

9 徐速;基于壓縮感知的高光譜圖像稀疏解混方法研究[D];重慶大學(xué);2015年

10 南一冰;星載推掃型高光譜運動成像誤差建模與高精度校正技術(shù)研究[D];北京理工大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 豐爍;高光譜圖像波段選取問題的改進算法研究[D];昆明理工大學(xué);2015年

2 趙偉彥;果蔬干燥過程中的品質(zhì)無損檢測技術(shù)研究[D];江南大學(xué);2015年

3 馬亞楠;果蔬中內(nèi)部害蟲的高光譜圖像檢測技術(shù)研究[D];江南大學(xué);2015年

4 劉大洋;基于近紅外光譜和高光譜圖像技術(shù)無損識別獼猴桃膨大果[D];西北農(nóng)林科技大學(xué);2015年

5 王坤;高光譜圖像異常目標檢測及光譜成像在偽裝評估方面的應(yīng)用研究[D];南京理工大學(xué);2015年

6 王啟聰;高光譜圖像分類的GPU并行優(yōu)化研究[D];南京理工大學(xué);2015年

7 程凱;無先驗信息的高光譜圖像小目標檢測算法研究[D];蘇州大學(xué);2015年

8 李秩期;基于高光譜及多信息融合的馬鈴薯外部缺陷無損檢測研究[D];寧夏大學(xué);2015年

9 王健;基于高光譜圖像的馬鈴薯形狀及重量分類識別建模研究[D];寧夏大學(xué);2015年

10 吳蓓芬;偏振高光譜圖像場景仿真及分類方法研究[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號：1306159