本文關鍵詞： 蘋果 高光譜成像 多指標 外觀品質(zhì) 內(nèi)部品質(zhì) 分級　出處：《沈陽農(nóng)業(yè)大學》2017年博士論文　論文類型：學位論文

【摘要】：我國是蘋果種植大國,產(chǎn)量近10年高居世界首位,各種蘋果需要精確分級以適應不同人群的需求。面對龐大的數(shù)量,有必要建立精度高、速度快、指標全的檢測線,以實現(xiàn)智能化分級,對于提高分級效率、節(jié)省勞動成本、保障我國優(yōu)質(zhì)蘋果與進口品種的競爭力具有重要意義。本文以寒富蘋果為研究對象,利用高光譜成像系統(tǒng)中圖像與光譜相結(jié)合的特點,檢測蘋果外觀與內(nèi)部的多項指標。根據(jù)指標特征開發(fā)針對性的檢測技術與方法,并通過挖掘檢測中的共用信息建立多指標綜合分級仿真系統(tǒng)。主要研究內(nèi)容如下:(1)分析蘋果的指標特性,根據(jù)指標的重要性確定檢測流程。外觀指標包括大小、外形與病害,內(nèi)部指標包括糖度與硬度,顏色作為輔助指標參考內(nèi)部指標檢測的光譜信息驗證分級結(jié)果。建立大小→外形→病害→糖度→硬度→顏色的檢測順序,實現(xiàn)外觀狀態(tài)與內(nèi)部品質(zhì)綜合評價。(2)依據(jù)765nm與904nm兩個最佳波長信息檢測大小、外形與病害3項外觀指標。圖像預處理環(huán)節(jié)中,采用中值濾波法增強904nm圖像以檢測大小與外形;獲取765nm的掩膜圖像應用于病害檢測。檢測過程中,各類指標開發(fā)了針對性的描述方法與數(shù)學方法。采用MER矩判別法與像素點統(tǒng)計法檢測大小,準確率為98.75%。通過蘋果輪廓最小外接圓與最大內(nèi)切圓的相關信息判別果形指數(shù)、偏心度與對稱度,其中以兩圓的面積比描述果形指數(shù),以兩圓的極限距離比描述偏心度,以內(nèi)切圓切點連線對輪廓的分割區(qū)域比描述對稱度,實現(xiàn)三角度外形檢測,準確率為95%。病害檢測中,根據(jù)病害區(qū)域與正常區(qū)域的反射光譜差異提出改進流行距離算法,通過比較流行距離L值開發(fā)了 3個適合病害檢測的特征波長—700nm、765nm和904nm。根據(jù)不同波長下的光譜信息組合,建立BP神經(jīng)網(wǎng)絡檢測模型,發(fā)現(xiàn)765nm結(jié)合904nm的反射光譜可以更好的檢測病害特征,準確率為96.25%。(3)內(nèi)部品質(zhì)檢測中,利用543nm與674nm光譜信息同時檢測蘋果的糖度與硬度。在雙面圖像采集的前提下,獲取亮度相近感興趣區(qū)域(ROIs)的光譜反射波形,采用二階導數(shù)結(jié)合標準正態(tài)變量(SD+SNV)的方式平滑波形;根據(jù)ROIs的糖度與硬度的測試結(jié)果連續(xù)投影(SPA)出兩項指標各自的特征波長,結(jié)合特征波長分布提出互換輸出指標的二次連續(xù)投影算法,尋找雙指標檢測中共用的波長信息;根據(jù)不同環(huán)境下共用的波長信息,比較最小二乘支持向量機(LS-SVM)與遺傳算法開發(fā)神經(jīng)網(wǎng)絡(GA-BP)的預測效果,發(fā)現(xiàn)GA-BP參考雙面取樣最佳波長(543nm與674nm)信息可建立最優(yōu)效果,糖度預測相關系數(shù)(R)為0.8476,均方誤差(MSE)為3.32;硬度R為0.7938,MSE為9.6。此外,利用糖度與硬度的最佳波長信息檢測蘋果顏色,根據(jù)兩個波長下RIOs的反射光譜差異提出了紅綠色的極限差之比與著色濃度比,判斷蘋果的著色度,實現(xiàn)顏色指標的量化判定。(4)使用MATLAB2013a設計蘋果在線綜合分級仿真系統(tǒng),按照大小→外形→病害→糖度→硬度的順序編寫檢測程序,通過識別蘋果的圖像、光譜、指標信息模擬在線分級。系統(tǒng)參照分級標準建立不同環(huán)境下的指標數(shù)據(jù)庫,按照量化標準分為特級果、一級果、二級果、等外果。程序末端增設了選用的檢驗環(huán)節(jié),通過檢測顏色指標驗證分級結(jié)果的準確性。設計仿真系統(tǒng)操作界面,包含用戶管理、環(huán)境參數(shù)、指標參數(shù)、數(shù)據(jù)顯示等功能,操作人員參考幫助信息合理使用分級系統(tǒng),實現(xiàn)對蘋果多指標的綜合檢測。
[Abstract]:In order to improve the classification efficiency and to save labor costs and to guarantee the competitiveness of high - quality apples and imported varieties . ( 3 ) In the detection of internal quality , the spectral reflection waveform of apples is detected by using the spectral information of 54nm and 67nm . The best results are obtained by using the second derivative combining with the standard normal variable ( SD + SNV ) . The results show that the optimal wavelength information is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the index parameter is the index parameter , the data display and so on .

【學位授予單位】：沈陽農(nóng)業(yè)大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：S661.1;TP391.41

【相似文獻】

相關期刊論文 前10條

1 單佳佳;彭彥昆;王偉;李永玉;吳建虎;張雷蕾;;基于高光譜成像技術的蘋果內(nèi)外品質(zhì)同時檢測[J];農(nóng)業(yè)機械學報;2011年03期

2 王斌;薛建新;張淑娟;;基于高光譜成像技術的腐爛、病害梨棗檢測[J];農(nóng)業(yè)機械學報;2013年S1期

3 蔡健榮;韓智義;;碧螺春茶葉的真?zhèn)舞b別技術——基于漫反射式高光譜成像技術[J];農(nóng)機化研究;2013年04期

4 孫梅;陳興海;張恒;陳海霞;;高光譜成像技術的蘋果品質(zhì)無損檢測[J];紅外與激光工程;2014年04期

5 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的應用研究[J];農(nóng)機化研究;2013年06期

6 田有文;牟鑫;程怡;;高光譜成像技術無損檢測水果缺陷的研究進展[J];農(nóng)機化研究;2014年06期

7 余克強;趙艷茹;李曉麗;張淑娟;何勇;;基于高光譜成像技術的鮮棗裂紋的識別研究[J];光譜學與光譜分析;2014年02期

8 丁冬;;高光譜成像技術及其在農(nóng)產(chǎn)品檢測中的應用[J];科技信息;2013年35期

9 張筱蕾;劉飛;聶鵬程;何勇;鮑一丹;;高光譜成像技術的油菜葉片氮含量及分布快速檢測[J];光譜學與光譜分析;2014年09期

10 章海亮;高俊峰;何勇;;基于高光譜成像技術的柑橘缺陷無損檢測[J];農(nóng)業(yè)機械學報;2013年09期

相關會議論文 前7條

1 盧云龍;劉志剛;;高光譜成像技術及其在目標檢測中的應用進展[A];國家安全地球物理叢書（九）——防災減災與國家安全[C];2013年

2 馬本學;應義斌;饒秀勤;;高光譜成像在水果表面缺陷及污染檢測中的研究進展[A];2007年中國農(nóng)業(yè)工程學會學術年會論文摘要集[C];2007年

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

4 孫向軍;劉凱龍;趙志勇;李雪濤;;高光譜成像及仿真技術途徑探索[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

5 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學術交流會論文集[C];2012年

6 肖功海;舒嶸;薛永祺;;顯微成像光譜技術及其應用[A];成像光譜技術與應用研討會論文集[C];2004年

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

相關博士學位論文 前10條

1 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(上海技術物理研究所);2015年

2 何青;多類型高光譜成像集成系統(tǒng)的研制及其應用研究[D];暨南大學;2015年

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

4 蒙慶華;基于MEMS技術的128×128陣列F-P腔可調(diào)諧紅外濾波器設計與制備研究[D];華中科技大學;2015年

5 馮迪;基于高光譜成像蘋果外觀與內(nèi)部多指標檢測研究[D];沈陽農(nóng)業(yè)大學;2017年

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

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

8 馬m，

本文編號：1490550