發(fā)布時(shí)間：2020-01-25 17:25

【摘要】：水果在采摘和運(yùn)輸過(guò)程中容易因?yàn)橥饬Φ淖饔枚艿綋p傷。雖然隨著機(jī)器視覺(jué)和圖像處理技術(shù)的發(fā)展,較為先進(jìn)的機(jī)器視覺(jué)技術(shù)能夠根據(jù)水果表面的缺陷而進(jìn)行分級(jí),但是水果的損傷問(wèn)題,特別是輕微損傷問(wèn)題一直是機(jī)器視覺(jué)難以克服的問(wèn)題。輕微損傷組織一般發(fā)生在水果表皮以下10mm徑向厚度的果肉組織,在形成的初期,其顏色和正常組織沒(méi)有太大的差異,對(duì)比度很低,肉眼難以區(qū)分,特別是成熟度較高的水果,其損傷部位一般為紅色或者黃色,檢測(cè)的色度差異更小,基于機(jī)器視覺(jué)方法的檢測(cè)效果更差。輕微損傷隨著時(shí)間的推移,損傷部位被氧化而顏色變褐,組織變軟至腐爛,甚至?xí)绊懙街車(chē)玫乃�。因�?對(duì)水果輕微損傷的早期檢測(cè)具有重要意義。本文以極品富士蘋(píng)果作為例子,采用單積分球系統(tǒng)測(cè)量無(wú)損和兩種不同程度輕微損傷的蘋(píng)果組織光學(xué)參數(shù),經(jīng)過(guò)數(shù)據(jù)處理后,采用支持向量機(jī)和概率神經(jīng)網(wǎng)絡(luò)建立分類(lèi)模型,兩者模型對(duì)0級(jí)損傷樣品的識(shí)別準(zhǔn)確度均達(dá)到98%以上,除了一個(gè)1級(jí)損傷樣品在兩種模型下均被誤判外,其他樣品均驗(yàn)證正確。以下對(duì)本文中的主要內(nèi)容和實(shí)驗(yàn)結(jié)論做出簡(jiǎn)要總結(jié)。(1)通過(guò)仿真分析蘋(píng)果組織在切割中是否受到損傷。由質(zhì)構(gòu)儀測(cè)量蘋(píng)果組織的力學(xué)性質(zhì)并計(jì)算組織在達(dá)到損傷時(shí)所受到應(yīng)力大小。將力學(xué)性質(zhì)和Solidworks建立的幾何模型相結(jié)合建立Ansys-Workbench有限元模型,模擬蘋(píng)果切割過(guò)程,對(duì)比果肉受到的最大的應(yīng)力和實(shí)驗(yàn)得到樣品達(dá)到損傷時(shí)應(yīng)力值,得出蘋(píng)果在切割的過(guò)程中沒(méi)有受到損傷。(2)根據(jù)單、雙積分球技術(shù)性質(zhì)與特征,搭建單積分球系統(tǒng),研究本系統(tǒng)的驗(yàn)證原理與過(guò)程,分別用10%-Intalipid溶液和純水分別驗(yàn)證了由系統(tǒng)測(cè)得的吸收系數(shù)和約化散射系數(shù)誤差,證明了系統(tǒng)具有可靠性。(3)闡述了光學(xué)參數(shù)測(cè)量的全過(guò)程。首先確定積分球系統(tǒng)參數(shù),測(cè)量樣品的折射率,漫反射率與漫透射率,然后通過(guò)反向倍增法求得樣品光學(xué)參數(shù)。進(jìn)一步討論了本文中蘋(píng)果的吸收系數(shù)在680nm左右無(wú)波峰的原因以及生理鹽水對(duì)光學(xué)參數(shù)的影響。(4)針對(duì)原始光學(xué)參數(shù)譜圖基線偏移現(xiàn)象,運(yùn)用了MSC和SNV兩種方法進(jìn)行預(yù)處理。運(yùn)用基于線性變換的主成分分析和基于非線性變換的隨機(jī)領(lǐng)域嵌入法分別對(duì)數(shù)據(jù)作降維處理,結(jié)果顯示主成分分析效果要優(yōu)于隨機(jī)領(lǐng)域嵌入法。(5)采用支持向量機(jī)和概率神經(jīng)網(wǎng)絡(luò)兩種建模方法進(jìn)行分類(lèi)識(shí)別,得出發(fā)現(xiàn)基于兩種方法的最高識(shí)別準(zhǔn)確率均為98.1%,且基于概率神經(jīng)網(wǎng)絡(luò)的方法更優(yōu)。說(shuō)明了光學(xué)參數(shù)具有早期檢測(cè)輕微損傷的可行性。研究表明,光學(xué)參數(shù)在蘋(píng)果輕微損傷的早期識(shí)別上擁有良好的效果,在本研究中的三級(jí)損傷中,通過(guò)標(biāo)準(zhǔn)正態(tài)變換預(yù)處理和主成分分析降維后,由支持向量機(jī)和概率神經(jīng)網(wǎng)絡(luò)的識(shí)別結(jié)果均具有很高的精確度,說(shuō)明了光學(xué)性質(zhì)用于早期分類(lèi)蘋(píng)果輕微損傷完全可行,具有良好的應(yīng)用前景。
【學(xué)位授予單位】：華中農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：S661.1;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙俊曄;武婕;;中國(guó)水果市場(chǎng)分析與2020年展望[J];農(nóng)業(yè)展望;2015年05期

2 姬偉;李俊樂(lè);楊俊;丁世宏;趙德安;;機(jī)器手采摘蘋(píng)果抓取損傷機(jī)理有限元分析及驗(yàn)證[J];農(nóng)業(yè)工程學(xué)報(bào);2015年05期

3 萬(wàn)星火;金永超;鄭俊玲;;基于核主成分分析的環(huán)境質(zhì)量綜合評(píng)價(jià)模型[J];電腦知識(shí)與技術(shù);2014年09期

4 黃文倩;陳立平;李江波;張馳;;基于高光譜成像的蘋(píng)果輕微損傷檢測(cè)有效波長(zhǎng)選取[J];農(nóng)業(yè)工程學(xué)報(bào);2013年01期

5 徐朝輝;耿文波;;半無(wú)限大生物組織中光子分布規(guī)律的研究[J];應(yīng)用激光;2012年01期

6 鄧孺孺;何穎清;秦雁;陳啟東;陳蕾;;分離懸浮質(zhì)影響的光學(xué)波段(400—900nm)水吸收系數(shù)測(cè)量[J];遙感學(xué)報(bào);2012年01期

7 趙少東;;基于連續(xù)PSO算法的特征選擇和SVM參數(shù)同步優(yōu)化算法[J];大眾科技;2010年11期

8 袁國(guó)勇;;ANSYS網(wǎng)格劃分方法的分析[J];現(xiàn)代機(jī)械;2009年06期

9 胡潔;;高維數(shù)據(jù)特征降維研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2008年09期

10 張慶;劉丙杰;;基于PSO和分組訓(xùn)練的SVM參數(shù)快速優(yōu)化方法[J];科學(xué)技術(shù)與工程;2008年16期

相關(guān)會(huì)議論文 前1條

1 鄧宏康;;鍋爐水堿度測(cè)量的PLSR方法研究[A];第三次全國(guó)鍋爐水（介）質(zhì)處理學(xué)術(shù)交流會(huì)論文匯編[C];2013年

相關(guān)碩士學(xué)位論文 前7條

1 孫喜利;高維數(shù)據(jù)的降維及聚類(lèi)方法研究[D];蘭州大學(xué);2016年

2 方振歡;用于水果組織光傳輸特性檢測(cè)的單積分球系統(tǒng)研制及應(yīng)用[D];浙江大學(xué);2015年

3 柯佳佳;基于隨機(jī)鄰域嵌入的機(jī)械故障特征提取方法[D];東南大學(xué);2015年

4 周其顯;蘋(píng)果早期機(jī)械損傷的紅外熱成像檢測(cè)研究[D];華東交通大學(xué);2011年

5 郭云峰;用雙積分球測(cè)量生物組織的光學(xué)特性[D];天津大學(xué);2007年

6 聞斌;通過(guò)交叉驗(yàn)證準(zhǔn)則選擇線性模型[D];東南大學(xué);2006年

7 蘇萬(wàn)鈞;生物組織光學(xué)特性的單積分球測(cè)量技術(shù)[D];福建師范大學(xué);2004年

，

本文編號(hào)：2573065