紅提葡萄是鮮食葡萄的優(yōu)質(zhì)品種,其產(chǎn)量在我國(guó)葡萄產(chǎn)量中居于首位。紅提是非呼吸躍變型果實(shí),采摘后無后熟期,選擇最佳采摘期對(duì)采后紅提葡萄品質(zhì)至關(guān)重要,而依靠人眼判斷葡萄成熟度效率低,由于易發(fā)生果穗成熟度誤判而導(dǎo)致過早采摘或過熟采摘。因此,如何快速準(zhǔn)確判斷紅提葡萄果穗的成熟度是提高紅提葡萄商品率亟待解決的問題。本研究針對(duì)自然環(huán)境下紅提葡萄果穗,采用圖像法開展葡萄成熟度分類的研究,首先采用卷積神經(jīng)網(wǎng)絡(luò)不同遷移模型對(duì)田間紅提葡萄果穗進(jìn)行識(shí)別,然后采用合適的方法對(duì)識(shí)別出的果穗圖像進(jìn)行背景分割,再采用圓形Hough變換法檢測(cè)葡萄果粒,并結(jié)合顏色特征判斷葡萄果粒成熟度,最后開發(fā)算法實(shí)現(xiàn)紅提葡萄果穗成熟度較準(zhǔn)確判別。本研究取得的主要結(jié)果如下:（1）在5種卷積神經(jīng)網(wǎng)絡(luò)分別作為區(qū)域候選網(wǎng)絡(luò)與Fast R-CNN結(jié)合的遷移學(xué)習(xí)的網(wǎng)絡(luò)模型中,VGG16網(wǎng)絡(luò)的綜合識(shí)別效果最好,將學(xué)習(xí)率調(diào)整為0.0001,循環(huán)次數(shù)調(diào)整為20次時(shí),得到最優(yōu)紅提葡萄果穗Faster R-CNN識(shí)別模型,平均檢測(cè)時(shí)間26 ms,精度達(dá)99.07%,模型識(shí)別置信度均在0.88以上。（2）K最近鄰（K-nearest neighbor,KNN... 

【文章來源】：石河子大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

便攜式近紅外光譜儀通過接觸探針檢測(cè)葡萄可溶性固形物含量（Herreraetal.,2003）

基于卷積神經(jīng)網(wǎng)絡(luò)紅提葡萄果穗成熟度檢測(cè)研究2Nogales-Bueno等（2014）針對(duì)成熟期間葡萄果穗的高光譜圖像，用光譜預(yù)處理和偏最小二乘回歸法將光譜數(shù)據(jù)與內(nèi)部品質(zhì)參數(shù)關(guān)聯(lián)，能夠?qū)崿F(xiàn)對(duì)紅葡萄和白葡萄成熟度的檢測(cè)[16]。但以上檢測(cè)方法是對(duì)采后葡萄成熟度的識(shí)別，而且光譜法由于其檢測(cè)裝置復(fù)雜且成本高，尚未在葡萄成熟度檢測(cè)中有實(shí)際應(yīng)用[17-18]。圖1-1便攜式近紅外光譜儀通過接觸探針檢測(cè)葡萄可溶性固形物含量（Herreraetal.,2003）Fig.1-1Portablenear-infraredspectrometertodetectsolublesolidscontentofgrapesbycontactprobe（Herreraetal.,2003）圖1-2近紅外高光譜成像檢測(cè)葡萄內(nèi)部品質(zhì)（Nogales-Buenoetal.,2014）Fig.1-2Near-infraredhyperspectralimagingtodetectgrapeinternalquality（Nogales-Buenoetal.,2014）2010年，Ghozlen等采用如圖1-3所示的光學(xué)傳感器，通過對(duì)葡萄果�；ㄉ蘸康臋z測(cè)判斷田間葡萄果穗的成熟度[19]。Bramley等（2011）將該傳感器安裝于收獲機(jī)上檢測(cè)葡萄園中葡萄果穗成熟度[20]。但該方法每次僅能檢測(cè)一穗葡萄，效率低，而且光學(xué)傳感器價(jià)格昂貴，無法普及。圖1-3Multiplex傳感器檢測(cè)葡萄果穗成熟度（Ghozlenetal.,2010）Fig.1-3TheMultiplexsensorforgrapeclustersmaturitydetection（Ghozlenetal.,2010）顏色是水果的一個(gè)重要外部特征，曹雄軍等（2009）研究表明紅提果肉中糖、酸的含量與決定果皮顏色特征的葉綠素、類胡蘿卜素、花色苷的含量均呈極顯著相關(guān)[21]，莫

基于卷積神經(jīng)網(wǎng)絡(luò)紅提葡萄果穗成熟度檢測(cè)研究2Nogales-Bueno等（2014）針對(duì)成熟期間葡萄果穗的高光譜圖像，用光譜預(yù)處理和偏最小二乘回歸法將光譜數(shù)據(jù)與內(nèi)部品質(zhì)參數(shù)關(guān)聯(lián)，能夠?qū)崿F(xiàn)對(duì)紅葡萄和白葡萄成熟度的檢測(cè)[16]。但以上檢測(cè)方法是對(duì)采后葡萄成熟度的識(shí)別，而且光譜法由于其檢測(cè)裝置復(fù)雜且成本高，尚未在葡萄成熟度檢測(cè)中有實(shí)際應(yīng)用[17-18]。圖1-1便攜式近紅外光譜儀通過接觸探針檢測(cè)葡萄可溶性固形物含量（Herreraetal.,2003）Fig.1-1Portablenear-infraredspectrometertodetectsolublesolidscontentofgrapesbycontactprobe（Herreraetal.,2003）圖1-2近紅外高光譜成像檢測(cè)葡萄內(nèi)部品質(zhì)（Nogales-Buenoetal.,2014）Fig.1-2Near-infraredhyperspectralimagingtodetectgrapeinternalquality（Nogales-Buenoetal.,2014）2010年，Ghozlen等采用如圖1-3所示的光學(xué)傳感器，通過對(duì)葡萄果�；ㄉ蘸康臋z測(cè)判斷田間葡萄果穗的成熟度[19]。Bramley等（2011）將該傳感器安裝于收獲機(jī)上檢測(cè)葡萄園中葡萄果穗成熟度[20]。但該方法每次僅能檢測(cè)一穗葡萄，效率低，而且光學(xué)傳感器價(jià)格昂貴，無法普及。圖1-3Multiplex傳感器檢測(cè)葡萄果穗成熟度（Ghozlenetal.,2010）Fig.1-3TheMultiplexsensorforgrapeclustersmaturitydetection（Ghozlenetal.,2010）顏色是水果的一個(gè)重要外部特征，曹雄軍等（2009）研究表明紅提果肉中糖、酸的含量與決定果皮顏色特征的葉綠素、類胡蘿卜素、花色苷的含量均呈極顯著相關(guān)[21]，莫

【參考文獻(xiàn)】：
期刊論文
[1]International Conference on Robotics and Automation（ICRA 2020）[J].   智能系統(tǒng)學(xué)報(bào). 2019(06)
[2]基于Mask R-CNN的葡萄葉片實(shí)例分割[J]. 喬虹,馮全,趙兵,王書志.  林業(yè)機(jī)械與木工設(shè)備. 2019(10)
[3]基于形態(tài)學(xué)和區(qū)域生長(zhǎng)法的醫(yī)學(xué)圖像分割[J]. 范群貞,吳浩,林真.  機(jī)電技術(shù). 2019(03)
[4]基于Faster-RCNN的花生害蟲圖像識(shí)別研究[J]. 陶震宇,孫素芬,羅長(zhǎng)壽.  江蘇農(nóng)業(yè)科學(xué). 2019(12)
[5]重疊蘋果果實(shí)的分離識(shí)別方法[J]. 車金慶,王帆,呂繼東,馬正華.  江蘇農(nóng)業(yè)學(xué)報(bào). 2019(02)
[6]基于Faster R-CNN的田間西蘭花幼苗圖像檢測(cè)方法[J]. 孫哲,張春龍,葛魯鎮(zhèn),張銘,李偉,譚豫之.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(07)
[7]基于改進(jìn)K均值聚類的葡萄果穗圖像分割[J]. 劉智杭,于鳴,任洪娥.  江蘇農(nóng)業(yè)科學(xué). 2018(24)
[8]基于區(qū)域生長(zhǎng)算法的腦腫瘤圖像分割[J]. 蔣秋霖,王昕.  長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào). 2018(05)
[9]基于otsu和區(qū)域生長(zhǎng)的肺部CT圖像分割方法[J]. 陳亞楠,陳麗芳,蘆國(guó)軍.  無線互聯(lián)科技. 2018(17)
[10]基于電勢(shì)能改進(jìn)的區(qū)域生長(zhǎng)腦腫瘤圖像分割[J]. 蔣秋霖,王昕.  軟件工程. 2018(08)

碩士論文
[1]基于邊緣提取與分水嶺分割相融合的柑橘檢測(cè)方法研究[D]. 沈文斌.南華大學(xué) 2018
[2]基于機(jī)器視覺的蘋果特征選擇和分類識(shí)別系統(tǒng)[D]. 侯大軍.江蘇大學(xué) 2010
[3]套袋對(duì)紅地球葡萄色澤發(fā)育及果實(shí)品質(zhì)的影響[D]. 李燦嬰.甘肅農(nóng)業(yè)大學(xué) 2006



本文編號(hào)：3137057