采用光譜與圖像相結(jié)合,實(shí)現(xiàn)了核桃仁蛋白質(zhì)和脂肪含量預(yù)測及基于完整度和色澤的核桃仁外觀品質(zhì)分級。選用新疆"溫185"核桃仁,采集了862.9～1704.02 nm和382.19～1026.66 nm范圍高光譜圖像。采用多元散射校正(MSE)和標(biāo)準(zhǔn)正態(tài)化(SNV)方法進(jìn)行預(yù)處理后,通過競爭性自適應(yīng)重加權(quán)采樣算法與相關(guān)系數(shù)法,對核桃仁樣品的蛋白質(zhì)含量、脂肪含量、總色差3個參數(shù)進(jìn)行了特征波段篩選。通過偏最小二乘回歸(PLSR)算法建立了全光譜波段與特征光譜波段的蛋白質(zhì)和脂肪含量預(yù)測模型,與全光譜波段相比,蛋白質(zhì)含量特征波段預(yù)測模型的驗(yàn)證集決定系數(shù)(R²)由0.66增長到0.91,均方根誤差(RMSEP)由1.37%下降到0.78%;脂肪含量特征波段預(yù)測模型的驗(yàn)證集R²由0.83增長到0.93, RMSEP由0.98%下降到0.47%。在外觀品質(zhì)方面,采用全光譜波段、RGB光譜波段、總色差特征光譜波段為輸入,采用決策樹、K近鄰和支持向量機(jī)算法建立了核桃仁外觀品質(zhì)分類模型。通過對比發(fā)現(xiàn),采用總色差特征波段建模,可大幅減低冗余信息的干擾,同時分類準(zhǔn)確率也高...

【文章頁數(shù)】：10 頁

【文章目錄】：
1 引 言
2 實(shí)驗(yàn)部分
    2.1 實(shí)驗(yàn)樣本及其處理
    2.2 高光譜圖像采集
    2.3 光譜數(shù)據(jù)預(yù)處理與特征波段篩選
    2.4 核桃仁品質(zhì)檢測方法
        2.4.1 核桃仁內(nèi)部品質(zhì)檢測方法
        2.4.2 核桃仁外觀等級鑒別方法
3 結(jié)果與討論
    3.1 基于光譜信息的核桃仁內(nèi)部品質(zhì)指標(biāo)檢測
    3.2 基于光譜信息與圖像特征的核桃仁外觀等級分類
4 結(jié) 論



本文編號：3804639