基于光学特性的水果损伤敏感性预测评估

发布时间：2017-11-03 12:05

  本文关键词：基于光学特性的水果损伤敏感性预测评估

  更多相关文章： 苹果 损伤敏感性 可见及短波近红外 高光谱图像 预测评估

【摘要】：水果的损伤是影响其质量的重要因素,其不但带来外观的缺陷,更会带来营养成分流失和病菌感染等更深层次的缺陷。损伤不但降低了水果的质量,影响消费者的购买欲望,也会给果农或经销商带来较大的经济损失。水果的损伤发生在水果的生产、采摘、包装、运输、储存等环节。事先了解水果在各个加工处理环节的损伤特点和可能性,为采取合适的操作、防护等措施提供信息,对于减少水果损伤具有重要的价值。损伤敏感性被定义为单位碰撞或吸收能量下的损伤体积,由于其能够评价水果抵抗外力所导致的损伤潜力,被广泛的研究。以往对损伤敏感性的研究大多是基于少量样本的破坏性试验,很难满足水果产业对大量样本快速检测分级的需求,为了克服这一缺陷,本文旨在利用可见及短波近红外光谱和高光谱散射图像两种光谱分析技术,发展出一种快速无损非接触的水果损伤敏感性预测评估方法。论文主要研究如下:1.研究了基于可见/短波近红外(Vis/SWNIR)光谱分析技术的苹果损伤敏感性检测方法,并应用于“Golden Delicious”苹果的损伤敏感性检测。论文采集了“Golden Delicious”苹果在400-1,100nm波段范围内的可见/近红外光谱;利用连续投影算法(SPA)选择重要波段,并基于这些重要波段和随机添加的扰动波段,构建偏最小二乘回归子模型;最终基于选择性集成学习方法建立苹果损伤敏感性预测的集成模型。结果显示Vis/SWNIR可以用来预测苹果的损伤敏感性,相比于单一的偏最小二乘回归模型,集成学习方法可显著提高苹果损伤敏感性的预测精度,具有更强的稳健性和泛化能力。2.将高光谱散射图像(HSI)技术应用到苹果的损伤敏感性检测中。论文针对高光谱散射图像信息量巨大的特点,比较了包括光学特性参数(U_a和U_s')、修正洛伦兹参数(MLD)、广义高斯分布参数(GGD)和均值光谱(MS)参数等多种特征提取方法对水果损伤敏感性预测的性能。结果发现均值光谱对损伤敏感性的预测精度较高,其预测精度较可见/短波近红外光谱分析技术有着较大的提高。3.为了进一步提高水果损伤敏感性的预测精度,论文研究了基于短波/近红外光谱分析技术和高光谱散射图像融合的水果损伤敏感性检测方法。结果显示多传感器信息融合模型较单一传感器模型的预测精度显著性提高,这表明多传感器信息融合技术能有效提高模型的预测能力。本文的研究结果对于促进农产品品质无损检测技术的发展,特别是水果损伤敏感性检测技术的发展提供了一种有效途径。
【关键词】：苹果 损伤敏感性 可见及短波近红外 高光谱图像 预测评估
【学位授予单位】：江南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S66;O657.3
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-15
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-12
• 1.2.1 近红外光谱技术9-10
• 1.2.2 高光谱图像技术10-12
• 1.3 光谱检测技术在水果品质属性评估的前景12-13
• 1.4 本文研究内容13-15
• 第二章 光谱图像技术基本原理及实验设计15-24
• 2.1 引言15
• 2.2 光在生物组织中传输的基本原理15-17
• 2.3 样本及光谱采集17-19
• 2.3.1 试验样本17
• 2.3.2 近红外光谱采集17-18
• 2.3.3 高光谱散射图像采集18-19
• 2.4 损伤实验及敏感性测量19-23
• 2.4.1 损伤实验20-21
• 2.4.2 损伤体积计算模型21-22
• 2.4.3 损伤敏感性22-23
• 2.5 本章小结23-24
• 第三章 基于近红外光谱集成学习的苹果损伤敏感性预测24-37
• 3.1 引言24
• 3.2 近红外光谱的预处理24-25
• 3.3 损伤敏感性的预测模型构建25-31
• 3.3.1 偏最小二乘建模26-28
• 3.3.2 集成学习及模型构建28-31
• 3.4 模型评价31-32
• 3.5 损伤结果分析32-33
• 3.6 建模及结果分析33-36
• 3.6.1 样本划分33
• 3.6.2 结果分析33-36
• 3.7 本章小结36-37
• 第四章 基于高光谱散射图像的苹果损伤敏感性预测评估37-52
• 4.1 引言37
• 4.2 特征提取方法37-44
• 4.2.1 光学特性参数38-40
• 4.2.2 洛伦兹参数40-41
• 4.2.3 广义高斯分布参数41-43
• 4.2.4 均值光谱参数43-44
• 4.3 建模评估方法44-46
• 4.4 光谱分析及建模46-51
• 4.4.1 光谱分析46-47
• 4.4.2 样本划分与建模47
• 4.4.3 结果分析47-51
• 4.5 本章小结51-52
• 第五章 基于光谱信息融合技术的苹果损伤敏感性预测52-58
• 5.1 引言52
• 5.2 信息融合原理52-53
• 5.3 矩变换方法及建模方法53-54
• 5.3.1 矩变换方法53-54
• 5.3.2 建模方法54
• 5.4 结果分析54-57
• 5.5 本章小结57-58
• 主要结论与展望58-61
• 主要结论58-59
• 展望59-61
• 致谢61-62
• 参考文献62-67
• 附录: 作者在攻读硕士学位期间发表的论文67

【相似文献】

中国期刊全文数据库 前4条

1 Ananya Mukhopadhyay;Andrea Polo;Federico Perotti;;热轧带材力学性能预测评估系统[J];钢铁;2009年01期

2 陈奇;李俊彦;张杰坤;王桂海;;地下水封石洞油库岩爆灾害预测评估——以某地下水封石洞油库实际工程为例[J];地球与环境;2005年S1期

3 顾祖伟;玉石毛料中裂绺的预测评估与利用[J];珠宝科技;1997年02期

4 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 阮水根;马清云;;近年来我国气象预报预测评估与初步分析[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“城市气象与科技奥运”分会论文集[C];2003年

中国重要报纸全文数据库 前2条

1 张兴春;拆迁审批前要进行维稳风险预测评估[N];哈尔滨日报;2007年

2 李公明　李明灿;河南局一队非煤研究所涉足矿山环境保护和治理领域[N];中煤地质报;2011年

中国硕士学位论文全文数据库 前1条

1 关济雨;基于光学特性的水果损伤敏感性预测评估[D];江南大学;2016年

，

本文编号：1136099