红提内部品质的光谱/图像无损检测技术及装置研发
发布时间：2021-07-15 16:10
葡萄被誉为四大水果之首,2017年我国的总产量高达1308.0万t。红提是葡萄品种之一,因颗粒饱满、果肉坚实、香甜可口、富含较多的营养物质受到人们的广泛喜爱。随着人们生活水平的提高,消费者在关注红提外观品质的同时,更青睐于口感好、风味佳的内部品质。目前对红提内部品质检测大都采用传统的破坏性检测方法,因检测方法繁琐费时,且只能进行抽样检测,检测范围较小,检测完的试验样品已完全损坏,无法销售,造成较大的浪费。本文以不同生长期的红提果粒和红提串为研究对象,利用可见/近红外光谱技术、高光谱成像技术对生长期红提内部品质进行无损检测研究,设计了便携式红提果粒和红提串内部品质检测装置。基于各种光谱图像技术,建立了高光谱图像信息融合的红提可溶性固形物含量的无损检测模型,进一步提高检测模型的预测精度。论文主要研究内容与结论如下:1)生长期红提果粒和红提串内部品质参数及光谱特性变化规律研究。采用可见/近红外光谱技术和高光谱成像检测技术,研究了生长期红提的内部物质含量（可溶性固形物、总酸、p H、硬度和含水率）随着果实逐渐成熟的变化规律,探析了可见/近红外光谱特性及高光谱特性在红提生长成熟阶段与内部品质之间...
【文章来源】：华中农业大学湖北省 211工程院校 教育部直属院校
【文章页数】：182 页
【学位级别】：博士
【部分图文】：
便携式水果内部
技术。高光谱成像系统主要由光源、成像光谱装置、CCD相机、运动机构及计算机等部分组成(付丹丹和王巧华2016)。光源发出的光均匀照射在样品的表面，镜头收集样品的辐射能经过狭缝增强准直照射到分光原件上，其核心为包含一个全息式透射光栅（PGP单元），经分光原件在垂直方向按光谱色散，经分光原件后成像在图像传感器上，并采集被测样品在某一空间位置下的线性连续光谱，PGP原理如图1-2所示。在运动机构的作用下逐渐得到整个被测样品在不同空间位置下的数据，获得被测对象的整体信息，实现对整个样品的高光谱图像采集。图1-3PGP原理图Fig.1-2SchematicofPGP高光谱成像技术采集的红提图像三维数据立方体，如图1-3所示。x，y和分别表示图像像素点的横、纵坐标及波长。高光谱图像的三维立体图可以理解为高光谱图像将所有像素点对应的全波段光谱组合形成三维数据立方体，实现了对红提表面每个像素点进行光谱分析。完成了由点到面的可见/近红外光谱检测。由此，通过高光谱成像技术可以对整体表面和特定空间中感兴趣区域的光谱进行分析。同样高光谱图像也可看作为每一个波长下的二值图像在波长范围的组合。因此，可以对特定波长下的图像进行图像处理，实现图像检测。
红提内部品质的光谱/图像无损检测技术及装置研发9图1-3红提高光谱图像3维示意图Fig.1-43Dschematicofredglobegrapehyperspectralimage1.2.2.2高光谱成像技术在水果品质检测中的应用高光谱技术是一种涵盖光谱和图像两种检测方法的新技术。高光谱技术具有无损、高效、无污染等优点(Wangetal2016，Zhangetal2014)。高光谱成像可以同时获取样品的光谱信息和图像信息，获得更加丰富的信息，优点显著。但高光谱成像也存在较多的缺点，如采集时间较长，高光谱成像装置价格昂贵，且不适合在线快速检测，以试验室研究为主。高光谱成像已广泛应用于水果内部品质的检测和分析(郭文川和董金磊2015，孙静涛等2017，李瑞和傅隆生2017，管晓梅等2018，王转卫等2018)。且大多数的研究都集中在苹果(饶利波等2019)、哈密瓜(徐璐2019)、梨(朱晓琳等2019)、脐橙(李增芳2016，介邓飞等2017)等果蔬的内部品质检测(彭彦昆等2018)。目前，国内外对水果硬度的研究大都集中在哈密瓜(孙静涛等2017)、苹果(彭彦昆等2012，朱丹实等2014，冯迪等2017)、蓝莓(蒋雪松和周宏平2013，李瑞和傅隆生2017)等，Li等(Lietal2018)利用高光谱测定不同成熟期樱桃的可溶性固形物与pH的含量，确定了GA-MLR作为最终建模方法，实现了SSC和pH指标的可靠预测，证明了利用近红外高光谱成像技术检测樱桃果实品质的可行性。Mo等使用可见/近红外高光谱成像建立了苹果内部可溶性固形物含量（SSC）的偏最小二乘回归（PLSR）模型，结果表明，高光谱成像技术可用于预测苹果的内部可溶性固形物含量(Moetal2017)。金瑞等针对随机放置的马铃薯缺陷多项指标难以同时检测的问题，提出了一种基于高光谱信息融合的流形学习降维算法，结果表明高光谱信息融合技术结合流形学习降维算法可同时识别随机放置马铃
【参考文献】：
期刊论文
[1]果蔬品质安全近红外光谱无损检测研究进展[J]. 郭志明,郭闯,王明明,石吉勇,陈全胜,邹小波. 食品安全质量检测学报. 2019(24)
[2]番茄碰伤和可溶性固形物近红外光谱同时在线检测[J]. 刘燕德,饶宇,孙旭东,肖怀春,姜小刚,祝柯,徐海. 光谱学与光谱分析. 2019(12)
[3]基于CARS-MIV-SVR的库尔勒香梨可溶性固体含量预测方法[J]. 朱晓琳,李光辉,张萌. 光谱学与光谱分析. 2019(11)
[4]基于GA的偏最小二乘法在近红外光谱识别苹果表面农药残留量的应用[J]. 张晓,蒋霞,石鲁珍,张树艳,张楠楠. 科技通报. 2019(08)
[5]联合光谱-空间信息的短波红外高光谱图像茶叶识别模型[J]. 蔡庆空,李二俊,蒋金豹,乔小军,蒋瑞波,冯海宽,刘绍堂,崔希民. 光谱学与光谱分析. 2019(08)
[6]基于高光谱图像及深度特征的大米蛋白质含量预测模型[J]. 孙俊,靳海涛,芦兵,武小红,沈继锋,戴春霞. 农业工程学报. 2019(15)
[7]基于近红外光谱检测不同产地石榴的糖度[J]. 刘燕德,张雨,徐海,姜小刚,王军政. 激光与光电子学进展. 2020(01)
[8]基于高光谱技术和改进型区间随机蛙跳算法的番茄硬度检测[J]. 龙燕,连雅茹,马敏娟,宋怀波,何东健. 农业工程学报. 2019(13)
[9]基于近红外的柚子品种判别和糖度检测通用模型[J]. 李雄,刘燕德,欧阳爱国,孙旭东,胡军,姜小刚,欧阳玉平. 发光学报. 2019(06)
[10]基于光谱和Gabor纹理信息融合的油桃品种识别[J]. 苗荣慧,黄锋华,杨华,邓雪峰,陈晓倩. 江苏农业科学. 2019(06)
博士论文
[1]基于多尺度高光谱成像的大豆养分检测方法研究[D]. 张亚坤.东北农业大学 2018
[2]水果品质可见/近红外光谱预测模型优化方法的研究[D]. 李明.中国农业大学 2018
[3]基于介电频谱与光谱技术的水果内部品质无损检测方法研究[D]. 王转卫.西北农林科技大学 2018
[4]鸡蛋多品质高通量在线快速无损检测研究[D]. 段宇飞.华中农业大学 2017
[5]可见/近红外光谱检测水果品质时影响因素的研究[D]. 戚淑叶.中国农业大学 2016
[6]基于光谱及成像技术的鲜枣品质检测研究[D]. 薛建新.山西农业大学 2016
[7]基于可见/近红外光谱及成像技术的苹果可溶性固形物检测研究[D]. 樊书祥.西北农林科技大学 2016
[8]基于多视成像及近红外光谱技术的巨峰葡萄品质无损检测研究[D]. 袁雷明.江苏大学 2016
[9]脐橙表面缺陷的快速检测方法研究[D]. 李江波.浙江大学 2012
[10]基于光谱和多光谱成像技术的油菜生命信息快速无损检测机理和方法研究[D]. 刘飞.浙江大学 2011
硕士论文
[1]基于可见—近红外光谱及成像技术的水果可溶性固形物含量检测[D]. 徐璐.安徽大学 2019
[2]基于特征约束的三维拓扑优化方法及应用研究[D]. 赵红娟.沈阳航空航天大学 2019
[3]基于机器视觉的红提果粉及果粒尺寸在线检测方法及其装备[D]. 肖壮.华中农业大学 2018
[4]苹果成熟度与品质关联因子无损检测方法研究[D]. 李磊.西北农林科技大学 2018
[5]基于高光谱成像技术的大麦真菌病害早期检测的研究[D]. 许凯雯.浙江大学 2018
[6]葡萄内部品质的高光谱成像检测研究[D]. 杨杰.石河子大学 2016
本文编号：3286034
【文章来源】：华中农业大学湖北省 211工程院校 教育部直属院校
【文章页数】：182 页
【学位级别】：博士
【部分图文】：
便携式水果内部
技术。高光谱成像系统主要由光源、成像光谱装置、CCD相机、运动机构及计算机等部分组成(付丹丹和王巧华2016)。光源发出的光均匀照射在样品的表面，镜头收集样品的辐射能经过狭缝增强准直照射到分光原件上，其核心为包含一个全息式透射光栅（PGP单元），经分光原件在垂直方向按光谱色散，经分光原件后成像在图像传感器上，并采集被测样品在某一空间位置下的线性连续光谱，PGP原理如图1-2所示。在运动机构的作用下逐渐得到整个被测样品在不同空间位置下的数据，获得被测对象的整体信息，实现对整个样品的高光谱图像采集。图1-3PGP原理图Fig.1-2SchematicofPGP高光谱成像技术采集的红提图像三维数据立方体，如图1-3所示。x，y和分别表示图像像素点的横、纵坐标及波长。高光谱图像的三维立体图可以理解为高光谱图像将所有像素点对应的全波段光谱组合形成三维数据立方体，实现了对红提表面每个像素点进行光谱分析。完成了由点到面的可见/近红外光谱检测。由此，通过高光谱成像技术可以对整体表面和特定空间中感兴趣区域的光谱进行分析。同样高光谱图像也可看作为每一个波长下的二值图像在波长范围的组合。因此，可以对特定波长下的图像进行图像处理，实现图像检测。
红提内部品质的光谱/图像无损检测技术及装置研发9图1-3红提高光谱图像3维示意图Fig.1-43Dschematicofredglobegrapehyperspectralimage1.2.2.2高光谱成像技术在水果品质检测中的应用高光谱技术是一种涵盖光谱和图像两种检测方法的新技术。高光谱技术具有无损、高效、无污染等优点(Wangetal2016，Zhangetal2014)。高光谱成像可以同时获取样品的光谱信息和图像信息，获得更加丰富的信息，优点显著。但高光谱成像也存在较多的缺点，如采集时间较长，高光谱成像装置价格昂贵，且不适合在线快速检测，以试验室研究为主。高光谱成像已广泛应用于水果内部品质的检测和分析(郭文川和董金磊2015，孙静涛等2017，李瑞和傅隆生2017，管晓梅等2018，王转卫等2018)。且大多数的研究都集中在苹果(饶利波等2019)、哈密瓜(徐璐2019)、梨(朱晓琳等2019)、脐橙(李增芳2016，介邓飞等2017)等果蔬的内部品质检测(彭彦昆等2018)。目前，国内外对水果硬度的研究大都集中在哈密瓜(孙静涛等2017)、苹果(彭彦昆等2012，朱丹实等2014，冯迪等2017)、蓝莓(蒋雪松和周宏平2013，李瑞和傅隆生2017)等，Li等(Lietal2018)利用高光谱测定不同成熟期樱桃的可溶性固形物与pH的含量，确定了GA-MLR作为最终建模方法，实现了SSC和pH指标的可靠预测，证明了利用近红外高光谱成像技术检测樱桃果实品质的可行性。Mo等使用可见/近红外高光谱成像建立了苹果内部可溶性固形物含量（SSC）的偏最小二乘回归（PLSR）模型，结果表明，高光谱成像技术可用于预测苹果的内部可溶性固形物含量(Moetal2017)。金瑞等针对随机放置的马铃薯缺陷多项指标难以同时检测的问题，提出了一种基于高光谱信息融合的流形学习降维算法，结果表明高光谱信息融合技术结合流形学习降维算法可同时识别随机放置马铃
【参考文献】：
期刊论文
[1]果蔬品质安全近红外光谱无损检测研究进展[J]. 郭志明,郭闯,王明明,石吉勇,陈全胜,邹小波. 食品安全质量检测学报. 2019(24)
[2]番茄碰伤和可溶性固形物近红外光谱同时在线检测[J]. 刘燕德,饶宇,孙旭东,肖怀春,姜小刚,祝柯,徐海. 光谱学与光谱分析. 2019(12)
[3]基于CARS-MIV-SVR的库尔勒香梨可溶性固体含量预测方法[J]. 朱晓琳,李光辉,张萌. 光谱学与光谱分析. 2019(11)
[4]基于GA的偏最小二乘法在近红外光谱识别苹果表面农药残留量的应用[J]. 张晓,蒋霞,石鲁珍,张树艳,张楠楠. 科技通报. 2019(08)
[5]联合光谱-空间信息的短波红外高光谱图像茶叶识别模型[J]. 蔡庆空,李二俊,蒋金豹,乔小军,蒋瑞波,冯海宽,刘绍堂,崔希民. 光谱学与光谱分析. 2019(08)
[6]基于高光谱图像及深度特征的大米蛋白质含量预测模型[J]. 孙俊,靳海涛,芦兵,武小红,沈继锋,戴春霞. 农业工程学报. 2019(15)
[7]基于近红外光谱检测不同产地石榴的糖度[J]. 刘燕德,张雨,徐海,姜小刚,王军政. 激光与光电子学进展. 2020(01)
[8]基于高光谱技术和改进型区间随机蛙跳算法的番茄硬度检测[J]. 龙燕,连雅茹,马敏娟,宋怀波,何东健. 农业工程学报. 2019(13)
[9]基于近红外的柚子品种判别和糖度检测通用模型[J]. 李雄,刘燕德,欧阳爱国,孙旭东,胡军,姜小刚,欧阳玉平. 发光学报. 2019(06)
[10]基于光谱和Gabor纹理信息融合的油桃品种识别[J]. 苗荣慧,黄锋华,杨华,邓雪峰,陈晓倩. 江苏农业科学. 2019(06)
博士论文
[1]基于多尺度高光谱成像的大豆养分检测方法研究[D]. 张亚坤.东北农业大学 2018
[2]水果品质可见/近红外光谱预测模型优化方法的研究[D]. 李明.中国农业大学 2018
[3]基于介电频谱与光谱技术的水果内部品质无损检测方法研究[D]. 王转卫.西北农林科技大学 2018
[4]鸡蛋多品质高通量在线快速无损检测研究[D]. 段宇飞.华中农业大学 2017
[5]可见/近红外光谱检测水果品质时影响因素的研究[D]. 戚淑叶.中国农业大学 2016
[6]基于光谱及成像技术的鲜枣品质检测研究[D]. 薛建新.山西农业大学 2016
[7]基于可见/近红外光谱及成像技术的苹果可溶性固形物检测研究[D]. 樊书祥.西北农林科技大学 2016
[8]基于多视成像及近红外光谱技术的巨峰葡萄品质无损检测研究[D]. 袁雷明.江苏大学 2016
[9]脐橙表面缺陷的快速检测方法研究[D]. 李江波.浙江大学 2012
[10]基于光谱和多光谱成像技术的油菜生命信息快速无损检测机理和方法研究[D]. 刘飞.浙江大学 2011
硕士论文
[1]基于可见—近红外光谱及成像技术的水果可溶性固形物含量检测[D]. 徐璐.安徽大学 2019
[2]基于特征约束的三维拓扑优化方法及应用研究[D]. 赵红娟.沈阳航空航天大学 2019
[3]基于机器视觉的红提果粉及果粒尺寸在线检测方法及其装备[D]. 肖壮.华中农业大学 2018
[4]苹果成熟度与品质关联因子无损检测方法研究[D]. 李磊.西北农林科技大学 2018
[5]基于高光谱成像技术的大麦真菌病害早期检测的研究[D]. 许凯雯.浙江大学 2018
[6]葡萄内部品质的高光谱成像检测研究[D]. 杨杰.石河子大学 2016
本文编号：3286034
本文链接：https://www.wllwen.com/kejilunwen/huaxue/3286034.html
教材专著
