高光谱技术在苹果检测中的应用

发布时间：2020-11-03 21:16

　　 苹果在采摘或者运输过程中,会不可避免的因为一些外力原因造成不同程度的损伤,有些损伤表面看不出来或者不明显,但是损伤部位的内部品质却已经发生变化,所以对于苹果外部损伤的检测至关重要,同时消费者在挑选水果时从以往仅仅关心水果的外部品质,也开始注重水果的内部品质。本文以糖心富士苹果为研究对象,利用高光谱成像技术(380-1038nm)对苹果的外部损伤进行检测,针对全波段图像采用主成分分析方法选出特征主成分图像,根据该主成分图像的特征向量优选出10个特征波段,并针对特征波段再作一次主成分分析,选取第四个主成分图像(PC-4)做图像处理和识别,其综合识别正确率只有81%。原因是采集的苹果数据存在光斑从而影响实验效果,本文利用图像差值算法消除光斑的影响,将综合识别率提高到90%。其次,本文利用高光谱成像技术对苹果内部指标(糖度和pH值)进行无损检测研究,通过对原始光谱分别进行了多元散射校正(MSC)、Savitzky-Golay(S-G)卷积平滑和MSC+S-G的光谱预处理,根据相关系数法优选出特征波段,利用偏最小二乘回归(PLSR)和主成分回归(PCR)建立预测模型。结果显示,对糖度值而言,对原始光谱进行S-G卷积平滑处理,并应用PCR建模效果最好,真实值和预测值的平均相对误差为0.022877;对pH值而言,对原始光谱进行MSC处理,并应用PCR建模效果最好,真实值和预测值的平均相对误差为0.014614。最后,本文提出了一种利用高光谱技术检测苹果口感指标(酸味和涩味的回味)的研究方法,利用相关系数法选取特征波长,并建立特征波段下口感指标的PLSR预测模型。结果表明,可以利用高光谱技术进行苹果口感指标的检测,其中酸味的模型中预测集的相关系数为0.9700,预测均方根误差为0.8587,平均相对误差为0.042189;涩味的回味模型中预测集的相关系数达到0.9115,预测均方根误差为0.0843,平均相对误差为0.146391。综上所述,利用高光谱成像技术不仅能有效的对苹果外部损伤进行检测,还可以对苹果的内部品质指标和味觉口感指标进行检测,为后续的在线检测提供了实验理论依据。
【学位单位】：东北电力大学
【学位级别】：硕士
【学位年份】：2016
【中图分类】：S661.1;TP391.41
【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究的目的及意义
    1.2 水果品质无损检测技术的研究现状
    1.3 基于高光谱技术的水果内外品质研究现状
        1.3.1 水果外部品质研究现状
        1.3.2 水果内部品质研究现状
    1.4 本文所做的工作
第2章 高光谱成像技术的理论基础
    2.1 引言
    2.2 高光谱成像技术的简介
    2.3 高光谱成像技术原理
    2.4 高光谱成像的特点
    2.5 高光谱成像系统
        2.5.1 高光谱分选仪系统说明
        2.5.2 高光谱分选仪工作流程
    2.6 高光谱数据处理方法
        2.6.1 黑白校正方法
        2.6.2 主成分分析（PCA）
    2.7 本章小结
第3章 基于高光谱技术的苹果外部品质检测方法研究
    3.1 试验材料与仪器
        3.1.1 试验材料
        3.1.2 试验仪器
        3.1.3 图像采集与标定
    3.2 图像处理方法
        3.2.1 图像二值化
        3.2.2 中值滤波
        3.2.3 形态学算法
        3.2.4 图像差值算法
    3.3 结果与分析
        3.3.1 数据预处理
        3.3.2 选取苹果感兴趣区域
        3.3.3 全波段主成分分析
        3.3.4 特征波段主成分分析
        3.3.5 图像处理与识别
    3.4 本章小结
第4章 基于高光谱技术的苹果内部品质检测方法研究
    4.1 苹果内部糖度值和pH值的测量
    4.2 光谱数据分析算法
        4.2.1 光谱数据预处理算法
            4.2.1.1 多元散射校正（MSC）
            4.2.1.2 Savitzky-Golay卷积平滑
        4.2.2 回归算法介绍
            4.2.2.1 主成分回归（PCR）
            4.2.2.2 偏最小二乘回归（PLSR）
    4.3 结果与分析
        4.3.1 光谱数据预处理
        4.3.2 模型评价指标
        4.3.3 糖度值全波段光谱建模及分析
        4.3.4 pH值全波段光谱建模及分析
        4.3.5 选取糖度值和pH值光谱特征波段
        4.3.6 特征波段建模及分析
    4.4 本章小结
第5章 高光谱结合电子舌检测苹果口感指标
    5.1 电子舌测量苹果的酸味和涩味的回味
        5.1.1 试验材料与仪器
        5.1.2 试验步骤
    5.2 获取苹果光谱数据
    5.3 建立模型和结果分析
        5.3.1 酸味和涩味的回味全波段光谱建模及分析
        5.3.2 选取酸味和涩味的回味光谱特征波段
    5.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其他成果
致谢
附录

【参考文献】

相关期刊论文 前10条

1 章海亮;李晓丽;朱逢乐;何勇;;应用高光谱成像技术鉴别绿茶品牌研究[J];光谱学与光谱分析;2014年05期

2 吴龙国;何建国;刘贵珊;贺晓光;王伟;王松磊;李丹;;基于近红外高光谱成像技术的长枣含水量无损检测[J];光电子.激光;2014年01期

3 章海亮;高俊峰;何勇;;基于高光谱成像技术的柑橘缺陷无损检测[J];农业机械学报;2013年09期

4 吴龙国;何建国;贺晓光;刘贵珊;王伟;王松磊;苏伟东;罗阳;思振华;;高光谱图像技术在水果无损检测中的研究进展[J];激光与红外;2013年09期

5 王海建;洪添胜;代芬;欧阳玉平;罗瑜清;倪慧娜;;基于高光谱图像技术的沙梨无损检测[J];广东农业科学;2013年09期

6 周竹;李小昱;陶海龙;高海龙;;基于高光谱成像技术的马铃薯外部缺陷检测[J];农业工程学报;2012年21期

7 程国首;郭俊先;肉孜·阿木提;饶秀勤;亢银霞;石砦;;基于高光谱图像技术预测苹果大小[J];农机化研究;2012年06期

8 周竹;李小昱;高海龙;陶海龙;李鹏;文东东;;马铃薯干物质含量高光谱检测中变量选择方法比较[J];农业机械学报;2012年02期

9 陈守满;;高光谱图像与农产品品质无损检测研究进展[J];安康学院学报;2011年06期

10 李江波;饶秀勤;应义斌;;农产品外部品质无损检测中高光谱成像技术的应用研究进展[J];光谱学与光谱分析;2011年08期

本文编号：2869110