基于高光谱图像技术的茶叶品种分类及掺假程度检测研究

发布时间：2024-02-15 03:11

　　在茶叶的销售过程中,部分不法商贩为了牟取暴利常用低价茶叶来冒充高价茶叶或是向高价茶叶中掺入外观接近的其他品种茶叶,普通消费者仅凭肉眼难以判断茶叶的真实品种。传统的茶叶品种鉴别方法主要包括感官判别法与化学分析法。感官判别法依赖主观经验,缺乏客观性,而化学分析法虽然精确可靠,但会对样品造成破坏且操作过程费时费力。近年来,光谱无损检测技术在茶叶品种分类研究中被广泛运用,但是该技术使用点光源采样,导致检测效果易受采样位置的影响。而高光谱图像技术通过对整个样品进行采样,能采集到更全面的样本信息,从而有效地弥补了光谱技术的缺陷。本文利用高光谱图像技术分别对五个乌龙茶的品种和铁观音茶叶掺假程度进行分类检测,并设计了茶叶品种分类及掺假程度检测系统。本文的主要内容和结论如下:(1)基于高光谱图像技术对五种乌龙茶(铁观音、金观音、本山、黄金桂、毛蟹)进行分类研究。利用高光谱成像系统获取五种茶叶的高光谱图像后,提取原始光谱数据并剔除其首尾部分冗余波段。利用多元散射校正(MSC)对光谱数据进行预处理,并分别采用竞争性自适应重加权采样(CARS)和自助软收缩法(BOSS)选择特征波长。基于以上特征数据,分别建立...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 茶叶品种分类无损检测方法
        1.2.2 食品掺假无损检测方法
    1.3 研究现状分析
    1.4 主要研究内容
    1.5 技术路线
    1.6 本章小结
第2章 数据采集与提取
    2.1 试验材料
        2.1.1 试验样品
        2.1.2 试验仪器
    2.2 高光谱图像采集与数据提取
        2.2.1 高光谱图像采集
        2.2.2 高光谱数据提取
    2.3 检测机理分析
    2.4 本章小结
第3章 相关算法研究
    3.1 预处理方法
    3.2 特征变量选择方法
        3.2.1 竞争性自适应重加权采样算法
        3.2.2 迭代信息变量消除法
        3.2.3 自助软收缩法
    3.3 定性建模方法
        3.3.1 极端梯度提升树
        3.3.2 轻量级梯度提升机
        3.3.3 基于网格搜索的模型参数寻优
        3.3.4 基于遗传算法的模型参数寻优
    3.4 数据可视化方法
    3.5 本章小结
第4章 基于高光谱图像技术的乌龙茶品种分类研究
    4.1 茶叶样本制备
    4.2 光谱数据采集与提取
    4.3 光谱预处理
    4.4 特征变量选择结果
        4.4.1 CARS特征变量选择结果
        4.4.2 BOSS特征变量选择结果
    4.5 乌龙茶品种分类模型的建立与分析
        4.5.1 乌龙茶品种分类模型的建立
        4.5.2 乌龙茶品种分类模型的分析
    4.6 本章小结
第5章 基于高光谱图像技术的铁观音茶叶掺假程度检测
    5.1 掺假茶叶品种的选取
    5.2 掺假茶叶样本制备
    5.3 光谱数据采集与提取
    5.4 光谱预处理
    5.5 特征变量选择结果
        5.5.1 IRIV特征变量选择结果
        5.5.2 BOSS特征变量选择结果
    5.6 铁观音茶叶掺假程度检测模型的建立
        5.6.1 基于网格搜索优化的XGBoost与 LightGBM模型
        5.6.2 基于遗传算法优化的XGBoost与 LightGBM模型
    5.7 本章小结
第6章 茶叶品种分类及掺假程度检测系统的设计
    6.1 系统开发环境及系统开发流程
        6.1.1 系统开发环境
        6.1.2 系统开发流程
    6.2 系统具体操作及功能实现
        6.2.1 待测数据输入功能
        6.2.2 数据处理功能
        6.2.3 历史数据查询功能
    6.3 功能测试
    6.4 本章小结
第7章 总结与展望
    7.1 论文工作总结
    7.2 展望
参考文献
致谢
攻读硕士学位期间获得的学术成果



本文编号：3899100