基于电学特征的苹果内部病害无损检测研究

发布时间：2021-05-21 07:19

　　对苹果内部病害的无损检测是困扰苹果采后贮藏以及出库安全和影响苹果经济价值的一大难题。本研究以大田采摘的‘秦冠’疑似水心病果、‘富士’疑似霉心病果和贮藏过程中发生的疑似果心褐变果为试材,相同数量的好果为对照,采用逐果测定100Hz³.98MHz下11个电学特征参数读值的方法,获取两类果实的电参数的频率图谱,切开检验准确划分病果与好果,并测定各果的理化品质。通过主成分分析由143个电学特征参数提取能够表征苹果整体特征的主成分,再结合三种分类模型评判三种病害的电学法无损检测准确率,分析各理化性状变化与果实发病间的关系,以期为苹果内部病害的快速无损识别提供理论依据和技术支撑。主要结果如下:（1）通过测定水心病果和好果的电学特征,发现二者的复阻抗（Z）、介电损耗系数（D）、串联等效电感（Ls）、电导（G）、复阻抗相角（deg）、串联等效电容（Cs）、并联等效电感（Lp）、并联等效电阻（Rp）、并联等效电容（Cp）、串联等效电阻（Rs）、电纳（B）以及相对介电常数（ε’）和损耗因子（ε’’）在100Hz³.98MHz频段内的观测值变化趋势一致,在低频区1... 

【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 苹果内部病害检测技术的研究进展
        1.1.1 苹果水心病检测技术研究进展
        1.1.2 苹果果心褐变检测技术研究进展
        1.1.3 苹果霉心病检测技术研究进展
    1.2 基于电学特性的果品检测研究概况
    1.3 识别分类研究中的数学模型
        1.3.1 Fisher判别分析法
        1.3.2 人工神经网络模型
        1.3.3 K近邻算法
        1.3.6 径向基核函数支持向量机算法
        1.3.7 随机森林分析
    1.4 研究目的意义和内容
        1.4.1 研究目的及意义
        1.4.2 研究内容
第二章 基于电学特征的'秦冠'水心病的无损检测
    2.1 材料与方法
        2.1.1 试验材料及预处理
        2.1.2 仪器与设备
        2.1.3 测定指标及方法
        2.1.4 数据分析方法
    2.2 结果与分析
        2.2.1 不同电学参数对水心病果和好果的响应
        2.2.2 果实电学参数主成分的提取
        2.2.3 Fisher判别分析对水心病果的识别
        2.2.4 多层感知器神经网络对水心病果的识别
        2.2.5 径向基神经网络对水心病果的识别
        2.2.6 利用损耗因子ε''进行水心病的判别分析
        2.2.7 水心病果和健康果实的理化特征
    2.3 小结
第三章 基于电学特征的果心褐变的检测
    3.1 材料与方法
        3.1.1 试验材料及预处理
        3.1.2 仪器与设备
        3.1.3 测定指标及方法
        3.1.4 数据分析方法
    3.2 结果分析
        3.2.1 不同电学参数对果心褐变病果和富士好果的响应
        3.2.2 果实电学参数主成分的提取
        3.2.3 Fisher判别分析对果心褐变病的识别
        3.2.4 MLP神经网络模型对果心褐变病的判别
        3.2.5 RBF神经网络模型对果心褐变病的判别分析
        3.2.6 果心褐变果实和富士好果的理化品质比较
    3.3 小结
第四章 基于电学特征的霉心病的检测
    4.1 材料与方法
        4.1.1 试验材料及预处理
        4.1.2 仪器与设备
        4.1.3 测定指标及方法
        4.1.4 数据分析方法
    4.2 结果与分析
        4.2.1 不同电学参数对富士好果和霉心病病果的响应
        4.2.2 果实电学参数主成分的提取
        4.2.3 Fisher判别分析对水心病果的识别
        4.2.4 MLP神经网络识别霉心病
        4.2.5 RFB神经网络识别霉心病
        4.2.6 富士好果和霉心病果的理化品质
    4.3 小结
第五章 讨论与结论
    5.1 讨论
    5.2 结论
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]基于随机森林算法的黄瓜种子腔图像分割方法[J]. 张经纬,贡亮,黄亦翔,刘成良,龚霁程,潘俊松.  农机化研究. 2017(10)
[2]基于图像灰度直方图特征的草莓病虫害识别[J]. 牛冲,牛昱光,李寒,郑文刚,卜云龙,周增产.  江苏农业科学. 2017(04)
[3]基于随机森林的遥感干旱监测模型的构建[J]. 沈润平,郭佳,张婧娴,李洛晞.  地球信息科学学报. 2017(01)
[4]基于SVM-KNN茶叶图像纹理分类[J]. 燕娅,周晓锋,汤哲,张立,陈华荣,周建勇.  中国茶叶加工. 2016(06)
[5]基于主成分分析和BP神经网络的蚕蛹分类方法[J]. 梁培生,孙辉,张国政,方瑷,周二杰.  江苏农业科学. 2016(10)
[6]基于PCA法和Fisher判别分析法的岩体质量等级分类[J]. 钱兆明,任高峰,褚夫蛟,秦绍兵.  岩土力学. 2016(S2)
[7]基于C-SVM的大米品种识别研究[J]. 梁诗华,何金成,林毅鑫.  安徽农业科学. 2016(23)
[8]基于随机森林的缺损杂草种子识别[J]. 龙怡霖,蔡骋.  计算机应用与软件. 2016(08)
[9]基于Fisher判别的南方双季稻低温灾害等级预警[J]. 吴立,霍治国,杨建莹,肖晶晶,张蕾,于彩霞,张桂香.  应用气象学报. 2016(04)
[10]基于KNN和Bayes算法的组合分类器的垃圾评论识别研究[J]. 梁曌,陈思宇,梁小林,康欣.  经济数学. 2016(01)

博士论文
[1]猕猴桃和桃电学特性和生理特性关系研究[D]. 唐燕.西北农林科技大学 2011



本文编号：3199295