基于高光谱成像技术的损伤马铃薯的识别与损伤程度的分类

发布时间：2021-10-23 15:14

　　损伤马铃薯在损伤识别过程中难以检测,易腐烂、难储存,导致严重的食品安全和经济问题。由此,本研究提出基于高光谱成像技术的无损检测方法,以实现对损伤马铃薯的识别以及损伤程度的分类。健康与损伤马铃薯的高光谱图像作为本次的研究对象,其中损伤样本是通过定量损伤装置诱导而成的,共包括I、II、III、IV、V级损伤。高光谱图像分析的首要步骤包括:图像校正、背景分割与剪裁这三个方面。然后,对比线性判别分析法（Liner Discriminant Analysis,LDA）、支持向量机（Support Vector Machine,SVM）与自适应增强算法（Adaptive Boosting,AdaBoost）建立损伤识别模型的效果,确定AdaBoost为最佳分类模型。接着,比较了多项式平滑（Savitzky-Golay,S-G）、一阶导数（First derivative,D1）、二阶导数（Second derivative,D2）、标准正态变量变换（Standard Normal Variate,SNV）、多元散射校正（Multiplicative Scatter Correction,MSC）及... 

【文章来源】：黑龙江大学黑龙江省

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
中文摘要
abstract
第1章 绪论
    1.1 研究的目的及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 对已有研究的思考和分析
    1.4 研究内容
第2章 实验系统装置与材料
    2.1 引言
    2.2 实验样本
    2.3 高光谱成像系统的搭建
    2.4 马铃薯定量损伤实验
    2.5 高光谱数据的采集与校正
    2.6 本章小结
第3章 高光谱数据分析方法
    3.1 高光谱图像的形态学处理
        3.1.1 高光谱图像的背景分割方法
        3.1.2 腐蚀与膨胀
        3.1.3 高光谱图像的剪裁方法
    3.2 光谱数据的预处理方法
    3.3 特征波长的提取方法
        3.3.1 模拟退火算法
        3.3.2 模拟退火算法的优化
    3.4 建模方法的研究
        3.4.1 LDA分类原理
        3.4.2 SVM分类原理
        3.4.3 AdaBoost分类原理
    3.5 本章小结
第4章 高光谱图像预处理与敏感区域提取
    4.1 引言
    4.2 高光谱图像的预处理
        4.2.1 高光谱图像的分割
        4.2.2 高光谱图像的剪裁
    4.3 感兴趣区域的提取
    4.4 本章小结
第5章 损伤马铃薯的识别与损伤程度的分类
    5.1 引言
    5.2 分类模型的选择
    5.3 光谱数据的预处理及分类模型的建立
    5.4 特征波长的提取
    5.5 模型性能的验证
    5.6 本章小结
结论
参考文献
致谢
攻读学位期间发表的学术论文


【参考文献】：
期刊论文
[1]基于高光谱图像与果蝇优化算法的马铃薯轻微碰伤检测[J]. 李小昱,徐森淼,冯耀泽,黄涛,丁崇毅.  农业机械学报. 2016(01)
[2]腐蚀膨胀算法对灰度图像去噪的应用[J]. 高薪,胡月,杜威,史晓玥,田益民.  北京印刷学院学报. 2014(04)
[3]高光谱图像技术结合图像处理方法检测马铃薯外部缺陷[J]. 苏文浩,刘贵珊,何建国,王松磊,贺晓光,王伟,吴龙国.  浙江大学学报(农业与生命科学版). 2014(02)
[4]基于NIR高光谱成像技术的长枣虫眼无损检测[J]. 吴龙国,何建国,刘贵珊,贺晓光,王伟,王松磊,李丹.  发光学报. 2013(11)
[5]模拟退火优化的支持向量机在氨法脱硫效率预测中的应用[J]. 洪文鹏,陈重.  化工自动化及仪表. 2012(11)
[6]基于高光谱成像技术的马铃薯外部缺陷检测[J]. 周竹,李小昱,陶海龙,高海龙.  农业工程学报. 2012(21)
[7]快速区域质心图像匹配算法[J]. 胡敏,贺晓佳,王晓华.  电子测量与仪器学报. 2011(05)
[8]高光谱图像技术在农产品检测中的应用进展[J]. 王雷,乔晓艳,董有尔,张姝,尚艳飞.  应用光学. 2009(04)



本文编号：3453416