高光谱技术在马铃薯淀粉含量无损检测中的应用研究

发布时间：2024-05-15 00:07

　　马铃薯为次于小麦、玉米和水稻的全球第4大农作物。2015年中国开始进行马铃薯主粮工作,相关产业开始了快速发展。“十二五”期间,与马铃薯加工有关的专项项目等开始实行,其加工的生产率、副产物的利用率也不断提升;2016年我国颁布了马铃薯加工业“第十三个五年”计划,计划中指出,随着一系列的新兴技术的推广及应用,将为马铃薯育种、种植、加工等领域带来新的技术升级,为其加工行业的继续发展提供保障。因此马铃薯淀粉含量的多少将对生产出的产品质量产生一定的影响。当前马铃薯淀粉测定还较大依托过去的化学手段,这些方式工艺流程复杂、效率低下,而且破坏性大、成本高,不能符合现在马铃薯加工业的现实需要。高光谱成像技术作为逐步发展起来的新型检测方式,因其不具破坏性、波段数量较多、有较高的分辨率等特点,在马铃薯等农产品的无损检测方面获得了瞩目的成果。但由于此种方法采集得到的数据是三维立方体类型,无用的数据过多,且量巨大,使得在信息处理时费时费力,降低了模型构建的速度,对预测的精度产生一定影响。所以提升马铃薯淀粉含量的测定速度和预测精度,探究高光谱信息分析的处理方式,可以为该技术的持续进步奠定更好的基础,推动马铃薯加工...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
英文摘要
1 绪论
    1.1 研究目的与意义
    1.2 高光谱成像技术在农产品品质检测中的研究进展
    1.3 马铃薯品质无损检测方法的研究进展
        1.3.1 国外研究进展
        1.3.2 国内研究进展
    1.4 研究目标与内容
    1.5 技术路线
    1.6 本章小结
2 样品制备与数据采集
    2.1 样品获取与制备
    2.2 淀粉含量测定方法
    2.3 高光谱成像系统
    2.4 高光谱图像数据采集
        2.4.1 高光谱图像数据采集方法
        2.4.2 光谱数据提取
    2.5 本章小结
3 光谱数据处理技术与方法
    3.1 光谱分析基本步骤
        3.1.1 校正
        3.1.2 预测
    3.2 样本集划分方法
        3.2.1 随机法
        3.2.2 Kennard-Stone法
        3.2.3 双向算法
        3.2.4 含量梯度法
    3.3 光谱数据预处理方法
        3.3.1 平滑处理
        3.3.2 导数法
        3.3.3 基线校正
        3.3.4 多元散射校正
        3.3.5 标准正态变换
        3.3.6 去趋势变换处理
        3.3.7 正交信号校正
    3.4 定量校正方法
        3.4.1 多元线性回归
        3.4.2 主成分回归
        3.4.3 偏最小二乘回归
        3.4.4 支持向量机
        3.4.5 主成分数的确定
    3.5 特征波长提取方法
        3.5.1 竞争性自适应重加权算法
        3.5.2 连续投影算法
        3.5.3 遗传算法
        3.5.4 无信息变量消除法
        3.5.5 随机蛙跳算法
        3.5.6 间隔随机蛙跳算法
    3.6 模型性能的评价
    3.7 本章小结
4 淀粉含量高光谱定量研究
    4.1 样本集的划分
    4.2 淀粉含量高光谱定量分析
        4.2.1 主成分回归建模
        4.2.2 偏最小二乘回归建模
        4.2.3 支持向量机回归建模
        4.2.4 不同建模方法比较
    4.3 本章小结
5 高光谱定量分析的特征波长选择方法
    5.1 基于遗传算法的高光谱特征波长选择
    5.2 基于无信息消除变量的高光谱特征波长选择
    5.3 基于竞争性自适应重加权算法的高光谱特征波长选择
    5.4 基于连续投影算法的高光谱特征波长选取
    5.5 基于随机蛙跳算法的高光谱特征波长选取
    5.6 基于间隔随机蛙跳算法的高光谱特征波长选择
    5.7 各方法的高光谱特征波长选取结果对比
    5.8 本章小结
6 结论与展望
    6.1 主要结论
    6.2 展望
致谢
参考文献
附录
攻读硕士学位期间发表的学术论文



本文编号：3973614