基于高光谱成像寒富苹果品质参数检测方法和等级评价的研究

发布时间：2020-07-12 13:10

【摘要】：我国虽然是世界苹果生产大国,但出口数量相对总产量却只有不到3%,与其他苹果主要生产国、出口国相比,有较大差距。究其原因,是因为苹果采后的商品化处理水平低,其中分级在其产后处理过程中起着核心的作用。目前寒富苹果分级主要以人工分拣为主,但其分拣主观性强,检测精度不高。因此本研究采用高光谱成像技术对寒富苹果的综合品质等级进行评价,其成果对提高寒富苹果产后分级水平具有重要意义。本研究主要研究内容及成果:(1)本研究将苹果图像从RGB颜色空间转换到HIS颜色空间,提取H分量,运用像素点变换法计算出着色面积,并计算出着色度。对苹果图像进行预处理,找到苹果轮廓的质心并计算出直径大小,求出苹果轮廓的最小外接圆和最大内切圆,并计算两圆面积比,求出果形指数。(2)本研究对苹果果梗的完整性进行检测,利用高光谱成像技术提取苹果感兴趣区域光谱信息。采用逐步多元回归算法(SMLR)从全波段(450~970nm)提取了5个特征波长,采用连续投影算法(SPA)从全波段(450~970nm)提取了7个特征波长,然后,提取感兴趣区域的惯性矩、相关性、能量和熵4个纹理特征。将光谱特征、纹理特征、光谱特征结合纹理特征3组数据,分别作为输入矢量,采用支持向量机(SVM)、BP人工神经网络(BPANN)对苹果果梗完整性进行识别,结果表明:只采用光谱特征作为输入矢量识别效果较好,其中SPA-SVM方法识别效果最好,识别正确率达到91.7%,且数据计算量小。该研究为苹果品质等级评价提供了理论依据。(3)本研究提出了将模糊隶属度函数应用到苹果品质好坏程度的评价。将大小、果梗完整性、病害缺陷、硬度、果形指数、着色面积、糖度七项指标作为输入矢量,分别建立决策树C4.5、T-S模糊神经网络(T-S-FNN)、模糊最小二乘支持向量机(FLSSVM)模型对寒富苹果综合品质等级进行评价。决策树C4.5模型的判别效果最好,验证集总正确率为95.47%,其中,特等果判别正确率为100%,一等果判别正确率为95.5%,二等果判别正确率为94%,等外果判别正确率为92.4%。FLSSVM模型的判别效果次之,验证集总正确率为93.6%。试验结果表明:决策树C4.5模型在多指标决策中具有一定优势,更能适应数据的微小变动。
【学位授予单位】：沈阳农业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;S661.1
【图文】：

流程图,技术路线,流程图

10图 1.1 技术路线流程图Fig. 1.1 Technical route flow chart1.4 本章小结本章对研究课题的背景进行了阐述，说明了我国苹果竞争力不足的原因，同时也说明了课题研究的意义。对高光谱成像技术在水果品质检测以及综合品质等级评价方面的国内外研究现状进行了分析，提出本研究的研究内容和技术路线。

二值图,苹果,二值图,轮廓曲线

图 2.2 苹果边缘二值图2 Apple edge binarization imag子检测得到的苹果边缘图像像素点。图中虚假信息较多，有的为较小的闭合曲线）于苹果轮廓曲线的像素，利克俊，2009）。如图 2.3 所图 2.3 苹果轮廓曲线图 2.3 Apple outline curve image轮廓曲线是连续且闭合的，

苹果,轮廓曲线,像素点

域中的像素点，其边缘强子具有平滑功能。将 Cann的二值图像，如图 2.2 所示图 2.2 苹果边缘二值图2 Apple edge binarization ima子检测得到的苹果边缘图像像素点。图中虚假信息较多，有的为较小的闭合曲线）于苹果轮廓曲线的像素，利克俊，2009）。如图 2.3 所

【参考文献】