基于机器学习的水果糖分近红外光谱检测方法研究

发布时间：2020-10-16 01:05

　　 随着生活水平的提高,消费者在选购水果时也提出了更高的要求,从最初力求外部品质(大小、色泽、形状),到更注重内部营养(如糖分、酸度、维生素含量等)。近红外光谱检测技术具有无损、快速、准确等优点,广泛用于水果内部品质无损检测中。由于不同种类水果内部物理化学性质差异较大,产生的光谱响应也不同。因此,通常需要对每个品种的水果单独建模,这样对模型的维护和优化费时费力。本论文基于机器学习算法对多种类水果光谱数据进行挖掘,研究其通用模型的建模方法,以提高水果检测精度。本文以两种四类水果(苹果和梨)的糖分为研究对象,利用近红外漫反射光谱学,结合机器学习算法对数据进行预处理、建模、波长优选等分析。对比多种光谱预处理方法,并通过非线性模型随机森林建模,验证了四类水果通用模型检测糖分的可行性。通过波长和波段优选简化模型,提高预测精度;利用基于数字光处理(Digital Light Procession,DLP)分光技术的微型化光谱模块进行光谱测量,验证通用模型和波长优选方法在分光模块上的可行性。主要研究内容和结论如下:首先,对光谱数据进行预处理方法的研究。通过平滑去噪、基线校正、求导、多元散射校正等方法对近红外光谱数据进行预处理,与原始光谱建立的模型进行比较,优选最佳预处理方法。分析表明,对单一品种水果进行预处理效果提升不明显,且多元散射效果稍好。其次,对多种类水果通用模型的研究。使用随机森林对多种类水果光谱建模,通过与偏最小二乘、多元线性回归模型效果进行对比,预测R_p~2由0.731提高到0.888,RMSEP由1.148下降到0.334,大大提高了模型的预测效果。证明使用该方法对多种类水果糖分通用模型研究的可行性。然后,对特征波长优选方法的研究。使用二进制粒子群算法和遗传算法分别结合偏最小二乘进行光谱波长优选。BPSO-PLS不仅波数由1557减少到817,减少了运算量,而且模型的R_p~2由0.731提高0.828,RMSCP由1.149降低到0.742,提高了预测精度。GA-PLS从1557个波数中优选出7个波段,共210个波数,大大减少了计算量,模型效果和全波数型相差不大。证明了波长优选不仅能减少噪声,降低运算量,而且提高了模型预测精度。最后,利用基于数字光处理(Digital Light Procession,DLP)分光技术的微型化光谱模块实现水果糖分的便携式快速测定。使用该模块测量水果的漫反射光谱,通过随机森林和二进制粒子群结合偏最小二乘分别进行模型分析,验证了多种类水果糖分通用模型建模方法和波数优选方法的可行性。
【学位单位】：太原理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：S66;TP181
【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究的背景及意义
        1.1.1 我国水果产业发展现状
        1.1.2 水果品质检测的必要性
    1.2 近红外光谱技术
        1.2.1 近红外光谱应用于水果品质检测国外相关进展
        1.2.2 近红外光谱应用于水果品质检测国内相关进展
    1.3 机器学习应用于近红外光谱分析的研究现状
    1.4 本文研究内容与安排
第二章 近红外光谱分析方法
    2.1 近红外光谱检测技术理论
        2.1.1 近红外光谱产生原理
        2.1.2 近红外漫反射检测原理
    2.2 水果糖分近红外光谱预处理方法
        2.2.1 平滑去噪
        2.2.2 基线校正
        2.2.3 求导
        2.2.4 多元散射校正
    2.3 常用近红外光谱技术定量分析方法
        2.3.1 多元线性回归
        2.3.2 主成分回归
        2.3.3 偏最小二乘回归
        2.3.4 支持向量机回归
        2.3.5 人工神经网络
    2.4 近红外糖分样本集划分方法
    2.5 模型评价指标
    2.6 本章小结
第三章 水果糖分近红外光谱的随机森林建模方法
    3.1 随机森林理论
        3.1.1 随机森林基学习器—决策树
        3.1.2 随机森林的构建过程
        3.1.3 随机森林的随机性分析
        3.1.4 随机森林的性能指标
    3.2 材料与实验方法
        3.2.1 样品选择与准备
        3.2.2 糖分值与光谱测量
    3.3 预处理方法
    3.4 随机森林用于不同种类水果糖分建模
        3.4.1 PLS和MLR局限
        3.4.2 RF模型建立
        3.4.3 PLS,MLR,RF结果分析
    3.5 本章小结
第四章 水果糖分近红外光谱波长变量优化方法研究
    4.1 特征波长优化的意义
    4.2 特征波长优化算法介绍
        4.2.1 粒子群算法
        4.2.2 蚁群算法
        4.2.3 遗传算法
        4.2.4 竞争性自适应重加权算法
    4.3 粒子群算法在水果糖分近红外检测波长优化中的应用
        4.3.1 二进制粒子群
        4.3.2 粒子群算法波长筛选的过程与结论
    4.4 遗传算法在水果糖分近红外检测波长优化中的应用
        4.4.1 遗传算法实现过程
        4.4.2 遗传算法波长筛选的过程与结论
    4.5 本章小结
第五章 基于微型分光模块的水果糖分测量方法
    5.1 微型分光模块介绍
        5.1.1 系统总体设计
        5.1.2 光学系统
        5.1.3 电路系统
    5.2 实验
        5.2.1 样品准备
        5.2.2 糖分值与光谱测量
    5.3 数据分析
        5.3.1 偏最小二乘建模分析
        5.3.2 随机森林建模分析
        5.3.3 粒子群结合偏最小二乘建模分析
    5.4 本章小结
第六章 总结与展望
    6.1 主要研究内容和结论
    6.2 本研究主要创新点
    6.3 展望
参考文献
致谢
攻读学位期间发表的学术论文

【相似文献】

相关期刊论文 前10条

1 李炜;;机器学习概述[J];科技视界;2017年12期

2 宋雯博;;大数据下的机器学习的应用趋势[J];电脑迷;2018年09期

3 朱辉;;机器学习在企业级场景中的实践与探讨[J];中国建设信息化;2018年03期

4 彭传意;;机器学习——我们该如何与机器竞争[J];数字通信世界;2018年01期

5 陈轶翔;埃里克·布伦乔尔森;汤姆·米切尔;;机器学习的能力范围及其对劳动力的影响[J];世界科学;2018年04期

6 赵长林;;机器学习即服务[J];网络安全和信息化;2017年10期

7 ;机器学习作用于信息安全的五大顶级案例[J];网络安全和信息化;2018年01期

8 吴承杨;;2018年来说说机器学习[J];软件和集成电路;2018年05期

9 徐林;;基于机器学习思想的非线性方程组求解[J];黑龙江工程学院学报;2016年06期

10 ;《软件学报》复杂环境下的机器学习研究专刊征文通知[J];软件学报;2017年01期

相关博士学位论文 前10条

1 张庆庆;基于机器学习的文本情感分类研究[D];西北工业大学;2016年

2 鲁路;基于机器学习优化分子对接筛选肾衰营养胶囊有效成分[D];南方医科大学;2017年

3 王泉德;机器学习及其在多Agent对策学习中的应用研究[D];武汉大学;2005年

4 翁时锋;基于机器学习的几种医学数据处理方法研究[D];清华大学;2005年

5 范玉刚;基于Kernel的机器学习在建模与分类问题的应用研究[D];浙江大学;2006年

6 蒋刚;核机器学习方法若干问题研究[D];西南交通大学;2006年

7 李智;机器学习方法及其在基金项目评审中的应用研究[D];天津大学;2004年

8 张义荣;基于机器学习的入侵检测技术研究[D];国防科学技术大学;2005年

9 刘章林;基于机器学习的编译优化适应性研究[D];中国科学院研究生院（计算技术研究所）;2006年

10 何清;机器学习与文本挖掘若干算法研究[D];中国科学院研究生院（计算技术研究所）;2002年

相关硕士学位论文 前10条

1 王爽;基于机器学习的花卉识别算法的研究与实现[D];电子科技大学;2018年

2 任高山;基于微信公众平台的文本情感分析研究[D];南昌航空大学;2018年

3 刘玲;蛋白质—核酸界面丙氨酸突变效应数据库与热点残基研究[D];安徽大学;2018年

4 张英凯;基于机器学习的重症监护病患死亡率预测[D];电子科技大学;2018年

5 刘鑫;机器学习研究及其在生存分析中的应用[D];电子科技大学;2018年

6 唐林;天数机器学习一体机系统的设计与实现[D];南京大学;2018年

7 张磊;基于机器学习的情感分析方法研究[D];电子科技大学;2018年

8 张为金;基于机器学习的电力异常数据检测[D];电子科技大学;2018年

9 颜欢;基于机器学习的AGV货物分拣系统研究与设计[D];武汉纺织大学;2018年

10 刘嘉钰;机器学习方法研究渗流和XY模型相变[D];太原理工大学;2018年

本文编号：2842509