基于集成学习的苹果品质高光谱检测方法研究

发布时间：2020-11-01 22:04

　　 我国是苹果生产主要国家,苹果总种植面积,总生产量,出口量等都列世界第一位置,已然为苹果种植及消费之最大国。苹果等水果的总产值在我国农业生产中仅次于粮食、蔬菜而居第三位。稳重有序的推进水果业的发展,对于农业经济发展,农村发展,农民盈利都有优势,并且对调整农业经济结构、和社会主义农业经济建设有深远影响。无损检测技术也渐渐壮大起来,由于高光谱具有图像、光谱双重特性,也使得高光谱检测极其重要,可以利用高光谱对水果品质进行无损检测。本文以“黄金帅”品种苹果为检测对象,其样本数量共300个(250个训练集样本,50个预测集样本),以糖度、硬度和含水率为品质检测值,综合运用计量学、数理统计学、机器学习理论和计算机科学对“黄金帅”苹果品质高光谱无损检测过程中的特征波长选择、相关性分析建模进行较为深入地研究。研究内容和结论如下:1)首先利用单一特征选择算法(连续投影算法、无信息变量消除算法、正自性加权平均算法、遗传算法)优选出“黄金帅”苹果糖度、硬度和含水率的相关高光谱特征波长。然后根据波长融合提出融合多算法,综合考虑各个算法波长选择结果。最终确定“黄金帅”苹果的糖度的最优波长(39个波长),和全波段相比,预测结果决定系数R2P由0.7889提高到0.8752,预测均方根误差RMSEP由0.2656降到0.1687;硬度的最优波长(27个波长),和全波段相比,预测结果R2P由0.7094提高到0.8463,RMSEP由0.46066降到0.3059;含水率的最优波长(140个波长),和全波段相比,预测结果R2P由0.6828提高到0.7835,RMSEP由1.1%降到0.48%;含水率品质下,为了达到更高精度,所选波长较多,表明450-967nm光谱范围内相关水分的特征波长较少:糖度与硬度品质下,相比单一波长选择算法,融合后精度更高,最终选择波长数量也更小,表明融合法对高光谱特征波长优选更优秀。2)首先建立了“黄金帅”苹果糖度、硬度、含水率的偏最小二乘回归模型、误差反向传导神经网络模型、主成分回归模型、多元线性回归模型、支持向量回归模型。并得到糖度下最优模型为偏最小二乘回归模型;硬度下最优模型为误差反向传导神经网络模型;含水率下最优模型为偏最小二乘回归模型;然后根据集成学习,运用Bagging集成框架,确定了“黄金帅”苹果含水率、糖度、硬度的多算法集成预测模型。糖度多算法集成模型下R2P为0.8752,RMSEP为0.1697,预测精度接近最优偏最小二乘回归模型,优于剩下其他算法模型;硬度多算法集成模型下R2P为0.8463,RMSEP为0.3045,预测精度接近最优误差反向传导神经网络模型,优于剩下其他算法模型;含水率多算法集成模型下R2P为0.7857,RMSEP为0.48%,预测精度接近最优的偏最小二乘回归模型,优于剩下其他算法模型;表明集成学习下多算法集成模型对苹果品质的高光谱检测可行。在一定精度条件下,多算法集成模型简化手动调节参数步骤,对不同品质检测目标能够有良好的自适应,确保稳定性,最终确定为“黄金帅”苹果品质高光谱检测模型。
【学位单位】：南京农业大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：O433;S661.1
【部分图文】：

２．２．１高光谱成像系统??试验选用上海五铃光电科技有限公司的ＨＳＩ－ＶＮＩＲ－０００１高光谱成像系统，通??过步进电机扫描苹果样本，得到高光谱数据信息。系统组成图如图２－２所示：??７??

．?＇?＜?“??图２－ｒ？黄金帅”苹果部分样本示图??Ｆｉｇｕｒｅ?２－１?Ｔｈｅ?Ｇｏｌｄｅｎ?ａｐｐｌｅ?ｐａｒｔ?ｏｆ?ｔｈｅ?ｓａｍｐｌｅ??２．２局光谱数据的米集??２．２．１高光谱成像系统??试验选用上海五铃光电科技有限公司的ＨＳＩ－ＶＮＩＲ－０００１高光谱成像系统，通??过步进电机扫描苹果样本，得到高光谱数据信息。系统组成图如图２－２所示：??７??

Ｗ－Ｂ??其中Ｂ为不打开镜头盖，采集的参考全黑高光谱图像，Ｗ为采集标准白板得??的参考全白高光谱图像，Ｉ为苹果样本的原始高光谱图像，如图２－３所示。Ｒ为??校正后的高光谱图像［４１％，如图２－４所示；??ｎ画＿?ｎ麵??ｆｃ，?Ｊ－Ｗｉ?ｌ??２〇ｏ?Ａ－ｙ．?ｔｏｏ?ｌｏｏｏ?ｉ？ｏ?＾?＾?＾?１〇〇〇?＾??Ｗ—峨????ｗ＾ｄｅｎｇｄ－??图２－３原始高光谱光强数据图?图２－４经黑白校正后高光谱反射率数据图??Ｆｉｇｕｒｅ?２－３?Ｈｙｐｅｒｓｐｅｃｔｒａｌ?ｌｉｇｈｔ?ｉｎｔｅｎｓｉｔｙ?ｄａｔａ?Ｆｉｇｕｒｅ?２－４?Ｈｙｐｅｒｓｐｅｃｔｒａｌ?ｒｅｆｌｅｃｔａｎｃｅ?ｄａｔａ?ａｆｔｅｒ??ｂｌａｃｋ?ａｎｄ?ｗｈｉｔｅ?ｃｏｒｒｅｃｔｉｏｎ??采集到黑、白图像之后，可将其直接导入到ＨＳＩ?Ａｎａｌｙｚｅｒ软件中，然后再??调节ＣＣＤ相机的焦距，参数设置完成后，采集样本的高光谱数据，利用ＨＳＩ??Ａｎａｌｙｚｅｒ■进行黑白校正操作，可以得到想要反射率数据类型，不过也可先不将??进行黑白操作，而利用原始光强数据。??２．２．３高光谱信息提取??试验采用台湾五菱光学有限公司提供的Ｓｐｅｃｔｒａｌ?Ｉｍａｇｅ?ＶＮＲＩ软件从“黄金??帅”苹果的光谱信息中获取全部光谱信息。首先第一步打开关于苹果的一些高光??谱图像，接着找到自己感兴趣的区域部分，使用好的工具对其进行标记。本身的??软件系统可以进行图像选择点
【相似文献】

相关期刊论文 前10条

1 孙小诺;刘悦;王蓉蓉;魏丽欣;;对河北省苹果品质与气象条件关系的分析[J];现代农业研究;2019年02期

2 高敏;;新型活性钙肥影响苹果品质及产量[J];中国果业信息;2017年02期

3 张明勇;孙君茂;张燕妮;王芳;于海军;崔天舒;;国内外苹果品质营养概况与提升对策[J];农业工程技术;2017年08期

4 刘琳娜;;影响苹果品质的要素及关键生产技术[J];中国果菜;2017年04期

5 王静;张磊;杨洋;马国飞;段晓风;李红英;;苹果品质评价指标研究进展[J];宁夏农林科技;2017年02期

6 屈振江;郑小华;刘璐;张勇;;陕西不同生态区苹果品质差异及与气象因子的关系[J];气象;2017年07期

7 ;《烟台苹果品质提升与调控》出版[J];烟台果树;2016年04期

8 张引莲;吴倩;陈新宝;;延安‘富士’苹果品质下降原因及改进措施[J];北方果树;2015年04期

9 屈亚堃;宫元娟;;近红外光谱技术在苹果品质无损检测中的应用[J];农业科技与装备;2014年06期

10 赵艳兰;;七项措施提高苹果品质[J];山西农业;2006年13期

相关博士学位论文 前4条

1 郭志明;基于近红外光谱及成像的苹果品质无损检测方法和装置研究[D];中国农业大学;2015年

2 葛文;山东烟台地区土壤地球化学环境与优质苹果生产的适应性评价[D];中国地质大学;2013年

3 孙瑞;苹果高密度遗传连锁图谱构建与重要果实品质性状QTL定位[D];中国农业大学;2015年

4 公丽艳;不同品种苹果加工脆片适宜性评价研究[D];沈阳农业大学;2014年

相关硕士学位论文 前10条

1 海兵帅;基于集成学习的苹果品质高光谱检测方法研究[D];南京农业大学;2017年

2 白沙沙;鲜食苹果品质评价研究[D];中国农业科学院;2012年

3 汪小芳;基于人工神经网络利用机械特性检测苹果品质方法的研究[D];华中农业大学;2006年

4 苏子鹏;计算机视觉与敲击振动技术检测苹果品质的研究[D];南京农业大学;2008年

5 柴媛媛;渭北旱塬水土环境状况与苹果品质的关系研究[D];西北农林科技大学;2009年

6 陈育彦;计算机视觉技术分析激光图像检测苹果品质及病害的研究[D];南京农业大学;2007年

7 周丽萍;基于可见—近红外光谱技术的圣女果和苹果品质检测技术研究[D];西北农林科技大学;2009年

8 胥继东;黄土地区果园土壤钙素营养变异与苹果品质[D];西北农林科技大学;2008年

9 史卫娜;苹果品质变化对温度的响应规律及贮藏寿命预测[D];西北农林科技大学;2016年

10 刘业好;“富士”苹果树高光效树形及与苹果品质关系的研究[D];安徽农业大学;2004年

本文编号：2866163