基于光谱图像技术的中华绒螯蟹品质鉴别研究
发布时间：2022-02-26 16:32
中华绒螯蟹是我国的名优水产品,因其营养丰富、肉质鲜美而备受消费者青睐,而且近年来产量和产值巨大且持续攀升。目前中华绒螯蟹养殖和加工中采用人工监测和人工分级,但人工方法效率低且受主观意识影响,导致养殖中产率低和上市速度慢,难以保障中华绒螯蟹品质和新鲜度。因此研发出中华绒螯蟹养殖监测和品质鉴别的快速无损检测方法和系统显得尤为重要。本研究利用光谱图像技术实现中华绒螯蟹品质鉴别。首先利用可见-近红外（421963 nm）高光谱结合化学计量学方法,研究脱壳后硬化过程中蟹壳硬度、几丁质和蛋白质的快速无损预测方法。然后研究基于光谱图像融合信息的中华绒螯蟹等级的快速无损预测方法。最后搭建基于机器视觉技术的中华绒螯蟹在线分级系统,实现对中华绒螯蟹的雌雄、品质和重量的在线分级。主要研究内容如下:（1）硬化过程中蟹壳硬度、几丁质和蛋白质的高光谱检测研究以脱壳后硬化过程中华绒螯蟹为研究对象,测量硬化过程中背部蟹壳硬度、几丁质和蛋白质含量,并提取背部蟹壳高光谱图像的可见-近红外光谱。比较多种光谱预处理方法(1stDER、2ndd DER、MSC、...
【文章来源】：江苏大学江苏省
【文章页数】：98 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 我国中华绒螯蟹养殖生产现状
1.2 中华绒螯蟹品质指标
1.2.1 蟹壳硬度
1.2.2 蟹壳色泽
1.2.3 蟹壳斑纹
1.2.4 重量和肥满度
1.3 中华绒螯蟹品质传统检测方法
1.4 光谱图像技术
1.4.1 高光谱成像技术
1.4.2 多光谱成像技术
1.4.3 机器视觉技术
1.5 在线分级系统
1.6 研究目的、内容和技术路线
1.6.1 研究目的
1.6.2 研究内容
1.6.3 技术路线
第二章 硬化过程中蟹壳硬度和相关化学指标高光谱检测研究
2.1 引言
2.2 实验材料与设备
2.2.1 材料与试剂
2.2.2 仪器与设备
2.3 实验方法
2.3.1 物理化学指标测定和统计分析
2.3.2 高光谱图像采集
2.3.3 高光谱图像校正
2.3.4 提取全光谱数据
2.3.5 光谱数据预处理
2.3.6 特征波长筛选
2.3.7 定量模型
2.3.8 定量模型性能评价
2.4 结果与分析
2.4.1 物理化学指标测定与分析结果
2.4.2 平均光谱分析
2.4.3 光谱预处理结果
2.4.4 全光谱定量预测模型结果
2.4.5 特征波长筛选结果
2.4.6 特征波长定量预测模型结果
2.5 本章小结
第三章 基于光谱和图像融合信息的中华绒螯蟹品质高光谱分级研究
3.1 引言
3.2 分级标准和实验材料
3.2.1 品质指标分级标准
3.2.2 实验材料
3.3 实验方法
3.3.1 高光谱图像采集和校正
3.3.2 光谱信息提取
3.3.3 主成分分析
3.3.4 图像信息提取
3.3.5 信息融合
3.3.6 建立分级模型
3.3.7 模型评价标准
3.4 结果与分析
3.4.1 基于光谱信息的分级模型
3.4.2 基于图像信息的分级模型
3.4.3 基于融合信息的分级模型
3.5 本章小结
第四章 基于视觉特征和重量的中华绒螯蟹在线分级系统
4.1 引言
4.2 分级系统硬件设计
4.2.1 称重模块
4.2.2 视觉模块
4.2.3 控制模块
4.3 分级系统的分级流程和工作原理
4.3.1 图像预处理
4.3.2 特征信息提取
4.3.3 判别分析
4.4 软件开发
4.5 本章小结
第五章 结论与展望
5.1 主要结论
5.2 研究展望
参考文献
致谢
在学期间的科研成果
附录 A：蟹壳硬度和相关化学指标预测模型拟合曲线
附录 B：中华绒螯蟹在线分选系统主代码
【参考文献】：
期刊论文
[1]基于PCA与协同表示的高光谱图像分类研究[J]. 韩嫚莉,侯卫民,孙靖国,王明,梅少辉. 电子科技大学学报. 2019(01)
[2]siPLS-LASSO的近红外特征波长选择及其应用[J]. 梅从立,陈瑶,尹梁,江辉,陈旭,丁煜函,刘国海. 光谱学与光谱分析. 2018(02)
[3]高光谱图像技术定量检测香醋醋醅水分分布均匀性[J]. 石吉勇,胡雪桃,朱瑶迪,邹小波,陈武,周佐花. 中国食品学报. 2018(02)
[4]基于图像识别技术研究不同海区三疣梭子蟹甲壳白色斑纹特征及蜕壳前后斑纹特征的变化[J]. 卢少坤,李荣华,施欧文,王春琳,母昌考,宋微微,王斌,徐建瑜. 水产学报. 2018(02)
[5]机器视觉技术在牛肉生理成熟度检测中的应用[J]. 李岩,刘波,陈怡帆. 河北农业大学学报. 2017(06)
[6]灰度共生矩阵纹理特征选块的可逆图像水印[J]. 李淑芝,胡琴,邓小鸿. 光电子·激光. 2017(04)
[7]智能优化算法应用于近红外光谱波长选择的比较研究[J]. 宾俊,范伟,周冀衡,李鑫,梁逸曾. 光谱学与光谱分析. 2017(01)
[8]基于随机森林的高光谱遥感图像分类[J]. 李垒,任越美. 计算机工程与应用. 2016(24)
[9]优化Savitzky-Golay滤波器的参数及其在傅里叶变换红外气体光谱数据平滑预处理中的应用[J]. 赵安新,汤晓君,张钟华,刘君华. 光谱学与光谱分析. 2016(05)
[10]基于图像识别的螃蟹自动分级系统及其控制程序[J]. 朱艳,曹元军,李曙生. 食品与机械. 2015(06)
博士论文
[1]基于高光谱图像技术的设施栽培作物营养元素亏缺诊断研究[D]. 石吉勇.江苏大学 2012
[2]基于光谱和多光谱成像技术的油菜生命信息快速无损检测机理和方法研究[D]. 刘飞.浙江大学 2011
硕士论文
[1]图像去噪和图像匹配中若干问题的研究[D]. 祝严刚.南昌航空大学 2018
[2]基于高光谱和超声成像技术的三文鱼品质检测研究[D]. 张芳.江苏大学 2018
[3]微波加热牛肉品质的高光谱成像无损检测方法研究[D]. 刘昱微.华南理工大学 2018
[4]基于HALCON的太阳能电池片缺陷检测系统设计[D]. 周奇.江苏大学 2017
[5]基于光谱技术对雨生红球藻虾青素含量检测及其空间分布的研究[D]. 蒋林军.浙江大学 2017
[6]岳阳鹤龙湖螃蟹产业SWOT分析及发展策略研究[D]. 郑芳.湖南农业大学 2016
[7]基于高光谱技术的不同品种猪肉品质检测模型维护方法研究[D]. 钟雄斌.华中农业大学 2014
[8]螃蟹自动分级机的设计研究[D]. 季亚楠.扬州大学 2014
[9]温度对三疣梭子蟹蜕壳、钙化生理及呼吸代谢的影响[D]. 戴超.中国海洋大学 2013
[10]基于计算机视觉的哈密大枣无损检测分级技术及分级装置研究[D]. 王丽丽.石河子大学 2013
本文编号：3644796
【文章来源】：江苏大学江苏省
【文章页数】：98 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 我国中华绒螯蟹养殖生产现状
1.2 中华绒螯蟹品质指标
1.2.1 蟹壳硬度
1.2.2 蟹壳色泽
1.2.3 蟹壳斑纹
1.2.4 重量和肥满度
1.3 中华绒螯蟹品质传统检测方法
1.4 光谱图像技术
1.4.1 高光谱成像技术
1.4.2 多光谱成像技术
1.4.3 机器视觉技术
1.5 在线分级系统
1.6 研究目的、内容和技术路线
1.6.1 研究目的
1.6.2 研究内容
1.6.3 技术路线
第二章 硬化过程中蟹壳硬度和相关化学指标高光谱检测研究
2.1 引言
2.2 实验材料与设备
2.2.1 材料与试剂
2.2.2 仪器与设备
2.3 实验方法
2.3.1 物理化学指标测定和统计分析
2.3.2 高光谱图像采集
2.3.3 高光谱图像校正
2.3.4 提取全光谱数据
2.3.5 光谱数据预处理
2.3.6 特征波长筛选
2.3.7 定量模型
2.3.8 定量模型性能评价
2.4 结果与分析
2.4.1 物理化学指标测定与分析结果
2.4.2 平均光谱分析
2.4.3 光谱预处理结果
2.4.4 全光谱定量预测模型结果
2.4.5 特征波长筛选结果
2.4.6 特征波长定量预测模型结果
2.5 本章小结
第三章 基于光谱和图像融合信息的中华绒螯蟹品质高光谱分级研究
3.1 引言
3.2 分级标准和实验材料
3.2.1 品质指标分级标准
3.2.2 实验材料
3.3 实验方法
3.3.1 高光谱图像采集和校正
3.3.2 光谱信息提取
3.3.3 主成分分析
3.3.4 图像信息提取
3.3.5 信息融合
3.3.6 建立分级模型
3.3.7 模型评价标准
3.4 结果与分析
3.4.1 基于光谱信息的分级模型
3.4.2 基于图像信息的分级模型
3.4.3 基于融合信息的分级模型
3.5 本章小结
第四章 基于视觉特征和重量的中华绒螯蟹在线分级系统
4.1 引言
4.2 分级系统硬件设计
4.2.1 称重模块
4.2.2 视觉模块
4.2.3 控制模块
4.3 分级系统的分级流程和工作原理
4.3.1 图像预处理
4.3.2 特征信息提取
4.3.3 判别分析
4.4 软件开发
4.5 本章小结
第五章 结论与展望
5.1 主要结论
5.2 研究展望
参考文献
致谢
在学期间的科研成果
附录 A：蟹壳硬度和相关化学指标预测模型拟合曲线
附录 B：中华绒螯蟹在线分选系统主代码
【参考文献】：
期刊论文
[1]基于PCA与协同表示的高光谱图像分类研究[J]. 韩嫚莉,侯卫民,孙靖国,王明,梅少辉. 电子科技大学学报. 2019(01)
[2]siPLS-LASSO的近红外特征波长选择及其应用[J]. 梅从立,陈瑶,尹梁,江辉,陈旭,丁煜函,刘国海. 光谱学与光谱分析. 2018(02)
[3]高光谱图像技术定量检测香醋醋醅水分分布均匀性[J]. 石吉勇,胡雪桃,朱瑶迪,邹小波,陈武,周佐花. 中国食品学报. 2018(02)
[4]基于图像识别技术研究不同海区三疣梭子蟹甲壳白色斑纹特征及蜕壳前后斑纹特征的变化[J]. 卢少坤,李荣华,施欧文,王春琳,母昌考,宋微微,王斌,徐建瑜. 水产学报. 2018(02)
[5]机器视觉技术在牛肉生理成熟度检测中的应用[J]. 李岩,刘波,陈怡帆. 河北农业大学学报. 2017(06)
[6]灰度共生矩阵纹理特征选块的可逆图像水印[J]. 李淑芝,胡琴,邓小鸿. 光电子·激光. 2017(04)
[7]智能优化算法应用于近红外光谱波长选择的比较研究[J]. 宾俊,范伟,周冀衡,李鑫,梁逸曾. 光谱学与光谱分析. 2017(01)
[8]基于随机森林的高光谱遥感图像分类[J]. 李垒,任越美. 计算机工程与应用. 2016(24)
[9]优化Savitzky-Golay滤波器的参数及其在傅里叶变换红外气体光谱数据平滑预处理中的应用[J]. 赵安新,汤晓君,张钟华,刘君华. 光谱学与光谱分析. 2016(05)
[10]基于图像识别的螃蟹自动分级系统及其控制程序[J]. 朱艳,曹元军,李曙生. 食品与机械. 2015(06)
博士论文
[1]基于高光谱图像技术的设施栽培作物营养元素亏缺诊断研究[D]. 石吉勇.江苏大学 2012
[2]基于光谱和多光谱成像技术的油菜生命信息快速无损检测机理和方法研究[D]. 刘飞.浙江大学 2011
硕士论文
[1]图像去噪和图像匹配中若干问题的研究[D]. 祝严刚.南昌航空大学 2018
[2]基于高光谱和超声成像技术的三文鱼品质检测研究[D]. 张芳.江苏大学 2018
[3]微波加热牛肉品质的高光谱成像无损检测方法研究[D]. 刘昱微.华南理工大学 2018
[4]基于HALCON的太阳能电池片缺陷检测系统设计[D]. 周奇.江苏大学 2017
[5]基于光谱技术对雨生红球藻虾青素含量检测及其空间分布的研究[D]. 蒋林军.浙江大学 2017
[6]岳阳鹤龙湖螃蟹产业SWOT分析及发展策略研究[D]. 郑芳.湖南农业大学 2016
[7]基于高光谱技术的不同品种猪肉品质检测模型维护方法研究[D]. 钟雄斌.华中农业大学 2014
[8]螃蟹自动分级机的设计研究[D]. 季亚楠.扬州大学 2014
[9]温度对三疣梭子蟹蜕壳、钙化生理及呼吸代谢的影响[D]. 戴超.中国海洋大学 2013
[10]基于计算机视觉的哈密大枣无损检测分级技术及分级装置研究[D]. 王丽丽.石河子大学 2013
本文编号：3644796
本文链接：https://www.wllwen.com/projectlw/qgylw/3644796.html
