基于光谱及成像技术的鲜枣品质检测研究

发布时间：2018-02-21 00:01

  本文关键词： 鲜枣 近红外光谱技术 高光谱成像技术 多传感器融合技术 综合品质 在线检测　出处：《山西农业大学》2016年博士论文　论文类型：学位论文

【摘要】：鲜枣因具有香甜的口感和丰富的营养物质,成为深受我国消费者喜爱的本土水果。随着我国鲜枣种植面积、产量和出口量的不断增加,为保障鲜枣品质、减少产后损失、提高鲜枣附加值,因此,基于无损检测技术对鲜枣品质进行检测研究具有十分重要的现实意义。本文以鲜枣为研究对象,采用可见/近红外光谱技术、高光谱成像技术以及多传感器信息融合技术对鲜枣的综合品质进行快速无损检测,主要的研究内容有：(1)提出利用高光谱成像技术基于光谱信息、图像纹理信息、图像色彩信息以及融合信息对处于不同成熟阶段的鲜枣进行成熟度的判别。研究二维相关光谱技术(Two-dimensional correlation spectroscopy, TDCS)、相关系数算法(Regression coefficients, RC)、连续投影算法(Successive projuctions algorithm, SPA)以及正自适应加权算法(Competitive adaptive reweighted sampling, CARS)的特征波长提取技术、纹理特征值(对比度、相关性、能量值、同质性、方差、均值和熵值)以及颜色特征值(RGB模型、HSV模型、YCbCr模型)的提取算法,并建立线性的偏最小二乘(Partial least squares, PLS)模型和非线性的偏最小二乘-支持向量机(Least square-support vector machines, LS-SVM)模型实现了对鲜枣成熟度的判别。结果表明：除利用特征波长建模外,单一使用纹理值或颜色值所建模型的判别精度均较低。因此,提出利用多传感器信息融合技术以实现对不同成熟阶段鲜枣的光谱值、纹理值、颜色值的融合建模。经过模型比较后,最终选定：运用CARS算法提取得到的光谱特征值、剔除均值后的6项纹理指标值Tm以及HSV颜色模型提取得到的颜色特征值进行数据融合,所建立的LS-SVM模型取得最佳的模型判别精度,其预测集的判别正确率达到96.67%。(2)建立了鲜枣水分含量、可溶性固形物含量(Soluble solids content, SSC)、VC含量、蛋白质含量和硬度值的可见／近红外光谱预测模型,对这5项品质指标的模型预测性能进行了系统全面的探究。对近红外光谱数据进行多种数据变换及光谱预处理,并分析了不同数据变换和光谱预处理对鲜枣品质建模精度的影响。运用多种特征波长算法探析了鲜枣品质指标的最佳特征波长提取方法,为后期在线建模装置的研发提供了数据支持和理论支撑。(3)鉴于水分含量的差异对近红外光谱具有极为重要的影响,建立了针对鲜枣各品质指标(SSC含量、VC含量、蛋白质含量、硬度值)的水分补偿预测模型。在提取各项品质指标特征波长的基础上,剔除其中表征水分含量的波谱信息,并与鲜枣水分含量值进行数据融合,最后建立了各指标的水分补偿模型。结果表明,各品质指标在水分补偿后其模型的预测精度均在一定程度上有所下降。由此可知,水分含量指标与备品质指标之间存在有一定的相关性,故提出对各品质指标之间的相关性进行显著性分析。结果表明：水分含量在0.01的水平上分别与SSC含量、VC含量和蛋白质含量之间均呈现出极显著的相关性,与水分补偿模型的建模精度相对应。(4)基于5项品质评价指标建立了能同时表征鲜枣综合品质信息的内部综合品质指标。首先,对鲜枣的5项内部品质指标进行了因子分析后发现,前2项主因子的累计贡献率达到82.738%,能较好的反映原始基础变量的主要信息,并比较分析了不同数值旋转方式下所建模型的建模精度。最终选定未进行数值旋转的综合品质评价指标值Ia为最优内部综合品质指标,并对该指标下的特征波长进行了提取和分析。研究结果表明：运用CARS-LS-SVM模型可以得到对鲜枣内部综合品质的最佳预测精度,预测集相关系数(RP)和预测均方根误差(R MSEP)分别为：0.9241和6.0635。(5)研究了高光谱成像技术对鲜枣内外部综合品质进行同步检测的方法。选取鲜枣采摘前出现的各种自然损伤(包含有：缩果病、裂纹、虫害、黑斑病、鸟啄伤)样本为研究对象,从光谱层(特征波长)、图像层(Sobel算子与区域生长算法)分别构建了鲜枣自然损伤(外部品质)的检测模型。与此同时,建立了基于特征波长算法对鲜枣内部综合品质(内部品质)的预测分析模型。最后运用信息融合技术对高光谱成像系统获得的光谱信息和图像纹理信息进行数据融合,实现了同时对鲜枣自然损伤和内部综合品质指标值进行检测研究的目的,自然损伤(外部品质)的判别正确率为92.31%；内部综合品质(内部品质)的RP和RMSEP分别为0.9538和8.1879。(6)探析了在高光谱成像系统和近红外光谱仪之间的光谱数据的迁移性变化。为了系统的研究和比较高光谱成像系统和近红外光谱仪在测试性能以及光谱数据的迁移性,分别使用10ImSpector V10E高光谱成像系统和美国ASD (Analytical spectral device)公司的Field Spec 3型光谱仪采集实验样本的光谱数据,并从光谱曲线变化、特征波长选值、模型精度比较三个方面比较对两种仪器的测试性能和光谱数据的迁移性。结果表明：虽然运用10ImSpector V10E高光谱成像系统采集到的光谱数据所建模型的预测性能低于F ield Spec 3型近红外光谱仪,但模型的建模效果仍能较好的实现对自然损伤和完好混合样本的内部综合品质指标的预测,说明两种仪器采集的光谱数据间具有较好的迁移性。当只对样本的内部品质进行研究时,选用Field Spec 3型光谱仪进行光谱采集较为合理,因为该光谱仪数据间隔小、波段覆盖广；如果需要对样本的外部品质或者内外部综合品质进行检测研究时,选用10ImSpector V10 E高光谱成像系统更为合理。(7)自主搭建了漫反射式在线检测系统,建立了鲜枣内部综合品质指标的在线检测模型。为实现鲜枣内部品质的在线检测研究,自主设计研发了关于鲜枣内部综合品质的漫反射式在线检测系统。该装置的硬件系统包括机电控制单元、数据采集单元及数据处理单元,软件系统主要为检测软件的设计。根据检测实际需要,开发了漫反射光谱在线检测软件,在该软件中集成了已经得到证实的最优校正模型,即CARS-LS-SVM模型。为验证检测系统的稳定性和可靠性,对该检测系统进行了相关的验证性实验。该项研究证实,利用自主研发的在线检测系统可以在线的实现对鲜枣内部综合品质指标的预测和检验,为鲜枣内部综合品质无损检测技术的提升以及装备的研发提供了一定的理论依据和方法参考,对推动近红外光谱技术从静态实验室研究型向生产实际实用型转变具有积极的作用。
[Abstract]:In this paper , the quality of fresh jujube is determined by using the technique of visible / near infrared spectroscopy ( TDCS ) , correlation coefficient algorithm ( RC ) , continuous projection algorithm ( TDCS ) , correlation coefficient algorithm ( RC ) , continuous projection algorithm ( SPA ) and multi - sensor information fusion technology . This paper makes a systematic research on the model of fresh jujube by using multi - sensor information fusion technology . The results show that the prediction accuracy of each index is 96 . 67 % . The results show that the correlation between the content of water content , soluble solids content ( SSC ) , VC content , protein content and hardness value is analyzed . ( 4 ) Based on five quality evaluation indexes , the internal comprehensive quality index of fresh Chinese date ' s comprehensive quality information was established . The results showed that the best prediction accuracy , the prediction set correlation coefficient ( RP ) and the prediction mean square error ( R MSEP ) of the first two main factors were 0.9241 and 6.0635 . A diffuse reflection type on - line detection system for the internal quality of fresh jujube was developed by using 10ImSpector V10E high - spectrum imaging system and Field Spec - 3 spectrometer of American ASD .

【学位授予单位】：山西农业大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：S665.1
，

本文编号：1520412