基于近红外高光谱图像技术的南疆红枣内部品质的研究

发布时间：2017-12-19 00:15

  本文关键词：基于近红外高光谱图像技术的南疆红枣内部品质的研究

  更多相关文章： 近红外高光谱图像技术 遗传算法 竞争性自适应重加权算法 偏最小二乘法 BP神经网络

【摘要】：新疆红枣闻名中外,南疆红枣由于特殊的地理、气候环境,使其不论是表面形态,还是内部品质,都得到了人们广泛的认同。表面形态的大小、饱满度是可以通过肉眼识别的,但其内部品质的衡量却非易事。红枣内部品质的传统检测方法不仅耗时费力,还是侵入破坏性的,检测过程所产生的废液、废渣更是损害环境。研究快速、高效、环境友好的检测手段迫在眉睫。近红外光谱技术克服了以上大部分的缺点,但其点状检测和非可视化的缺点,已不能满足人们对红枣内部品质的检测要求。高光谱图像技术应运而生,它不仅包含近红外光谱技术的优点,而且是区域检测、图谱合一、分辨率高,更能够实现表面缺陷和内部物理化学成分的同时检测。文章从实验材料与理化分析方法、高光谱的其他功能以及化学计量学方法对建模前期工作进行描述。主要研究内容如下:(1)南疆红枣的光谱数据最佳预处理方法,文章研究的预处理方法包括导数法、多元散射校正、标准正态变量变换、矢量归一化对建模效果的影响,通过以上预处理方法建立南疆白熟期骏枣的总糖和水分偏最小二乘法(PLS)和BP神经网络(BP-ANN)模型,结论为多元散射校正预处理优于其他方法。(2)南疆红枣的特征波长变量的选择,文章研究的特征波长变量方法包括相关系数法、连续投影法、遗传算法和竞争性自适应重加权算法。研究表明:通过遗传算法选择出总糖的特征波长变量预测性能好于其他方法,特征波长为942 nm、1 069 nm、1 110 nm、1 179 nm、1 284 nm、1 494 nm、1 570 nm、1 626 nm、1 661 nm、1 665 nm、1 672 nm、1 693 nm。通过竞争性自适应重加权算法选择出水分的特征波长变量预测性能好于其他方法,特征波长为957 nm、989 nm、1 085 nm、1 107 nm、1 179 nm、1 195 nm、1 271 nm、1 419 nm、1 439 nm、1 511 nm、1 529 nm、1 598 nm、1 661 nm。(3)南疆红枣建模方法的研究,预处理方法的选择采用多元散射校正,骏枣的总糖和水分的特征波长变量选择分别应用遗传算法和竞争性自适应重加权算法进行,并分别采用偏最小二乘法和BP神经网络进行建模回归分析。分析表明:骏枣的总糖和水分所建立的模型中,BP神经网络建立的预测模型均好于偏最小二乘法所建模型。骏枣总糖和水分的预测相关系数(Rp)分别达到了0.918 4和0.881 0。总糖和水分的预测标准偏差(RMSEP)分别达到0.931 0和2.198 0。
【学位授予单位】：塔里木大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41;S665.1

【相似文献】

中国期刊全文数据库 前10条

1 朱荣光;姚雪东;高广娣;唐明翔;卢士玲;马本学;;不同储存时间和取样部位牛肉颜色的高光谱图像检测[J];农业机械学报;2013年07期

2 赵杰文;刘剑华;陈全胜;Saritporn Vittayapadung;;利用高光谱图像技术检测水果轻微损伤[J];农业机械学报;2008年01期

3 吴瑞梅;吴彦红;艾施荣;刘木华;赵杰文;严霖元;;茶叶外形品质的高光谱图像量化分析[J];江西农业大学学报;2013年02期

4 艾施荣;吴瑞梅;吴彦红;严霖元;;利用高光谱图像技术鉴别庐山云雾茶产地[J];江西农业大学学报;2014年02期

5 徐爽;何建国;易东;贺晓光;;基于高光谱图像技术的长枣糖度无损检测[J];食品与机械;2012年06期

6 刘木华,赵杰文,郑建鸿,吴瑞梅;农畜产品品质无损检测中高光谱图像技术的应用进展[J];农业机械学报;2005年09期

7 程国首;郭俊先;肉孜·阿木提;饶秀勤;亢银霞;石砦;;基于高光谱图像技术预测苹果大小[J];农机化研究;2012年06期

8 苏文浩;何建国;刘贵珊;王松磊;贺晓光;吴龙国;;近红外高光谱图像技术在马铃薯外部缺陷检测中的应用[J];食品与机械;2013年05期

9 陈树人;邹华东;吴瑞梅;闫润;毛罕平;;基于高光谱图像技术的稻田苗期杂草稻识别[J];农业机械学报;2013年05期

10 韩小珍;辛世华;王松磊;何建国;;高光谱在农产品无损检测中的应用展望[J];宁夏工程技术;2013年04期

中国重要会议论文全文数据库 前10条

1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年

2 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

3 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

4 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

5 杨勇;刘木华;邹小莲;苗蓬勃;赵珍珍;;基于高光谱图像技术的猕猴桃硬度品质检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（下册）[C];2008年

6 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

7 高东生;高连知;;基于独立分量分析的高光谱图像目标盲探测方法研究[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

8 冯维一;陈钱;何伟基;;基于小波稀疏的高光谱目标探测算法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

9 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

10 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年

2 王亮亮;非线性流形结构在高光谱图像异常检测中的应用研究[D];国防科学技术大学;2014年

3 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年

4 魏然;基于成像机理分析的高光谱图像信息恢复研究[D];哈尔滨工业大学;2015年

5 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年

6 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年

7 孙涛;快速多核学习分类研究及应用[D];西安电子科技大学;2015年

8 李昌国;基于谱间和校正相关性的高光谱图像压缩方法研究及GPU并行实现[D];成都理工大学;2015年

9 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年

10 南一冰;星载推扫型高光谱运动成像误差建模与高精度校正技术研究[D];北京理工大学;2015年

中国硕士学位论文全文数据库 前10条

1 丰烁;高光谱图像波段选取问题的改进算法研究[D];昆明理工大学;2015年

2 赵伟彦;果蔬干燥过程中的品质无损检测技术研究[D];江南大学;2015年

3 马亚楠;果蔬中内部害虫的高光谱图像检测技术研究[D];江南大学;2015年

4 刘大洋;基于近红外光谱和高光谱图像技术无损识别猕猴桃膨大果[D];西北农林科技大学;2015年

5 王坤;高光谱图像异常目标检测及光谱成像在伪装评估方面的应用研究[D];南京理工大学;2015年

6 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年

7 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年

8 李秩期;基于高光谱及多信息融合的马铃薯外部缺陷无损检测研究[D];宁夏大学;2015年

9 王健;基于高光谱图像的马铃薯形状及重量分类识别建模研究[D];宁夏大学;2015年

10 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015年

，

本文编号：1306159