基于高光谱成像的核桃仁品质检测与分类方法

发布时间：2023-04-28 22:48

　　采用光谱与图像相结合,实现了核桃仁蛋白质和脂肪含量预测及基于完整度和色泽的核桃仁外观品质分级。选用新疆"温185"核桃仁,采集了862.9～1704.02 nm和382.19～1026.66 nm范围高光谱图像。采用多元散射校正(MSE)和标准正态化(SNV)方法进行预处理后,通过竞争性自适应重加权采样算法与相关系数法,对核桃仁样品的蛋白质含量、脂肪含量、总色差3个参数进行了特征波段筛选。通过偏最小二乘回归(PLSR)算法建立了全光谱波段与特征光谱波段的蛋白质和脂肪含量预测模型,与全光谱波段相比,蛋白质含量特征波段预测模型的验证集决定系数(R²)由0.66增长到0.91,均方根误差(RMSEP)由1.37%下降到0.78%;脂肪含量特征波段预测模型的验证集R²由0.83增长到0.93, RMSEP由0.98%下降到0.47%。在外观品质方面,采用全光谱波段、RGB光谱波段、总色差特征光谱波段为输入,采用决策树、K近邻和支持向量机算法建立了核桃仁外观品质分类模型。通过对比发现,采用总色差特征波段建模,可大幅减低冗余信息的干扰,同时分类准确率也高...

【文章页数】：10 页

【文章目录】：
1 引 言
2 实验部分
    2.1 实验样本及其处理
    2.2 高光谱图像采集
    2.3 光谱数据预处理与特征波段筛选
    2.4 核桃仁品质检测方法
        2.4.1 核桃仁内部品质检测方法
        2.4.2 核桃仁外观等级鉴别方法
3 结果与讨论
    3.1 基于光谱信息的核桃仁内部品质指标检测
    3.2 基于光谱信息与图像特征的核桃仁外观等级分类
4 结 论



本文编号：3804639