本文選題：高光譜成像 + 連續(xù)投影法�。� 參考：《食品科學(xué)》2017年08期

【摘要】：為提供蘋(píng)果病害在線(xiàn)、快速、無(wú)損檢測(cè)的理論依據(jù),采用高光譜成像技術(shù)進(jìn)行了北方大面積種植的寒富蘋(píng)果病害無(wú)損檢測(cè)研究。寒富蘋(píng)果的主要病害有炭疽病、苦痘病、黑腐病和褐斑病害。為選擇較少的有效波長(zhǎng)而利于在線(xiàn)快速檢測(cè),首先采集高光譜蘋(píng)果圖像,分割出感興趣區(qū)域并提取光譜信息,然后采用連續(xù)投影算法(successive projections algorithm,SPA)從全波長(zhǎng)(500~970 nm)中提取了10個(gè)特征波長(zhǎng)SPA1(502、573、589、655、681、727、867、904、942 nm和967 nm),再對(duì)這10個(gè)特征波長(zhǎng)采用連續(xù)投影算法提取3個(gè)特征波長(zhǎng)SPA2(681、867 nm和942 nm)。最后利用全波長(zhǎng)光譜信息、SPA1提取的10個(gè)特征波長(zhǎng)的光譜信息和SPA2提取的3個(gè)特征波長(zhǎng)的光譜信息作為輸入矢量采用線(xiàn)性判別分析、支持向量機(jī)和BP人工神經(jīng)網(wǎng)絡(luò)(BP artificial neural network,BPANN)模型進(jìn)行蘋(píng)果病害的檢測(cè)。通過(guò)對(duì)檢測(cè)結(jié)果分析,最終選擇SPA2-BPANN為最佳檢測(cè)方法,訓(xùn)練集檢測(cè)率達(dá)100%,驗(yàn)證集檢測(cè)率達(dá)100%。結(jié)果表明,高光譜成像技術(shù)可以有效對(duì)蘋(píng)果病害進(jìn)行檢測(cè),所獲得的特征波長(zhǎng)可為開(kāi)發(fā)多光譜成像的蘋(píng)果品質(zhì)檢測(cè)和分級(jí)系統(tǒng)提供參考。
[Abstract]:In order to provide the theoretical basis for on-line, rapid and nondestructive testing of apple diseases, the nondestructive detection of apple diseases in large areas of northern China was studied by hyperspectral imaging technology. The main diseases of cold rich apples were anthrax, bitterpox, black rot and brown spot. The hyperspectral apple image is collected, the region of interest is segmented and the spectral information is extracted. Then, 10 characteristic wavelengths SPA1 (502573589655681727867904942 nm and 967 nm) are extracted from the full wavelength (500~970 nm) using the successive projections algorithm (SPA), and then the 10 characteristic wavelengths are continuously projected. 3 characteristic wavelengths SPA2 (681867 nm and 942 nm) are extracted. Finally, the spectral information of 10 characteristic wavelengths extracted by SPA1 and the spectral information of 3 characteristic wavelengths extracted by SPA2 are used as input vectors to use linear discriminant analysis, and the support vector machine and BP artificial neural network (BP artificial neural network, BPANN) model are used. By analyzing the results of the apple disease, the SPA2-BPANN is selected as the best detection method, the detection rate of the training set is 100%, and the test rate of the verification set is up to 100%.. The hyperspectral imaging technology can detect apple diseases effectively. The characteristic wavelength obtained can be used to detect apple quality in the development of multi spectral imaging. And the classification system provides reference.
【作者單位】： 沈陽(yáng)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院遼寧省農(nóng)業(yè)信息化工程技術(shù)研究中心;
【基金】：遼寧省大型儀器設(shè)備共享服務(wù)項(xiàng)目(LNDY201501003) 沈陽(yáng)市大型儀器設(shè)備共享服務(wù)專(zhuān)項(xiàng)(F15-166-4-00)
【分類(lèi)號(hào)】：TP391.41;S436.611

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田有文;程怡;王小奇;劉思伽;;基于高光譜成像的蘋(píng)果蟲(chóng)傷缺陷與果梗/花萼識(shí)別方法[J];農(nóng)業(yè)工程學(xué)報(bào);2015年04期

2 張保華;李江波;樊書(shū)祥;黃文倩;張馳;王慶艷;肖廣東;;高光譜成像技術(shù)在果蔬品質(zhì)與安全無(wú)損檢測(cè)中的原理及應(yīng)用[J];光譜學(xué)與光譜分析;2014年10期

3 張芳;王璐;付立思;田有文;;基于支持向量機(jī)的黃瓜葉部病害的識(shí)別研究[J];沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào);2014年04期

4 田有文;程怡;王小奇;栗慶吉;;基于高光譜成像的蘋(píng)果蟲(chóng)害檢測(cè)特征向量的選取[J];農(nóng)業(yè)工程學(xué)報(bào);2014年12期

5 吳迪;寧紀(jì)鋒;劉旭;梁曼;楊蜀秦;張振文;;基于高光譜成像技術(shù)和連續(xù)投影算法檢測(cè)葡萄果皮花色苷含量[J];食品科學(xué);2014年08期

6 田有文;程怡;吳瓊;牟鑫;;農(nóng)產(chǎn)品病蟲(chóng)害高光譜成像無(wú)損檢測(cè)的研究進(jìn)展[J];激光與紅外;2013年12期

7 黃文倩;陳立平;李江波;張馳;;基于高光譜成像的蘋(píng)果輕微損傷檢測(cè)有效波長(zhǎng)選取[J];農(nóng)業(yè)工程學(xué)報(bào);2013年01期

8 李江波;王福杰;應(yīng)義斌;饒秀勤;;高光譜熒光成像技術(shù)在識(shí)別早期腐爛臍橙中的應(yīng)用研究[J];光譜學(xué)與光譜分析;2012年01期

9 李江波;饒秀勤;應(yīng)義斌;;農(nóng)產(chǎn)品外部品質(zhì)無(wú)損檢測(cè)中高光譜成像技術(shù)的應(yīng)用研究進(jìn)展[J];光譜學(xué)與光譜分析;2011年08期

10 王敬尊;;蘋(píng)果炭疽病的識(shí)別與防治[J];安徽農(nóng)業(yè)科學(xué);2009年18期

相關(guān)碩士學(xué)位論文 前2條

1 李友坤;BP神經(jīng)網(wǎng)絡(luò)的研究分析及改進(jìn)應(yīng)用[D];安徽理工大學(xué);2012年

2 苗春玉;線(xiàn)性判別分析改進(jìn)算法的分析與研究[D];遼寧師范大學(xué);2012年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 汪應(yīng);羅元成;;病蟲(chóng)害智能識(shí)別噴藥裝置設(shè)計(jì)——基于PC圖像處理和近紅外光譜分析[J];農(nóng)機(jī)化研究;2017年11期

2 王偉;王川;王麗偉;;水稻工廠(chǎng)化育秧生長(zhǎng)信息智能模擬采集系統(tǒng)的設(shè)計(jì)[J];農(nóng)機(jī)化研究;2017年08期

3 張擻;;基于圖像處理技術(shù)測(cè)量馬鈴薯表形特征[J];物理實(shí)驗(yàn);2017年07期

4 溫淑嫻;李紹穩(wěn);金秀;趙劉;江寒;;基于高光譜的碭山酥梨炭疽病害等級(jí)分類(lèi)研究[J];計(jì)算機(jī)科學(xué);2017年S1期

5 郭剛剛;樊偉;薛嘉倫;張勝茂;張衡;唐峰華;程田飛;;基于NPP/VIIRS夜光遙感影像的作業(yè)燈光圍網(wǎng)漁船識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2017年10期

6 介鄧飛;李澤海;趙竣威;連裕翔;魏萱;;基于高光譜漫透射成像可視化檢測(cè)臍橙可溶性固形物[J];發(fā)光學(xué)報(bào);2017年05期

7 馮迪;紀(jì)建偉;張莉;劉思伽;田有文;;蘋(píng)果品質(zhì)高光譜成像檢測(cè)技術(shù)研究進(jìn)展[J];食品工業(yè)科技;2017年10期

8 張麗;劉騰飛;劉文靜;俞莉;黃亞明;董明輝;;洞庭碧螺春茶葉品質(zhì)評(píng)價(jià)研究進(jìn)展[J];農(nóng)產(chǎn)品加工;2017年09期

9 馬艷;張若宇;;不同光譜預(yù)處理方法的鮮杏缺陷支持向量機(jī)識(shí)別[J];新疆農(nóng)墾科技;2017年04期

10 李瑞;傅隆生;;基于高光譜圖像的藍(lán)莓糖度和硬度無(wú)損測(cè)量[J];農(nóng)業(yè)工程學(xué)報(bào);2017年S1期

相關(guān)碩士學(xué)位論文 前10條

1 楊賀;深度學(xué)習(xí)算法的研究及心音深度識(shí)別系統(tǒng)的構(gòu)建與優(yōu)化[D];南京郵電大學(xué);2016年

2 趙曉東;大口徑經(jīng)緯儀保護(hù)窗口鏡面變形分析及結(jié)構(gòu)優(yōu)化研究[D];中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;2016年

3 陳久龍;基于BP神經(jīng)網(wǎng)絡(luò)的銀行營(yíng)業(yè)網(wǎng)點(diǎn)選址與評(píng)價(jià)研究[D];長(zhǎng)春工業(yè)大學(xué);2016年

4 朱曉男;無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合算法的研究[D];吉林大學(xué);2016年

5 何志連;BP神經(jīng)網(wǎng)絡(luò)整體變步長(zhǎng)與個(gè)體變步長(zhǎng)算法的比較研究[D];東北農(nóng)業(yè)大學(xué);2016年

6 王征;序列圖像質(zhì)量對(duì)目標(biāo)跟蹤精度的影響分析[D];哈爾濱工業(yè)大學(xué);2016年

7 張瑜;支票掃描圖像中的字符識(shí)別算法及實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2016年

8 李增松;基于多源信息的制動(dòng)摩擦溫升在線(xiàn)融合監(jiān)測(cè)方法研究[D];中國(guó)礦業(yè)大學(xué);2016年

9 王成才;鉆井平臺(tái)大壁厚管架焊后熱處理控制系統(tǒng)的研究與設(shè)計(jì)[D];西安工業(yè)大學(xué);2016年

10 荀海潞;基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在自相關(guān)過(guò)程控制中的應(yīng)用[D];長(zhǎng)安大學(xué);2016年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田有文;程怡;王小奇;栗慶吉;;基于高光譜成像的蘋(píng)果蟲(chóng)害檢測(cè)特征向量的選取[J];農(nóng)業(yè)工程學(xué)報(bào);2014年12期

2 張保華;黃文倩;李江波;趙春江;劉成良;黃丹楓;貢亮;;基于高光譜成像技術(shù)和MNF檢測(cè)蘋(píng)果的輕微損傷[J];光譜學(xué)與光譜分析;2014年05期

3 張嬙;潘磊慶;吳林蔚;朱娜;張偉;屠康;;利用反射和半透射高光譜圖像檢測(cè)水蜜桃早期冷害[J];食品科學(xué);2014年04期

4 田有文;程怡;吳瓊;牟鑫;;農(nóng)產(chǎn)品病蟲(chóng)害高光譜成像無(wú)損檢測(cè)的研究進(jìn)展[J];激光與紅外;2013年12期

5 吳龍國(guó);何建國(guó);劉貴珊;賀曉光;王偉;王松磊;李丹;;基于NIR高光譜成像技術(shù)的長(zhǎng)棗蟲(chóng)眼無(wú)損檢測(cè)[J];發(fā)光學(xué)報(bào);2013年11期

6 趙娟;彭彥昆;Sagar Dhakal;張雷蕾;;基于機(jī)器視覺(jué)的蘋(píng)果外觀缺陷在線(xiàn)檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年S1期

7 黃文倩;陳立平;李江波;張馳;;基于高光譜成像的蘋(píng)果輕微損傷檢測(cè)有效波長(zhǎng)選取[J];農(nóng)業(yè)工程學(xué)報(bào);2013年01期

8 馬本學(xué);肖文東;祁想想;何青海;李鋒霞;;基于漫反射高光譜成像技術(shù)的哈密瓜糖度無(wú)損檢測(cè)研究[J];光譜學(xué)與光譜分析;2012年11期

9 劉燕德;張光偉;;高光譜成像技術(shù)在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用[J];食品與機(jī)械;2012年05期

10 鄒小波;陳正偉;石吉勇;黃曉瑋;張德濤;;基于近紅外高光譜圖像的黃瓜葉片色素含量快速檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2012年05期

相關(guān)碩士學(xué)位論文 前10條

1 黃志輝;人工神經(jīng)網(wǎng)絡(luò)優(yōu)化算法研究[D];中南大學(xué);2009年

2 侯曉宇;基于流形學(xué)習(xí)的特征提取方法研究[D];大連理工大學(xué);2009年

3 賈光峰;基于多表達(dá)式編程的神經(jīng)網(wǎng)絡(luò)自動(dòng)優(yōu)化方法及其應(yīng)用研究[D];濟(jì)南大學(xué);2009年

4 劉治國(guó);人工神經(jīng)網(wǎng)絡(luò)在薄差水淹層解釋中的應(yīng)用研究[D];吉林大學(xué);2009年

5 孫娓娓;BP神經(jīng)網(wǎng)絡(luò)的算法改進(jìn)及應(yīng)用研究[D];重慶大學(xué);2009年

6 梁兆陽(yáng);基于神經(jīng)網(wǎng)絡(luò)的非最小相位控制系統(tǒng)的研究[D];華北電力大學(xué)（河北）;2009年

7 吳振中;人臉識(shí)別特征提取的研究[D];南京理工大學(xué);2008年

8 于耀亮;基于局部幾何關(guān)系的降維方法研究及其在人臉識(shí)別中的應(yīng)用[D];復(fù)旦大學(xué);2008年

9 王德強(qiáng);基于改進(jìn)粒子群算法的PID控制器參數(shù)整定[D];南京信息工程大學(xué);2008年

10 金香花;基于同時(shí)進(jìn)化神經(jīng)網(wǎng)絡(luò)的團(tuán)隊(duì)游戲智能的設(shè)計(jì)[D];延邊大學(xué);2008年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李麗;張海濤;;基于BP人工神經(jīng)網(wǎng)絡(luò)的小城鎮(zhèn)生態(tài)環(huán)境質(zhì)量評(píng)價(jià)模型[J];應(yīng)用生態(tài)學(xué)報(bào);2008年12期

2 楊瀟;張秋良;;基于BP人工神經(jīng)網(wǎng)絡(luò)的大青山自然保護(hù)區(qū)華北落葉松人工林全林分生長(zhǎng)模型研究[J];內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年Z1期

3 郭慶春;何振芳;李力;李海寧;;BP人工神經(jīng)網(wǎng)絡(luò)模型在太湖水污染指標(biāo)預(yù)測(cè)中的應(yīng)用[J];南方農(nóng)業(yè)學(xué)報(bào);2011年10期

4 馬桂云,韓士群,嚴(yán)少華,唐婉瑩,張振華;鎘在鯽魚(yú)體內(nèi)積累規(guī)律及BP人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)[J];江蘇農(nóng)業(yè)科學(xué);2003年06期

5 歐照鏗;唐南奇;張黎明;;基于BP人工神經(jīng)網(wǎng)絡(luò)的開(kāi)發(fā)區(qū)土地集約利用評(píng)價(jià)——以福建省為例[J];福建農(nóng)林大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

6 孫學(xué)浩;孫惠合;;宿州市秋冬連旱的灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型[J];安徽農(nóng)業(yè)科學(xué);2009年24期

7 趙玉杰;師榮光;高懷友;王躍華;白志鵬;傅學(xué)起;;基于MATLAB6.x的BP人工神經(jīng)網(wǎng)絡(luò)的土壤環(huán)境質(zhì)量評(píng)價(jià)方法研究[J];農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào);2006年01期

8 賀艷輝;袁永明;張紅燕;龔，

本文編號(hào)：2076141