蘋果在采摘或者運輸過程中,會不可避免的因為一些外力原因造成不同程度的損傷,有些損傷表面看不出來或者不明顯,但是損傷部位的內(nèi)部品質(zhì)卻已經(jīng)發(fā)生變化,所以對于蘋果外部損傷的檢測至關(guān)重要,同時消費者在挑選水果時從以往僅僅關(guān)心水果的外部品質(zhì),也開始注重水果的內(nèi)部品質(zhì)。本文以糖心富士蘋果為研究對象,利用高光譜成像技術(shù)(380-1038nm)對蘋果的外部損傷進行檢測,針對全波段圖像采用主成分分析方法選出特征主成分圖像,根據(jù)該主成分圖像的特征向量優(yōu)選出10個特征波段,并針對特征波段再作一次主成分分析,選取第四個主成分圖像(PC-4)做圖像處理和識別,其綜合識別正確率只有81%。原因是采集的蘋果數(shù)據(jù)存在光斑從而影響實驗效果,本文利用圖像差值算法消除光斑的影響,將綜合識別率提高到90%。其次,本文利用高光譜成像技術(shù)對蘋果內(nèi)部指標(糖度和pH值)進行無損檢測研究,通過對原始光譜分別進行了多元散射校正(MSC)、Savitzky-Golay(S-G)卷積平滑和MSC+S-G的光譜預(yù)處理,根據(jù)相關(guān)系數(shù)法優(yōu)選出特征波段,利用偏最小二乘回歸(PLSR)和主成分回歸(PCR)建立預(yù)測模型。結(jié)果顯示,對糖度值而言,對原始光譜進行S-G卷積平滑處理,并應(yīng)用PCR建模效果最好,真實值和預(yù)測值的平均相對誤差為0.022877;對pH值而言,對原始光譜進行MSC處理,并應(yīng)用PCR建模效果最好,真實值和預(yù)測值的平均相對誤差為0.014614。最后,本文提出了一種利用高光譜技術(shù)檢測蘋果口感指標(酸味和澀味的回味)的研究方法,利用相關(guān)系數(shù)法選取特征波長,并建立特征波段下口感指標的PLSR預(yù)測模型。結(jié)果表明,可以利用高光譜技術(shù)進行蘋果口感指標的檢測,其中酸味的模型中預(yù)測集的相關(guān)系數(shù)為0.9700,預(yù)測均方根誤差為0.8587,平均相對誤差為0.042189;澀味的回味模型中預(yù)測集的相關(guān)系數(shù)達到0.9115,預(yù)測均方根誤差為0.0843,平均相對誤差為0.146391。綜上所述,利用高光譜成像技術(shù)不僅能有效的對蘋果外部損傷進行檢測,還可以對蘋果的內(nèi)部品質(zhì)指標和味覺口感指標進行檢測,為后續(xù)的在線檢測提供了實驗理論依據(jù)。
【學位單位】：東北電力大學
【學位級別】：碩士
【學位年份】：2016
【中圖分類】：S661.1;TP391.41
【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的目的及意義
    1.2 水果品質(zhì)無損檢測技術(shù)的研究現(xiàn)狀
    1.3 基于高光譜技術(shù)的水果內(nèi)外品質(zhì)研究現(xiàn)狀
        1.3.1 水果外部品質(zhì)研究現(xiàn)狀
        1.3.2 水果內(nèi)部品質(zhì)研究現(xiàn)狀
    1.4 本文所做的工作
第2章 高光譜成像技術(shù)的理論基礎(chǔ)
    2.1 引言
    2.2 高光譜成像技術(shù)的簡介
    2.3 高光譜成像技術(shù)原理
    2.4 高光譜成像的特點
    2.5 高光譜成像系統(tǒng)
        2.5.1 高光譜分選儀系統(tǒng)說明
        2.5.2 高光譜分選儀工作流程
    2.6 高光譜數(shù)據(jù)處理方法
        2.6.1 黑白校正方法
        2.6.2 主成分分析（PCA）
    2.7 本章小結(jié)
第3章 基于高光譜技術(shù)的蘋果外部品質(zhì)檢測方法研究
    3.1 試驗材料與儀器
        3.1.1 試驗材料
        3.1.2 試驗儀器
        3.1.3 圖像采集與標定
    3.2 圖像處理方法
        3.2.1 圖像二值化
        3.2.2 中值濾波
        3.2.3 形態(tài)學算法
        3.2.4 圖像差值算法
    3.3 結(jié)果與分析
        3.3.1 數(shù)據(jù)預(yù)處理
        3.3.2 選取蘋果感興趣區(qū)域
        3.3.3 全波段主成分分析
        3.3.4 特征波段主成分分析
        3.3.5 圖像處理與識別
    3.4 本章小結(jié)
第4章 基于高光譜技術(shù)的蘋果內(nèi)部品質(zhì)檢測方法研究
    4.1 蘋果內(nèi)部糖度值和pH值的測量
    4.2 光譜數(shù)據(jù)分析算法
        4.2.1 光譜數(shù)據(jù)預(yù)處理算法
            4.2.1.1 多元散射校正（MSC）
            4.2.1.2 Savitzky-Golay卷積平滑
        4.2.2 回歸算法介紹
            4.2.2.1 主成分回歸（PCR）
            4.2.2.2 偏最小二乘回歸（PLSR）
    4.3 結(jié)果與分析
        4.3.1 光譜數(shù)據(jù)預(yù)處理
        4.3.2 模型評價指標
        4.3.3 糖度值全波段光譜建模及分析
        4.3.4 pH值全波段光譜建模及分析
        4.3.5 選取糖度值和pH值光譜特征波段
        4.3.6 特征波段建模及分析
    4.4 本章小結(jié)
第5章 高光譜結(jié)合電子舌檢測蘋果口感指標
    5.1 電子舌測量蘋果的酸味和澀味的回味
        5.1.1 試驗材料與儀器
        5.1.2 試驗步驟
    5.2 獲取蘋果光譜數(shù)據(jù)
    5.3 建立模型和結(jié)果分析
        5.3.1 酸味和澀味的回味全波段光譜建模及分析
        5.3.2 選取酸味和澀味的回味光譜特征波段
    5.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表的論文及其他成果
致謝
附錄

【參考文獻】

相關(guān)期刊論文 前10條

1 章海亮;李曉麗;朱逢樂;何勇;;應(yīng)用高光譜成像技術(shù)鑒別綠茶品牌研究[J];光譜學與光譜分析;2014年05期

2 吳龍國;何建國;劉貴珊;賀曉光;王偉;王松磊;李丹;;基于近紅外高光譜成像技術(shù)的長棗含水量無損檢測[J];光電子.激光;2014年01期

3 章海亮;高俊峰;何勇;;基于高光譜成像技術(shù)的柑橘缺陷無損檢測[J];農(nóng)業(yè)機械學報;2013年09期

4 吳龍國;何建國;賀曉光;劉貴珊;王偉;王松磊;蘇偉東;羅陽;思振華;;高光譜圖像技術(shù)在水果無損檢測中的研究進展[J];激光與紅外;2013年09期

5 王海建;洪添勝;代芬;歐陽玉平;羅瑜清;倪慧娜;;基于高光譜圖像技術(shù)的沙梨無損檢測[J];廣東農(nóng)業(yè)科學;2013年09期

6 周竹;李小昱;陶海龍;高海龍;;基于高光譜成像技術(shù)的馬鈴薯外部缺陷檢測[J];農(nóng)業(yè)工程學報;2012年21期

7 程國首;郭俊先;肉孜·阿木提;饒秀勤;亢銀霞;石砦;;基于高光譜圖像技術(shù)預(yù)測蘋果大小[J];農(nóng)機化研究;2012年06期

8 周竹;李小昱;高海龍;陶海龍;李鵬;文東東;;馬鈴薯干物質(zhì)含量高光譜檢測中變量選擇方法比較[J];農(nóng)業(yè)機械學報;2012年02期

9 陳守滿;;高光譜圖像與農(nóng)產(chǎn)品品質(zhì)無損檢測研究進展[J];安康學院學報;2011年06期

10 李江波;饒秀勤;應(yīng)義斌;;農(nóng)產(chǎn)品外部品質(zhì)無損檢測中高光譜成像技術(shù)的應(yīng)用研究進展[J];光譜學與光譜分析;2011年08期

本文編號：2869110