基于高光譜成像寒富蘋果品質(zhì)參數(shù)檢測方法和等級評價的研究

發(fā)布時間：2020-07-12 13:10

【摘要】：我國雖然是世界蘋果生產(chǎn)大國,但出口數(shù)量相對總產(chǎn)量卻只有不到3%,與其他蘋果主要生產(chǎn)國、出口國相比,有較大差距。究其原因,是因為蘋果采后的商品化處理水平低,其中分級在其產(chǎn)后處理過程中起著核心的作用。目前寒富蘋果分級主要以人工分揀為主,但其分揀主觀性強,檢測精度不高。因此本研究采用高光譜成像技術(shù)對寒富蘋果的綜合品質(zhì)等級進行評價,其成果對提高寒富蘋果產(chǎn)后分級水平具有重要意義。本研究主要研究內(nèi)容及成果:(1)本研究將蘋果圖像從RGB顏色空間轉(zhuǎn)換到HIS顏色空間,提取H分量,運用像素點變換法計算出著色面積,并計算出著色度。對蘋果圖像進行預(yù)處理,找到蘋果輪廓的質(zhì)心并計算出直徑大小,求出蘋果輪廓的最小外接圓和最大內(nèi)切圓,并計算兩圓面積比,求出果形指數(shù)。(2)本研究對蘋果果梗的完整性進行檢測,利用高光譜成像技術(shù)提取蘋果感興趣區(qū)域光譜信息。采用逐步多元回歸算法(SMLR)從全波段(450~970nm)提取了5個特征波長,采用連續(xù)投影算法(SPA)從全波段(450~970nm)提取了7個特征波長,然后,提取感興趣區(qū)域的慣性矩、相關(guān)性、能量和熵4個紋理特征。將光譜特征、紋理特征、光譜特征結(jié)合紋理特征3組數(shù)據(jù),分別作為輸入矢量,采用支持向量機(SVM)、BP人工神經(jīng)網(wǎng)絡(luò)(BPANN)對蘋果果梗完整性進行識別,結(jié)果表明:只采用光譜特征作為輸入矢量識別效果較好,其中SPA-SVM方法識別效果最好,識別正確率達到91.7%,且數(shù)據(jù)計算量小。該研究為蘋果品質(zhì)等級評價提供了理論依據(jù)。(3)本研究提出了將模糊隸屬度函數(shù)應(yīng)用到蘋果品質(zhì)好壞程度的評價。將大小、果梗完整性、病害缺陷、硬度、果形指數(shù)、著色面積、糖度七項指標(biāo)作為輸入矢量,分別建立決策樹C4.5、T-S模糊神經(jīng)網(wǎng)絡(luò)(T-S-FNN)、模糊最小二乘支持向量機(FLSSVM)模型對寒富蘋果綜合品質(zhì)等級進行評價。決策樹C4.5模型的判別效果最好,驗證集總正確率為95.47%,其中,特等果判別正確率為100%,一等果判別正確率為95.5%,二等果判別正確率為94%,等外果判別正確率為92.4%。FLSSVM模型的判別效果次之,驗證集總正確率為93.6%。試驗結(jié)果表明:決策樹C4.5模型在多指標(biāo)決策中具有一定優(yōu)勢,更能適應(yīng)數(shù)據(jù)的微小變動。
【學(xué)位授予單位】：沈陽農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;S661.1
【圖文】：

流程圖,技術(shù)路線,流程圖

10圖 1.1 技術(shù)路線流程圖Fig. 1.1 Technical route flow chart1.4 本章小結(jié)本章對研究課題的背景進行了闡述，說明了我國蘋果競爭力不足的原因，同時也說明了課題研究的意義。對高光譜成像技術(shù)在水果品質(zhì)檢測以及綜合品質(zhì)等級評價方面的國內(nèi)外研究現(xiàn)狀進行了分析，提出本研究的研究內(nèi)容和技術(shù)路線。

二值圖,蘋果,二值圖,輪廓曲線

圖 2.2 蘋果邊緣二值圖2 Apple edge binarization imag子檢測得到的蘋果邊緣圖像像素點。圖中虛假信息較多，有的為較小的閉合曲線）于蘋果輪廓曲線的像素，利克俊，2009）。如圖 2.3 所圖 2.3 蘋果輪廓曲線圖 2.3 Apple outline curve image輪廓曲線是連續(xù)且閉合的，

蘋果,輪廓曲線,像素點