我國是盛產(chǎn)蜜橘的國家之一,出口量逐年上升,近年來蜜橘更是遠銷東南亞、中東、歐盟等地區(qū)。蜜橘以其味甘甜如蜜而得名,營養(yǎng)豐富,可以預防多種疾病。然而目前蜜橘成熟度是通過有經(jīng)驗的果農(nóng)來判斷的,這種方法會因為個體經(jīng)驗不一樣導致進入市場的蜜橘成熟度不一,不便于蜜橘的運輸、儲藏和銷售,降低了其市場競爭力,很大程度上影響了我國蜜橘的出口。近年來應用于檢測水果成熟度的方法有聲學檢測、近紅外光譜無損檢測、高光譜檢測、電子鼻檢測等方法,但是這些方法的檢測系統(tǒng)復雜、體積龐大、價格昂貴、操作不便。因此,研究一種系統(tǒng)簡單、準確可靠、操作方便以及成本低的蜜橘成熟度檢測裝置有重要意義。研究的主要內(nèi)容及結(jié)論如下:(1)基于理化特性的蜜橘成熟度評價指標對比分析。研究以2016年9月-11月的蜜橘為研究對象,采用統(tǒng)計法分析蜜橘的重量、橫徑、縱徑、葉綠素、可溶性固形物、酸度、色差、可溶性固形物與酸度的比值(固酸比)、葉綠素比可溶性固形物、葉綠素比酸度以及葉綠素與固酸比的比值的平均值和偏差的變化,結(jié)果表明葉綠素、葉綠素比可溶性固形物和葉綠素與固酸比的比值這三種參數(shù)適合作為蜜橘成熟度評價指標。(2)蜜橘可見/近紅外光譜特性分析。通過分析6個采收期的平均光譜隨采收期的變化特點,結(jié)果顯示蜜橘的可見/近紅外光譜的波峰波谷的形成與葉綠素的吸收波段有關,并獲得四個特征波長分別為649nm、672nm、724nm、1100nm。又進一步分析光譜的變異系數(shù),結(jié)果顯示不同采收期的蜜橘可見/近紅外光譜的變異系數(shù)在670nm波長處的值最大,而這個波長正是葉綠素的吸收波峰。(3)基于光譜指數(shù)的蜜橘成熟度評價指數(shù)對比分析。將上述獲得的四個特征波長采用光譜指數(shù)構建方法構建6種蜜橘成熟度評價指數(shù),采用相關系數(shù)對比分析這6種蜜橘成熟度評價指數(shù),結(jié)果顯示R(649nm)+R(724nm)與R(672nm)+R(1100nm)的相關系數(shù)最高為0.9916,因此選用其作為最佳蜜橘成熟度評價指數(shù)。(4)基于可見/近紅外光譜蜜橘成熟度評價模型建立與驗證。結(jié)合蜜橘成熟度評價指標和最佳蜜橘成熟度評價指數(shù)建立線性回歸模型,結(jié)果顯示以葉綠素作為蜜橘成熟度評價指標的模型效果最好,其建模集相關系數(shù)和預測集相關系數(shù)分別為0.98和0.96,建模和預測均方根誤差為0.49和0.59,建模和預測偏差為-6.1×10~(-8)和-0.014,建模集和預測集線性回歸方程分別為y=0.95x+0.016和y=0.91x+0.032。(5)基于單片機的蜜橘成熟度檢測系統(tǒng)。該系統(tǒng)由650nm和724nm波長燈珠、STC89C52單片機、硅光電池、AD7705模塊和PC機組成。以2017年9月-11月的蜜橘為研究對象,采用該系統(tǒng)測量不同采收期的蜜橘在兩個不同波長的光照下硅光電池所輸出的電壓值。最后以測量的電壓值的比值與葉綠素建立線性回歸方程,結(jié)果顯示模型的建模集相關系數(shù)與預測集相關系數(shù)分別為0.77和0.75,建模均方根誤差與預測集均方根誤差分為3.7和3.8。建模集的線性回歸方程為y=0.768x+1.865,預測集的線性回歸方程為y=0.775x+2.432。
【學位單位】：華東交通大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：S666
【文章目錄】：
摘要
abstract
主要符號說明
第一章 緒論
    1.1 研究目的及意義
    1.2 蜜橘成熟度檢測國內(nèi)外研究現(xiàn)狀
        1.2.1 蜜橘成熟度檢測國內(nèi)研究現(xiàn)狀
        1.2.2 蜜橘成熟度檢測國外研究現(xiàn)狀
    1.3 研究內(nèi)容及技術路線
        1.3.1 研究內(nèi)容
        1.3.2 技術路線
    1.4 本章總結(jié)
第二章 實驗材料與方法
    2.1 實驗材料及理化指標測量
        2.1.1 實驗材料
        2.1.2 蜜橘理化指標測量
    2.2 實驗設備及檢測原理
        2.2.1 便攜式可見光/近紅外光譜儀檢測系統(tǒng)
        2.2.2 可見/近紅外光譜檢測原理
    2.3 基于光譜指數(shù)的蜜橘成熟度評價方法
        2.3.1 成熟度指標分析方法
        2.3.2 光譜指數(shù)分析方法
        2.3.3 基于成熟度評價指標與光譜指數(shù)的成熟度模型構建方法
    2.4 本章小結(jié)
第三章 基于光譜指數(shù)的蜜橘成熟度檢測模型研究
    3.1 基于理化特性的蜜橘成熟度評價指標對比分析
    3.2 蜜橘可見/近紅外光譜特性分析
        3.2.1 蜜橘可見/近紅外平均光譜特性分析
        3.2.2 基于變異系數(shù)的蜜橘光譜特性分析
    3.3 基于光譜指數(shù)的蜜橘成熟度評價指數(shù)對比分析
    3.4 基于可見/近紅外光譜蜜橘成熟度檢測模型建立與驗證
        3.4.1 基于可見/近紅外光譜蜜橘成熟度檢測模型
        3.4.2 基于可見/近紅外光譜蜜橘成熟度檢測模型的驗證
    3.5 結(jié)論
第四章 基于單片機的蜜橘成熟度檢測系統(tǒng)
    4.1 檢測原理
    4.2 基于單片機的蜜橘成熟度檢測系統(tǒng)硬件設計
        4.2.1 探頭裝置設計
        4.2.2 控制單元設計
        4.2.3 AD轉(zhuǎn)換電路設計
        4.2.4 硅光電池
        4.2.5 系統(tǒng)電路原理圖設計
        4.2.6 系統(tǒng)PCB設計
    4.3 基于單片機的蜜橘成熟度檢測系統(tǒng)軟件設計
        4.3.1 主程序
        4.3.2 AD轉(zhuǎn)換子程序
        4.3.3 串口輸出與串口驅(qū)動子程序
    4.4 基于單片機的蜜橘成熟度檢測系統(tǒng)可靠性驗證
        4.4.1 系統(tǒng)標定
        4.4.2 系統(tǒng)可靠性驗證分析
    4.5 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻
附錄A 基于光譜指數(shù)的蜜橘成熟度檢測系統(tǒng)原理圖
個人簡歷 在讀期間發(fā)表的學術論文
致謝

【參考文獻】

相關期刊論文 前10條

1 祝松柏;李清宇;;基于STC89C52的循跡避障智能小車的設計[J];輕工科技;2018年03期

2 李軍宇;張淑娟;張學豪;薛建新;;李果實成熟度的高光譜成像判別研究[J];農(nóng)機化研究;2017年12期

3 楊韜悅;張士科;楊新華;;一種大電流高精度電流源設計[J];電子設計工程;2017年22期

4 李麗麗;王斌;張學豪;張淑娟;;基于高光譜圖像信息的李果實成熟度判別[J];現(xiàn)代食品科技;2017年12期

5 黎源鴻;王紅軍;鄧建猛;黎鄒鄒;周偉亮;靳俊棟;;基于PCA-ELM和光譜技術預測香蕉成熟度[J];現(xiàn)代食品科技;2017年10期

6 方昕;;基于Labwindows/CVI的高壓隔離開關主回路微電阻測量的研究[J];計算機與數(shù)字工程;2017年07期

7 陳奕云;趙瑞瑛;齊天賜;亓林;張超;;結(jié)合光譜變換和Kennard-Stone算法的水稻土全氮光譜估算模型校正集構建策略研究[J];光譜學與光譜分析;2017年07期

8 陳武;向杭;陳塵;;一元線性回歸方程估計標準誤差的新認識[J];統(tǒng)計與決策;2017年12期

9 楊小玲;由昭紅;成芳;;高光譜成像技術檢測玉米種子成熟度[J];光譜學與光譜分析;2016年12期

10 羅丹;常慶瑞;齊雁冰;李媛媛;李松;;基于光譜指數(shù)的冬小麥冠層葉綠素含量估算模型研究[J];麥類作物學報;2016年09期

相關會議論文 前1條

1 毛瓊瓊;辜青青;徐回林;陳金印;;南豐蜜橘果實發(fā)育過程中有機酸含量及相關代謝酶活性的變化[A];中國園藝學會2012年學術年會論文摘要集[C];2012年

相關博士學位論文 前1條

1 毛建華;西瓜成熟度和內(nèi)部空心的聲學檢測技術及裝置研究[D];浙江大學;2017年

相關碩士學位論文 前2條

1 葛明;基于小波變換的西瓜成熟度聲學檢測方法[D];陜西師范大學;2014年

2 毛莎莎;基于光譜技術的甜橙果實內(nèi)在品質(zhì)檢測及成熟期預測模型研究[D];西南大學;2010年

本文編號：2832469