本文關(guān)鍵詞： 蘋(píng)果 高光譜成像 多指標(biāo) 外觀品質(zhì) 內(nèi)部品質(zhì) 分級(jí)　出處：《沈陽(yáng)農(nóng)業(yè)大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：我國(guó)是蘋(píng)果種植大國(guó),產(chǎn)量近10年高居世界首位,各種蘋(píng)果需要精確分級(jí)以適應(yīng)不同人群的需求。面對(duì)龐大的數(shù)量,有必要建立精度高、速度快、指標(biāo)全的檢測(cè)線,以實(shí)現(xiàn)智能化分級(jí),對(duì)于提高分級(jí)效率、節(jié)省勞動(dòng)成本、保障我國(guó)優(yōu)質(zhì)蘋(píng)果與進(jìn)口品種的競(jìng)爭(zhēng)力具有重要意義。本文以寒富蘋(píng)果為研究對(duì)象,利用高光譜成像系統(tǒng)中圖像與光譜相結(jié)合的特點(diǎn),檢測(cè)蘋(píng)果外觀與內(nèi)部的多項(xiàng)指標(biāo)。根據(jù)指標(biāo)特征開(kāi)發(fā)針對(duì)性的檢測(cè)技術(shù)與方法,并通過(guò)挖掘檢測(cè)中的共用信息建立多指標(biāo)綜合分級(jí)仿真系統(tǒng)。主要研究?jī)?nèi)容如下:(1)分析蘋(píng)果的指標(biāo)特性,根據(jù)指標(biāo)的重要性確定檢測(cè)流程。外觀指標(biāo)包括大小、外形與病害,內(nèi)部指標(biāo)包括糖度與硬度,顏色作為輔助指標(biāo)參考內(nèi)部指標(biāo)檢測(cè)的光譜信息驗(yàn)證分級(jí)結(jié)果。建立大小→外形→病害→糖度→硬度→顏色的檢測(cè)順序,實(shí)現(xiàn)外觀狀態(tài)與內(nèi)部品質(zhì)綜合評(píng)價(jià)。(2)依據(jù)765nm與904nm兩個(gè)最佳波長(zhǎng)信息檢測(cè)大小、外形與病害3項(xiàng)外觀指標(biāo)。圖像預(yù)處理環(huán)節(jié)中,采用中值濾波法增強(qiáng)904nm圖像以檢測(cè)大小與外形;獲取765nm的掩膜圖像應(yīng)用于病害檢測(cè)。檢測(cè)過(guò)程中,各類指標(biāo)開(kāi)發(fā)了針對(duì)性的描述方法與數(shù)學(xué)方法。采用MER矩判別法與像素點(diǎn)統(tǒng)計(jì)法檢測(cè)大小,準(zhǔn)確率為98.75%。通過(guò)蘋(píng)果輪廓最小外接圓與最大內(nèi)切圓的相關(guān)信息判別果形指數(shù)、偏心度與對(duì)稱度,其中以兩圓的面積比描述果形指數(shù),以兩圓的極限距離比描述偏心度,以內(nèi)切圓切點(diǎn)連線對(duì)輪廓的分割區(qū)域比描述對(duì)稱度,實(shí)現(xiàn)三角度外形檢測(cè),準(zhǔn)確率為95%。病害檢測(cè)中,根據(jù)病害區(qū)域與正常區(qū)域的反射光譜差異提出改進(jìn)流行距離算法,通過(guò)比較流行距離L值開(kāi)發(fā)了 3個(gè)適合病害檢測(cè)的特征波長(zhǎng)—700nm、765nm和904nm。根據(jù)不同波長(zhǎng)下的光譜信息組合,建立BP神經(jīng)網(wǎng)絡(luò)檢測(cè)模型,發(fā)現(xiàn)765nm結(jié)合904nm的反射光譜可以更好的檢測(cè)病害特征,準(zhǔn)確率為96.25%。(3)內(nèi)部品質(zhì)檢測(cè)中,利用543nm與674nm光譜信息同時(shí)檢測(cè)蘋(píng)果的糖度與硬度。在雙面圖像采集的前提下,獲取亮度相近感興趣區(qū)域(ROIs)的光譜反射波形,采用二階導(dǎo)數(shù)結(jié)合標(biāo)準(zhǔn)正態(tài)變量(SD+SNV)的方式平滑波形;根據(jù)ROIs的糖度與硬度的測(cè)試結(jié)果連續(xù)投影(SPA)出兩項(xiàng)指標(biāo)各自的特征波長(zhǎng),結(jié)合特征波長(zhǎng)分布提出互換輸出指標(biāo)的二次連續(xù)投影算法,尋找雙指標(biāo)檢測(cè)中共用的波長(zhǎng)信息;根據(jù)不同環(huán)境下共用的波長(zhǎng)信息,比較最小二乘支持向量機(jī)(LS-SVM)與遺傳算法開(kāi)發(fā)神經(jīng)網(wǎng)絡(luò)(GA-BP)的預(yù)測(cè)效果,發(fā)現(xiàn)GA-BP參考雙面取樣最佳波長(zhǎng)(543nm與674nm)信息可建立最優(yōu)效果,糖度預(yù)測(cè)相關(guān)系數(shù)(R)為0.8476,均方誤差(MSE)為3.32;硬度R為0.7938,MSE為9.6。此外,利用糖度與硬度的最佳波長(zhǎng)信息檢測(cè)蘋(píng)果顏色,根據(jù)兩個(gè)波長(zhǎng)下RIOs的反射光譜差異提出了紅綠色的極限差之比與著色濃度比,判斷蘋(píng)果的著色度,實(shí)現(xiàn)顏色指標(biāo)的量化判定。(4)使用MATLAB2013a設(shè)計(jì)蘋(píng)果在線綜合分級(jí)仿真系統(tǒng),按照大小→外形→病害→糖度→硬度的順序編寫(xiě)檢測(cè)程序,通過(guò)識(shí)別蘋(píng)果的圖像、光譜、指標(biāo)信息模擬在線分級(jí)。系統(tǒng)參照分級(jí)標(biāo)準(zhǔn)建立不同環(huán)境下的指標(biāo)數(shù)據(jù)庫(kù),按照量化標(biāo)準(zhǔn)分為特級(jí)果、一級(jí)果、二級(jí)果、等外果。程序末端增設(shè)了選用的檢驗(yàn)環(huán)節(jié),通過(guò)檢測(cè)顏色指標(biāo)驗(yàn)證分級(jí)結(jié)果的準(zhǔn)確性。設(shè)計(jì)仿真系統(tǒng)操作界面,包含用戶管理、環(huán)境參數(shù)、指標(biāo)參數(shù)、數(shù)據(jù)顯示等功能,操作人員參考幫助信息合理使用分級(jí)系統(tǒng),實(shí)現(xiàn)對(duì)蘋(píng)果多指標(biāo)的綜合檢測(cè)。
[Abstract]:In order to improve the classification efficiency and to save labor costs and to guarantee the competitiveness of high - quality apples and imported varieties . ( 3 ) In the detection of internal quality , the spectral reflection waveform of apples is detected by using the spectral information of 54nm and 67nm . The best results are obtained by using the second derivative combining with the standard normal variable ( SD + SNV ) . The results show that the optimal wavelength information is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the mean square error ( MSE ) is 0 . 8476 , the index parameter is the index parameter , the data display and so on .

【學(xué)位授予單位】：沈陽(yáng)農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：S661.1;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 單佳佳;彭彥昆;王偉;李永玉;吳建虎;張雷蕾;;基于高光譜成像技術(shù)的蘋(píng)果內(nèi)外品質(zhì)同時(shí)檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2011年03期

2 王斌;薛建新;張淑娟;;基于高光譜成像技術(shù)的腐爛、病害梨棗檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年S1期

3 蔡健榮;韓智義;;碧螺春茶葉的真?zhèn)舞b別技術(shù)——基于漫反射式高光譜成像技術(shù)[J];農(nóng)機(jī)化研究;2013年04期

4 孫梅;陳興海;張恒;陳海霞;;高光譜成像技術(shù)的蘋(píng)果品質(zhì)無(wú)損檢測(cè)[J];紅外與激光工程;2014年04期

5 羅陽(yáng);何建國(guó);賀曉光;王松磊;劉貴珊;;農(nóng)產(chǎn)品無(wú)損檢測(cè)中高光譜成像技術(shù)的應(yīng)用研究[J];農(nóng)機(jī)化研究;2013年06期

6 田有文;牟鑫;程怡;;高光譜成像技術(shù)無(wú)損檢測(cè)水果缺陷的研究進(jìn)展[J];農(nóng)機(jī)化研究;2014年06期

7 余克強(qiáng);趙艷茹;李曉麗;張淑娟;何勇;;基于高光譜成像技術(shù)的鮮棗裂紋的識(shí)別研究[J];光譜學(xué)與光譜分析;2014年02期

8 丁冬;;高光譜成像技術(shù)及其在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用[J];科技信息;2013年35期

9 張?bào)憷?劉飛;聶鵬程;何勇;鮑一丹;;高光譜成像技術(shù)的油菜葉片氮含量及分布快速檢測(cè)[J];光譜學(xué)與光譜分析;2014年09期

10 章海亮;高俊峰;何勇;;基于高光譜成像技術(shù)的柑橘缺陷無(wú)損檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年09期

相關(guān)會(huì)議論文 前7條

1 盧云龍;劉志剛;;高光譜成像技術(shù)及其在目標(biāo)檢測(cè)中的應(yīng)用進(jìn)展[A];國(guó)家安全地球物理叢書(shū)（九）——防災(zāi)減災(zāi)與國(guó)家安全[C];2013年

2 馬本學(xué);應(yīng)義斌;饒秀勤;;高光譜成像在水果表面缺陷及污染檢測(cè)中的研究進(jìn)展[A];2007年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

3 何寶琨;;使用曲面棱鏡的高光譜成像系統(tǒng)設(shè)計(jì)[A];中國(guó)空間科學(xué)學(xué)會(huì)空間探測(cè)專業(yè)委員會(huì)第二十六屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)會(huì)議論文集[C];2013年

4 孫向軍;劉凱龍;趙志勇;李雪濤;;高光譜成像及仿真技術(shù)途徑探索[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

5 顏昌翔;;星載高光譜成像及數(shù)據(jù)應(yīng)用[A];第十屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

6 肖功海;舒嶸;薛永祺;;顯微成像光譜技術(shù)及其應(yīng)用[A];成像光譜技術(shù)與應(yīng)用研討會(huì)論文集[C];2004年

7 賴建軍;陳四海;陳坦;易新建;;基于MEMS微鏡陣列的高光譜成像技術(shù)研究[A];中國(guó)宇航學(xué)會(huì)深空探測(cè)技術(shù)專業(yè)委員會(huì)第三屆學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 葛明鋒;基于輕小型無(wú)人機(jī)的高光譜成像系統(tǒng)研究[D];中國(guó)科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

2 何青;多類型高光譜成像集成系統(tǒng)的研制及其應(yīng)用研究[D];暨南大學(xué);2015年

3 黃鋒華;基于高光譜成像技術(shù)的油桃品質(zhì)檢測(cè)及品種判別研究[D];山西農(nóng)業(yè)大學(xué);2016年

4 蒙慶華;基于MEMS技術(shù)的128×128陣列F-P腔可調(diào)諧紅外濾波器設(shè)計(jì)與制備研究[D];華中科技大學(xué);2015年

5 馮迪;基于高光譜成像蘋(píng)果外觀與內(nèi)部多指標(biāo)檢測(cè)研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2017年

6 王彩玲;干涉高光譜成像中的信息提取技術(shù)[D];中國(guó)科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所);2011年

7 朱逢樂(lè);基于光譜和高光譜成像技術(shù)的海水魚(yú)品質(zhì)快速無(wú)損檢測(cè)[D];浙江大學(xué);2014年

8 馬m，

本文編號(hào)：1490550