苹果无损检测的可见-近红外激光漫反射光谱图像技术研究

摘要

目前采用激光技术对水果内部品质进行检测时，普遍以大小相似的水果为研究对象，以水果果面激光光斑的面积为衡量指标。由于水果个体的差异性，导致光在水果内部的传播路径不同即光程不同，因此，使用激光光斑法对不同大小、形状的水果进行预测时，模型的预测精度很低。本研究旨在解决现阶段激光光斑法中光斑采集手段不完善、图像处理算法过于简单、检测精度不高等问题。研究以多品种、不同产地、不同环境的苹果为研究对象，以可溶性固形物含量和硬度等作为检测目标，分别从激光工作波长的筛选、果面漫反射图像的采集和处理、影响无损检测精度诸因素的分析及建立相应的修正算法、检测数学模型的建立、以及检测模型的验证等方面进行深入系统的研究。课题将近红外光谱检测技术与激光光晕图像中像素强度的变化相结合，使用多种化学计量学方法，建立苹果光晕图像中总像素数和像素强度频率与苹果内部质量的数理模型，为应用激光漫反射图像法，实现对水果内部品质的无损检测提供了理论依据，并为实现在线检测起到了指导意义。论文取得的主要创新性成果有： 1.根据近红外苹果品质检测的特征光谱确定激光器的工作波长；通过CCD感应曲线确定激光发射器的工作功率；根据激光器的发散角和焦距，确定激光器、CCD摄像头距苹果果面的距离；优化了激光光束的入射角度(15°)，搭建可调节距离的激光漫反射图像采集系统，修正了实验过陧中的系统误差。通过阈值分割、噪音去除、二值化、边缘提取等一系列图像处理方法，准确地获得水果果面激光光晕图像。通过对图像采集系统软件和硬件的调试，该系统能够准确地记录苹果及其果面光晕图像的信息，为应用激光漫反射图像法对苹果的无损检测奠定了基础。 2.首次提出了消除苹果大小和形状对品质检测影响的方法，分析了多波长的富士苹果果面激光光晕图像，并得出了苹果形状修正算法。创新地提出可充分表征光子传播过程中的能量衰减程度并体现漫反射光信息的方法——光晕像素强度频率检测法，并利用该方法建立了苹果硬度和可溶性固形物含量的偏最小二乘回归(PLSR)模型。通过与果面光斑图像中光强均值、光斑/光晕图像的总像素数以及光斑图像的像素强度频率建立的PLSR模型效果做比较，光晕像素强度频率建立的模型效果最好，而光斑总像素数的预测能力最差。二者建立可溶性固形物含量PLSR模型的相关系数(r)分别为0.80和0.87，相对误差(RSD％)分别为11.06％和6.46％；硬度PLSR模型的r分别为0.84和0.89，RSD％分别为14.86％和9.84％。形状修正算法计算后的苹果可溶性固形物含量和硬度PLSR模型，使r从0.78和0.80分别提高到0.87和0.89。 3.利用光晕像素强度频率法对'Elstar'果和'Pmova'苹果进行检测，得出苹果形状修正算法可以明显提高模型的预测精度：修正后'Elstar'苹果可溶性固形物含量PISR模型的r从0.80提高到0.89，而RSD％则从9.63％降低为5.49％；硬度PLSR模型的r从0.83提高到0.90，RSD％从11.1％降低为5.61％。对比不同的背景分割方法可知，不同的阈值选取方法对模型的影响不大。比较激光光晕总像素数，光晕像素强度频率能够建立检测精度更高的PISR模型：前者检测'Elstar'苹果可溶性固形物含量时，模型最佳的r为0.82；而利用后者建立模型的r为0.89。硬度模型的效果没有明显差异，但后者使模型(r=0.90)有变好的趋势。此外，比较了逐步多元线性回归(SMLR)、主成分回归(PCR)和PLSR三种方法的建模效果，结果表明PLSR法更适合激光漫反射图像法对苹果可溶性固形物含量和硬度的检测。通过对不同品种苹果问模型预测效果的比较得出，苹果可溶性固形物含量和硬度模型的RSD％均小于13％。 4.首次利用激光漫反射图像法，预测'Elstar'苹果和'Pinova'苹果在整个生长期中可溶性固形物．含量和硬度的变化。通过建立苹果可溶性固形物含量和硬度与光晕像素强度频率的PISR模型，用以监测两个不同品种、不同生长环境下的苹果，在生长期中内部成分的变化情况：在不同的采摘时间，'Elstar'苹果硬度PLSR模型的RSD％在0.51％和1.90％之间变化；可溶性固形物含量PLSR模型的RSD％的变化区间为0.77-6.02％。利用像素强度频率预测'Pinova'苹果的硬度时，模型的RSD％<2.21％；可溶性圆形物含量模型的RSD％<6.53％。

目录

文摘

英文文摘

论文说明：插图清单、表格清单、相关缩略词及名词术语

声明

第一章绪论

1.1引言

1.2研究目的和意义

1.3国内外水果无损检测技术的研究现状

1.3.1近红外光谱无损检测技术的研究进展

1.3.2机器视觉技术在水果检测中的应用

1.3.3激光技术在水果检测中的应用

1.3.4目前国内外研究中存在的问题

1.4研究目的与具体内容

1.4.1研究目的

1.4.2总体研究内容

第二章激光漫反射图像检测技术的理论基础

2.1引言

2.2激光漫反射图像法分析水果内部品质的理化基础

2.2.1近红外光谱检测技术的理化基础

2.2.2激光漫反射图像检测技术的理化基础

2.3激光漫反射图像检测技术的技术路线

2.4激光漫反射图像定量分析中常用的化学计量学方法

2.4.1多元线性回归

2.4.2主成分回归

2.4.3偏最小二乘回归

2.5激光漫反射图像法建立苹果内部品质定标模型的评价指标

2.5.1相关系数

2.5.2校正均方根误差、交互验证均方根误差和预测均方根误差

2.5.3相对标准差

2.6本章小结

第三章激光工作波长的筛选

3.1引言

3.2激光工作波长筛选的技术流程

3.3苹果近红外光谱的采集

3.3.1实验材料

3.3.2实验仪器

3.3.3苹果近红外光谱的采集

3.4样品内部成分的检测

3.4.1实验材料及处理

3.4.2实验仪器

3.4.3硬度的测定(GB10651-89)

3.4.4可溶性固形物含量的测定(GB/T 12295-90)

3.4.5水分含量的测定

3.4.6实验结果

3.5苹果近红外光谱的预处理

3.5.1不同预处理方法计算后的苹果近红外光谱谱图

3.5.2不同光谱预处理方法对苹果内部品质定标模型的影响

3.6近红外光谱特征波长的选取

3.6.1相关系数法

3.6.2遗传算法

3.6.3近红外光谱特征波长的选取步骤和结果

3.7利用特征波长建立苹果内部品质的定标模型

3.7.1可溶性固形物含量

3.7.2硬度

3.7.3水分含量

3.8激光工作波长的确定

3.9本章小结

第四章激光漫反射图像处理算法及其软件系统的设计

4.1引言

4.2图像采集系统的搭建

4.3图像预处理的算法流程

4.4图像的格式转换

4.5激光光斑图像的背景分割研究

4.5.1基于双峰法的阈值选取

4.5.2基于迭代法的阈值选取

4.5.3基于大津法的阈值选取

4.6图像的去噪处理

4.7图像的边缘检测算法

4.7.1图像边缘检测算子的确定

4.7.2激光散射光斑与苹果半径的计算方法

4.8图像处理算法软件系统的设计与实现

4.9本章小结

第五章激光漫反射图像法——光晕像素强度频率法的建立

5.1引言

5.2激光漫反射图像法的建立依据

5.2.1光斑/光晕面积法的形状修正算法

5.2.2反射光强法的形状修正算法

5.2.3光晕像素强度频率法

5.2.4激光漫反射图像法的基本流程

5.3激光漫反射图像法的验证与评价

5.3.1实验材料

5.3.2苹果及漫反射图像的采集

5.3.3苹果可溶性固形物含量和硬度的测定

5.3.4果面漫反射图像的处理

5.3.5建模方法与模型评价指标

5.3.6苹果形状参数修正算法的验证

5.3.7果面镜面反射对苹果内部成分定标模型的影响研究

5.3.8光晕像素强度频率法的验证与评价

5.4本章小结

第六章激光漫反射图像法在苹果内部品质检测中的应用

6.1引言

6.2材料与方法

6.2.1实验材料

6.2.2苹果及果面漫反射图像的采集

6.2.3苹果可溶性固形物含量和硬度的测定

6.2.4果面光晕图像的处理

6.2.5建模方法及模型评价指标

6.3形状参数修正算法在不同品种苹果检测中的应用

6.3.1苹果形状参数的计算

6.3.2果面反射光强的计算

6.3.3激光光斑/光晕面积的计算

6.4基于激光漫反射图像法预测不同品种苹果的内部品质

6.4.1基于激光光晕面积法预测不同品种苹果的内部品质

6.4.2基于激光光晕像素强度频率法预测不同品种苹果的内部品质

6.5苹果内部成分定量分析模型建立的方法研究

6.5.1苹果内部成分SMLR、PCR和PLSR模型的建立

6.5.2模型效果比较分析

6.6本章小结

第七章激光漫反射图像法在监测苹果生长过程中的应用

7.1引言

7.2材料与方法

7.2.1实验材料

7.2.2苹果及光斑图像的采集

7.2.3漫反射图像的处理

7.2.4苹果可溶性固形物含量和硬度的测定

7.2.5显著性分析方法

7.3结果与讨论

7.3.1苹果内部成分在成熟过程中的变化和显著性检验

7.3.2激光漫反射图像法对苹果生长期的监测

7.4本章小结

第八章结论与展望

8.1主要结论

8.2论文的主要创新点

8.3今后的研究与设想

参考文献

致谢

作者简历