声明
摘要
1 绪论
1.1 研究背景及研究意义
1.2 高光谱图像技术概述
1.3 高光谱图像技术在无损检测水果中的研究现状
1.3.1 高光谱图像技术在水果外部品质检测中的研究现状
1.3.2 高光谱图像技术在水果内部品质检测中的研究现状
1.4 本文主要研究内容
1.4.1 主要研究内容
1.4.2 主要技术路线
1.5 本文主要章节安排
2 高光谱图像预处理及苹果糖度硬度标准值测量
2.1 高光谱图像采集系统简介
2.2 实验材料的选取
2.3 苹果样本图像采集与处理
2.4 光谱数据预处理方法选择
2.4.1 光谱数据预处理简介
2.4.2 预处理方法选择
2.4.3 光谱数据预处理结果分析
2.5 苹果糖度与果肉硬度标准值的测量
2.5.1 苹果糖度标准值的测量
2.5.2 苹果硬度标准值的测量
2.6 本章小结
3 高光谱图像苹果糖度与果肉硬度模型的建立
3.1 建模方法概述
3.1.1 偏最小二乘回归
3.1.2 BP人工神经网络
3.2 苹果感兴趣区域光谱数据的处理与特征波段的选取
3.3 PLS和BP-ANN建立苹果糖度与果肉硬度预测模型
3.3.1 采用PLS建立预测模型
3.3.2 采用BP建立预测模型
3.4 实验结果比较分析
3.5 本章小结
4 高光谱图像技术的苹果表面缺陷检测
4.1 苹果表面缺陷检测方法简介
4.1.1 主成分分析法
4.1.2 阈值分割及形态学处理方法
4.2 实验材料的选取及缺陷区域图像的采集与处理
4.2.1 实验材料的选取
4.2.2 缺陷区域图像采集
4.2.3 光谱数据处理分析
4.3 苹果表面缺陷检测的过程与结果分析
4.3.1 对比分析PCA与MNF的高光谱图像变换
4.3.2 特征波段的选取
4.3.3 特征波段的MNF变换
4.3.4 损伤苹果的识别分类算法
4.3.5 苹果表面缺陷检测结果分析
4.4 本章小结
5 总结与展望
5.1 总结
5.2 展望
参考文献
作者简介
致谢