基于高光谱成像技术的苹果品质无损检测研究

摘要

中国的水果产量和种植面积居世界第一，水果品种繁多。人们对水果的消费日趋增长，但市场上的水果鱼龙混杂，水果品质好坏的检测技术相对落后。无损检测技术越来越成为一个热门的发展趋势，而高光谱技术的特点也使其成为无损检测技术最佳的检测手段。它融合了图像技术和光谱技术的优点，一次成像既包含了水果的图像信息也包含了其光谱信息，可对水果的内外品质进行快速检测。
　　苹果是我们国家的主要水果之一，其品质对于消费者备受关注，本文将苹果作为研究对象，利用高光谱成像技术对苹果内外品质参数进行无损检测研究。采用PLS以及BP-ANN方法建立苹果糖度、果肉硬度预测模型;对于外部轻微损伤的检测，分别采用了特征波段主成分分析算法(PCA)与最低噪声分离变换(MNF)结合图像处理的方法检测苹果表面轻微的损伤。并对两种检测算法进行对比，找到适合苹果检测的算法。本文的研究成果对实时在线检测系统提供了一种参考。
　　本文的主要工作如下:
　　(1)高光谱图像系统采集到的光谱信息，需要经过预处理操作，对比各种预处理方法，原始反射光谱经过多元散射校正预处理，所建预测模型性能较好。
　　(2)建立了基于PLS和BP神经网络苹果糖度与果肉硬度分析模型，BP神经网络建立苹果糖度和果肉硬度预测模型优于偏最小二乘法。
　　(3)利用1-RFLIFF算法对正常表皮和损伤区域的光谱进行分析得出权值系数图，依据该系数曲线挑选出了5个特征波段。
　　(4)建立了全波段最低噪声分离变换(MNF)的苹果损伤识别检测算法，利用该算法对不同时间阶段轻微损伤的苹果进行试验，损伤识别总体正确率为97.1％。

目录

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