基于机器视觉和可见/近红外光谱技术的蓝莓品质检测分级研究

摘要

我国蓝莓产业呈现上升发展趋势，产品主要销往国外市场，但由于蓝莓的品质检测分级主要以人工为主，分级效率低下，错误率高，缺乏国际市场竞争力。可见/近红外光谱与机器视觉技术为两种无损的快速检测方法，近年来在农产品品质检测中得到广泛的研究与应用。因此，本文提出了一种采用可见/近红外光谱和机器视觉技术对蓝莓进行品质检测与分级方法，增强我国蓝莓产业的国际竞争力。
　　本文以蓝莓为研究对象，搭建可见/近红外全透射光谱采集系统，采集蓝莓光谱数据，建立蓝莓成熟度与糖度的分析模型。通过机器视觉采集蓝莓图像，根据颜色空间，提取颜色分量均值，对蓝莓进行颜色检测分级，采用最小二乘椭圆拟合提取蓝莓形状特征参数，根据等效直径对蓝莓进行大小分级，并采用人工验证分级方法的准确性。具体研究成果如下：
　　（1）通过对波段范围605~1050nm内各波长的变量投影重要性（VIP）分析，确定了最佳光谱建模波段范围为全波段；采用交叉有效性检验截取成分的个数，确定前三个成分预测性能为最佳；利用可见/近红外光谱结合PLS-DA的方法建立了蓝莓的判别模型，判别准确率为98.32％。
　　（2）采用留一交互验证法确定了PLSR最佳因子数为3，2yR累计解释能力为96.23%，通过校正样本集X n建立PLSR模型，根据模型对验证样本集Pm进行预测，预测正确率达到99.58%，预测精度较高，对蓝莓的成熟度检测效果较好。
　　（3）采用交叉验证法确定了蓝莓糖度含量预测的PLSR模型的最佳因子数，并利用PLSR对蓝莓糖度含量进行预测。根据交叉有效性检验来截取成分的个数，确定三个成分预测性能为最佳，预测结果的正确率大于80%。
　　（4）建立适合蓝莓采集的机器视觉系统，采集蓝莓图像，研究灰度化、平滑、边缘检测等图像预处理算法，采用形态学和分水岭分割对粘连蓝莓果进行分割。
　　（5）在颜色检测分级中，筛选出HIS模型中的饱和度值均值和RGB模型中的绿色值均值作为特征参数对蓝莓成熟度进行检测和判别，对完全成熟的蓝莓判别正确率达92.3%。
　　（6）在蓝莓大小检测分级中，采用最小二乘椭圆拟合提取蓝莓形状特征，并根据等效直径对蓝莓进行分级，蓝莓检测分级正确率达82.61%。

目录

声明

1 绪论

1.1 课题研究的背景与意义

1.2 可见/近红外光谱技术与研究现状

1.3 机器视觉技术及其研究现状

1.4 课题研究的主要任务与内容

2 蓝莓品质的可见/近红外光谱检测

2.1材料与仪器

2.2 实验方法

2.3蓝莓成熟检测模型的建立与验证

2.4蓝莓糖度含量的PLSR预测模型建立及验证

2.5本章小结

3 图像的采集与处理及其特征提取

3.1 图像采集

3.2 图像预处理

3.3 图像分割

3.4 粘连蓝莓果粒分割

3.5 特征提取

3.6本章小结

4 蓝莓品质检测分级

4.1 蓝莓颜色的品质检测分级

4.2蓝莓大小检测分级

4.4本章小结

5 总结与展望

5.1总结

5.2展望

参考文献

致谢