水果碰伤、糖度和货架期的高光谱成像技术检测

摘要

水果的外部缺陷和内部品质对于水果的销售、加工和食用方面都有重要的意义。与传统的检测技术相比，利用高光谱成像技术检测水果品质具有绿色、快速和高效等优势。本文以黄桃和酥梨作为实验对象，对黄桃的碰伤和内部品质实现了同时检测。并对套网酥梨的内部品质和酥梨的货架期进行了一定的检测。 本文研究的主要内容和结论如下所示： （1）利用高光谱成像技术实现了对黄桃碰伤和内部品质的同时检测。采用主成分分析法（PCA）和偏最小二乘判别法（PLS-DA）对黄桃外部的碰伤进行了定性分析，其定性判别的准确率为94.6%。同时根据正常样品的光谱结合偏最小二乘法（PLS）进行定量模型的建立，定量模型结果的预测集均方根误差（RMSEP）和预测相关系数（rp）分别为0.975brix°和0.792。 （2）从套网易损果（酥梨）的原始高光谱图像中根据塑料网套、梨样品表面和样品与塑料网套混合的三种光谱的差异中确定出最佳特征图像，并从网孔中提取酥梨表面的光谱信息。分别利用图像和光谱并结合最小二乘支持向量机（LS-SVM）以及PLS建立糖度含量的预测模型。结果表明：基于图像所建立的模型最优结果RMSEP和rp分别为0.43brix°和0.61，利用光谱所建立的最优模型结果为RMSEP和rp分别为0.3brix°和0.78。 （3）以酥梨为研究对象，对样品分别在货架期第一天、第五天和第十天的高光谱图像采集完成后，首先利用PCA对酥梨原始的高光谱图像进行处理以获得特征图像，其次利用matlab对所有酥梨样品特征图像的平均灰度值进行计算，根据实验样品特征图像的平均灰度值和提取的样品光谱并结合LS-SVM和PLS-DA算法分别进行酥梨货架期定性判别模型的建立。结果表明，基于图像和光谱所建立的模型中误判率均为0。 本论文可为利用高光谱成像技术对于水果品质的进一步研究和检测提供一定的参考和依据，同时可为水果销售和加工企业提供相关的技术支持和借鉴。

目录

第一个书签之前

主要符号说明

第一章 绪论

1.1 研究的目的及意义

1.2 水果高光谱检测的国内外研究现状

1.2.1 水果高光谱检测的国外研究现状

1.2.2 水果高光谱检测的国内研究现状

1.2.3 水果高光谱检测的国内外研究问题总结

1.3 主要研究内容及技术路线

1.3.1 研究内容

1.3.2 技术路线

第二章 高光谱成像装置及数据采集

2.1 高光谱成像装置

2.1.1 光源选型与照射角度调整

2.1.2 成像光谱仪选型

2.1.3 电控位移平台选型

2.1.4 高光谱成像装置操控面板介绍

2.2 高光谱图像的采集与校正

2.2.1 高光谱图像采集

2.2.2 样品高光谱图像校正

2.3 实验样品光谱的提取

2.4 本章小结

第三章 黄桃碰伤和糖度高光谱成像技术检测

3.1 黄桃实验样品的准备

3.2 黄桃样品糖度真实值的测量

3.3 黄桃碰伤与糖度高光谱成像同时检测模型的建立

3.3.1 模型建立的算法原理

3.3.2 光谱提取与谱形分析

3.3.3 特征波段的选取

3.4 黄桃碰伤与糖度高光谱成像同时检测模型的预测

3.4.1 黄桃碰伤高光谱成像定性模型的预测

3.4.2 黄桃糖度偏最小二乘定量模型的预测

3.5 模型评价

3.6 本章小结

第四章 套网酥梨的糖度高光谱成像技术检测

4.1 酥梨实验样品的准备

4.2 酥梨光谱的获取

4.3 套网酥梨糖度真实值的测量

4.4 基于图像和光谱的酥梨糖度定量模型的建立

4.4.1 模型建立的算法原理

4.4.2 酥梨特征图像的选取

4.4.3 酥梨的图像处理

4.5 基于图像和光谱的酥梨糖度定量模型的预测

4.5.1 基于图像的酥梨糖度定量模型的预测

4.5.2 基于光谱的酥梨糖度定量模型的预测

4.6 模型的评价

4.7 本章小结

第五章 酥梨货架期的高光谱成像技术检测

5.1 酥梨实验样品的准备

5.2 酥梨样品的理化分析

5.2.1 实验样品的货架期

5.2.2 酥梨糖度含量变化分析

5.2.3 酥梨酸含量的变化分析

5.2.4 酥梨色差的变化分析

5.3 基于图像和光谱分析的酥梨货架期定性模型的建立

5.3.1 酥梨特征图像的获取

5.3.2 酥梨特征图像的处理

5.4 基于图像和光谱的酥梨货架期定性模型的预测

5.4.1 基于图像的酥梨货架期定性模型的预测

5.4.2 基于光谱的酥梨货架期定性模型的预测

5.5 模型评价

5.6 本章小结

第六章 总结与展望

6.1 本文主要创新点

6.2 总结

6.3 展望

参考文献

致谢