基于近红外光谱的鲜枣无损检测建模及优化研究

摘要

具有快速、无损检测、环保等特点的近红外光谱分析技术，已被广泛研究和应用于水果内部品质无损检测。红枣以其独特品质和市场空间已成为宁夏优先产业化发展的特色水果，评价其内部品质的重要指标是糖度和酸度。
　　 本论文应用近红外漫反射光谱技术，结合小波变换和人工神经网络，分别建立鲜枣糖度、酸度预测模型和鲜枣品种鉴别模型，并对已建模型的性能进行比较分析，确定了最佳预处理方法和建模方法。研究了鲜枣内部品质在线检测与分类系统。论文取得的主要研究成果如下：
　　 (1)经过FD+MSC预处理，然后采用小波变换压缩光谱数据，再应用RBF神经网络建立的鲜枣糖度和酸度预测模型性能最好。预测糖度时，相似度R为0.9941，预测集标准偏差RMSEP为1.6205；预测酸度时，相似度R为0.9815，预测集标准偏差RMSEP为0.2533。
　　 (2)采用小波变换和人工神经网络结合的技术能够提高鲜枣糖度和酸度预测模型的适应范围。
　　 (3)鉴别鲜枣时，最佳的光谱预处理法为S-G+MSC。
　　 (4)采用SVM神经网络建立鲜枣品种鉴别模型是最有效的，鉴别率可达到100％。
　　 (5)运用小波变换压缩鲜枣光谱数据后人工神经网络学习速率最少可提高18倍。
　　 (6)设计出在线检测系统的硬件结构和软件结构；阐述了该系统硬件中的光源、检测器和控制模块的功能及选取方法或方案；提出各个模块的程序流程图。

目录

文摘

英文文摘

第一章 绪论

1.1 课题来源及研究的目的和意义

1.2 国内外水果无损检测技术研究现状

1.3 本文主要研究内容及技术路线

第二章 鲜枣近红外光谱数据获取及其处理

2.1 鲜枣近红外光谱数据采集方式

2.2 基于NIR的定量分析和定性分析

2.3 鲜枣近红外光谱数据预处理

2.4 基于小波变换压缩鲜枣近红外光谱数据

2.5 本章小结

第三章 人工神经网络基本理论及建立模型研究

3.1 人工神经网络概述及其发展过程

3.2 人工神经网络基本原理

3.3 人工神经网络在近红外光谱技术中的应用

3.4 本章小结

第四章 基于ANN建立鲜枣糖酸度预测模型及其性能比较分析

4.1 鲜枣糖酸度测量及其统计分析

4.2 鲜枣光谱预处理及其压缩

4.3 基于PLS和ANN建立鲜枣糖酸度预测模型

4.4 预测模型性能比较分析

4.5 本章小结

第五章 基于ANN建立鲜枣品种鉴别模型及其性能比较分析

5.1 鲜枣样品来源

5.2 鲜枣光谱预处理及其压缩

5.3 基于人工神经网络建立鲜枣品种鉴别模型

5.4 鉴别模型性能分析

5.5 本章小结

第六章 鲜枣内部品质在线检测与分类系统研究

6.1 系统硬件结构设计

6.2 系统软件结构设计

6.3 本章小结

第七章 结束语

7.1 主要结论

7.2 研究展望

参考文献

致谢

附录

个人简介