基于高光譜成像技術的馬鈴薯外部品質無損檢測建模及優(yōu)化研究.pdf

1、高光譜成像技術具有連續(xù)多波段、光譜分辨率高等特點，是檢測蔬菜水果綜合品質的首選技術。馬鈴薯是寧夏主要的農(nóng)產(chǎn)品之一，其品質檢測是加工中的重要環(huán)節(jié)。本論文的研究對象為馬鈴薯外部品質，包括蟲眼、干腐、合格、畸形、機械損傷和綠皮，并結合BP-ANN、RBF-ANN、SVM-ANN、PLS、貝葉斯分類器建立馬鈴薯外部品質及其端元的預測模型。論文主要研究內容和結論如下:
　　(1)提取合格及各類缺陷樣本感興趣區(qū)域的波譜并進行光譜特性分析，為基

2、于高光譜成像技術的馬鈴薯外部品質及其端元預測模型的建立奠定理論基礎。
　　(2)采用PCA確定了580nm、650nm、676nm、690nm和960nm這5個特征波長，同時采用PCA、ICA和波段比法對馬鈴薯高光譜圖像數(shù)據(jù)進行降維。結果表明可以5個特征波長PCA分析的PC2圖像（降維方法Ⅰ）、ICA方法分析的IC2圖像（降維方法Ⅱ）、不同波段比值的圖像(降維方法Ⅲ)可作為建模和分類的特征圖像。
　　(3)采用小波遞推最小二

3、乘濾波算法對降維圖像進行去噪的效果優(yōu)于直接采用遞推最小二乘法和小波濾波算法。同時，確定了利用4尺度Haar小波函數(shù)重構降維圖像，可以獲得較好的重構效果。@(4)利用BP-ANN、RBF-ANN、SVM-ANN、PLS、貝葉斯分類器對經(jīng)過去噪和重構的降維圖像建立馬鈴薯外部缺陷預測模型，結果表明采用貝葉斯分類器+降維方法Ⅲ+WT-RLS方法建立預測模型，其性能較佳。
　　(5)提取馬鈴薯外部感興趣區(qū)域的光譜數(shù)據(jù)，采用SD、FD、SG、

4、MSC、SNV、SG-MSC和小波壓縮7種方法對其500nm～960nm波段的數(shù)據(jù)進行光譜預處理，并建立基于BP-ANN、RBF-ANN、SVM-ANN、PLS、貝葉斯分類器的馬鈴薯外部感興趣區(qū)域的預測模型，結果表明采用SVM-ANN+SG-MSC方法建立馬鈴薯外部感興趣區(qū)域的預測模型較佳，其平均識別率達到了86.73％，RMSEP為0.40，R為0.95。
　　(6)利用SVM-ANN和貝葉斯分類器建立了馬鈴薯外部品質端元的預測