基于多視成像及近紅外光譜技術(shù)的巨峰葡萄品質(zhì)無(wú)損檢測(cè)研究.pdf

1、作為四大水果之一的葡萄，由于其色澤艷麗、美味可口，深受廣大消費(fèi)者的喜愛(ài)。葡萄的世界種植面積僅次于柑橘，我國(guó)是世界鮮食葡萄的第一生產(chǎn)國(guó)，卻也是重要的進(jìn)口國(guó)，造成這種現(xiàn)象的一個(gè)重要原因就是當(dāng)前我國(guó)鮮食葡萄的商品化處理水平低，尤其是缺乏有效的分級(jí)，使優(yōu)質(zhì)葡萄供應(yīng)不足、果品參差不齊。本論文以巨峰鮮食葡萄(Vitis vinifera cv.Kyoho)為研究對(duì)象，利用多視成像機(jī)器視覺(jué)、近紅外光譜技術(shù)，結(jié)合圖像處理、化學(xué)計(jì)量學(xué)方法，分別對(duì)鮮食葡萄

2、的內(nèi)外品質(zhì)進(jìn)行快速無(wú)損檢測(cè)，并實(shí)現(xiàn)巨峰葡萄品質(zhì)的分級(jí)。主要研究?jī)?nèi)容如下：
　　1)多視投影成像平臺(tái)的搭建以及果穗多視圖像的分割。為擴(kuò)大單目相機(jī)的拍攝視野、獲取果穗全表面信息，采用兩片前表面鍍膜平面鏡來(lái)反射懸掛果穗的側(cè)面信息。優(yōu)化平面鏡、果穗、相機(jī)三者之間的擺放位姿，確定成像距離為800 mm，兩片平面鏡的夾角為104°、其交點(diǎn)與果穗距離為373 mm。采集到的果穗多視彩色圖像，經(jīng)過(guò)通道間差值運(yùn)算預(yù)處理增強(qiáng)前景背景之間的對(duì)比度，以局

3、部均值-方差閾值方法分割果穗前景區(qū)域，再根據(jù)懸掛果穗的高度不變特性，將虛像果穗仿射變換至實(shí)像尺寸，從而實(shí)現(xiàn)一次拍攝得到三個(gè)間隔120°視角的果穗?yún)^(qū)域，包括一個(gè)實(shí)像、兩個(gè)虛像區(qū)域。
　　2)基于多視成像及多變量分析的鮮食葡萄果穗緊實(shí)度定量、定性檢測(cè)。根據(jù)國(guó)際葡萄與葡萄酒組織(OIV,2007)的標(biāo)準(zhǔn)，將果穗緊實(shí)度以人工評(píng)價(jià)方式量化。以容積密度法評(píng)估果穗緊實(shí)度，二者間的相關(guān)系數(shù)僅為0.667。以多視圖像特性法評(píng)估果穗緊實(shí)度，提取果穗2

4、3個(gè)特征，進(jìn)行歸一化處理后，比較了多元線性回歸(MLR)、主成分回歸(PCR)、偏最小二乘回歸(PLS)等三種多元校正模型，認(rèn)為 PLS建模的預(yù)測(cè)效果最好，預(yù)測(cè)相關(guān)系數(shù)(rp)為0.8481，預(yù)測(cè)均方根誤差(RMSEP)為1.2287。將果穗緊實(shí)度指標(biāo)分為‘緊實(shí)‘、‘適中‘、‘疏松‘三個(gè)等級(jí)，建立了以主成分分析(PCA)提取信息的線性判別(LDA)、神經(jīng)網(wǎng)絡(luò)(BPANN)，以及以PLS提取信息的LDA、支持向量機(jī)(SVM)等四種分類器，

5、對(duì)果穗緊實(shí)度進(jìn)行分類檢測(cè)，認(rèn)為PLS-SVM模型的分類能力最好，準(zhǔn)確率達(dá)到88.33％。
　　3)基于?果穗輪廓-多邊形逼近迭代-最小二乘圓擬合‘的堆積葡萄顆粒圓識(shí)別及其數(shù)量評(píng)估。統(tǒng)計(jì)巨峰葡萄的果粒屬性，每穗果粒重量的頻數(shù)成對(duì)稱分布，果粒形狀近似于橢圓體，可用其當(dāng)量球半徑表示果粒半徑。采用輪廓跟蹤法提取二值圖像果穗?yún)^(qū)域的邊緣，比較了輪廓旋轉(zhuǎn)局部極值、多邊形逼近迭代的輪廓交叉點(diǎn)檢測(cè)結(jié)果，認(rèn)為基于多邊形逼近迭代法能夠分割出更多有效的交

6、叉點(diǎn)以及較少的執(zhí)行時(shí)間。將交叉點(diǎn)之間的圓弧段進(jìn)行最小二乘標(biāo)準(zhǔn)圓擬合(LSCF)果粒，篩選符合既定條件的擬合圓，從而得到果粒質(zhì)量。檢測(cè)得到果穗的果粒平均重量與實(shí)際值的相關(guān)系數(shù)(rp)為0.9033，RMSE為0.7563 g/粒，平均偏差為6.98%。假設(shè)檢出果粒為果穗實(shí)際果粒的正態(tài)抽樣，預(yù)測(cè)果穗的果粒數(shù)量與實(shí)際值的rp為0.9276，RMSE為5.563粒/穗，平均偏差為-4.15%。
　　4)基于可見(jiàn)/近紅外光譜技術(shù)的鮮食葡萄內(nèi)

7、部品質(zhì)及感官偏好的檢測(cè)。在自制平臺(tái)上分別采集了離穗果粒的漫反射、透射光譜進(jìn)行比較，認(rèn)為透射光譜更能獲取果粒的內(nèi)部品質(zhì)信息，最佳的PLS模型預(yù)測(cè)糖度(SC)、酸度(TA)的rp分別為0.885、0.773，RMSEP分別為0.598、0.048。通過(guò)消費(fèi)者對(duì)鮮食葡萄的內(nèi)在品質(zhì)進(jìn)行感官評(píng)分，但得分與其糖酸度的相關(guān)性僅為0.528。將感官得分的樣本為兩類，通過(guò) PCA將透射光譜降維去噪后，建立神經(jīng)網(wǎng)絡(luò)(BPANN)、支持向量機(jī)(SVM)、極限

8、學(xué)習(xí)機(jī)(ELM)三種分類模型，得到PCA-ELM的分類性能最好，準(zhǔn)確率為78.7%。設(shè)計(jì)了一種負(fù)壓式漫反射在穗果粒的光譜采集方式，通過(guò)無(wú)信息變量剔除(UVE)、自適應(yīng)重加權(quán)采樣(CARS)、遺傳算法(GA)等篩選變量，建立回歸模型，得到最佳UVE-PLS模型檢測(cè)在穗果粒糖度的rp為0.6862，RMSEP為0.9972。預(yù)測(cè)果穗各果粒的糖度，發(fā)現(xiàn)其不成正態(tài)、對(duì)稱分布，穗內(nèi)糖度差異一般在5%br ix以上，并建議采集果穗不同位置的多個(gè)果粒

9、光譜來(lái)評(píng)估果穗的平均糖度。
　　5)基于多視成像及光譜技術(shù)的鮮食葡萄內(nèi)外品質(zhì)指標(biāo)的分級(jí)。本文主要以穗形、顏色、緊實(shí)度、果粒平均重量等果穗外觀品質(zhì)，以及果穗平均糖度等五項(xiàng)指標(biāo)進(jìn)行分級(jí)。通過(guò)果穗?yún)^(qū)域的長(zhǎng)寬比、重量、輪廓曲線等參數(shù)篩選合格穗形的果穗。將果穗彩色圖像由RGB轉(zhuǎn)到HIS顏色空間，分割色調(diào)（Hue）通道的成熟顏色區(qū)域，以果穗多視圖像的成熟區(qū)域面積累加計(jì)算著色比例。按邏輯方法將47穗鮮食葡萄分為四個(gè)等級(jí)，重復(fù)測(cè)試四次，得到特級(jí)果