版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、近年來我國(guó)幾大蘋果主產(chǎn)區(qū)均已出現(xiàn)不同程度的霉心病病害,蘋果霉心病發(fā)病呈逐年上升態(tài)勢(shì),給整個(gè)產(chǎn)業(yè)造成了嚴(yán)重?fù)p失。現(xiàn)有霉心病無損檢測(cè)方法多基于近紅外光譜分析技術(shù),采用漫反射、透射進(jìn)行全波段光譜病害分析,實(shí)現(xiàn)了單個(gè)蘋果樣品霉心病檢測(cè),但仍存在檢測(cè)過程自動(dòng)化程度低,復(fù)雜度高的問題,難以滿足果品產(chǎn)業(yè)在線分選對(duì)檢測(cè)方式、檢測(cè)速度、可靠性等方面的實(shí)際需求。針對(duì)產(chǎn)業(yè)霉心病在線檢測(cè)需求,本文基于霉心病發(fā)病機(jī)理分析,提出多因子融合的霉心病在線檢測(cè)方法,構(gòu)建
2、了融合多源信息的病害判別模型,在此基礎(chǔ)上設(shè)計(jì)開發(fā)了相應(yīng)的霉心病在線檢測(cè)系統(tǒng),并進(jìn)行了系統(tǒng)測(cè)試與驗(yàn)證,結(jié)果表明本文設(shè)計(jì)的霉心病在線檢測(cè)方法能夠有效滿足蘋果霉心病在線高通量檢測(cè)需求,為實(shí)現(xiàn)蘋果霉心病在線檢測(cè)與保障果品質(zhì)量安全提供了新思路,對(duì)提升水果產(chǎn)業(yè)分選水平,增強(qiáng)產(chǎn)業(yè)核心競(jìng)爭(zhēng)力具有積極意義。
本文具體工作及結(jié)論如下:
(1)霉心病在線檢測(cè)主要關(guān)聯(lián)因素分析?;谔O果霉心病病害機(jī)理分析,提取了霉心病在線檢測(cè)主要關(guān)聯(lián)因子,論
3、證了基于近紅外透射光譜及果實(shí)密度綜合檢測(cè)霉心病果的可行性,最終提出了采用霉心病特征透射光強(qiáng)、果形指數(shù)、果徑和重量作為霉心病的主要判別因子。針對(duì)霉心病特征透射波段選取需求,本文基于蘋果霉心病近紅外光譜采集平臺(tái),獲取了樣品全光譜數(shù)據(jù),采用偏最小二乘法進(jìn)行了特征波段篩選,最終確定在200-1100nm波段范圍的霉心病最相關(guān)波段為701nm~728nm。
(2)多源信息預(yù)處理方法研究。本文基于霉心病在線檢測(cè)試驗(yàn)平臺(tái),獲取了108個(gè)陜西
4、紅富士蘋果的圖像、重量、透射光譜數(shù)據(jù);針對(duì)蘋果果形指數(shù)信息的獲取,提出了一種基于機(jī)器視覺技術(shù)的蘋果橫縱徑在線計(jì)算方法,在線識(shí)別果實(shí)橫徑、縱徑的平均相對(duì)誤差為2.07%、2.52%;針對(duì)透射光譜和重量數(shù)據(jù)特點(diǎn),分別測(cè)量三次數(shù)據(jù)取平均值作為樣品數(shù)據(jù);最后,采用Z-score方法對(duì)四維霉心病檢測(cè)關(guān)聯(lián)因子數(shù)據(jù)進(jìn)行了歸一化預(yù)處理。
(3)蘋果霉心病在線判別模型研究。霉心病判別具有二分類非線性特點(diǎn),采用線性判別算法,針對(duì)四維霉心病檢測(cè)關(guān)聯(lián)
5、因子間不同組合情況構(gòu)建霉心病判別模型,結(jié)果表明四維因子融合的判別模型準(zhǔn)確率最高,達(dá)到68.18%;采用支持向量機(jī)算法,構(gòu)建了基于徑向基核函數(shù)的四維因子融合的判別模型,準(zhǔn)確率為90.91%,建模時(shí)間為5.951s;采用隨機(jī)森林算法,分析了不同決策樹個(gè)數(shù)對(duì)模型性能的影響,以150棵決策樹構(gòu)建了四維因子融合的判別模型,準(zhǔn)確率為95.45%,建模時(shí)間為0.054s。通過模型對(duì)比分析,結(jié)合本研究中在線檢測(cè)對(duì)模型復(fù)雜性、實(shí)效性的需求,最終選用隨機(jī)森
6、林算法構(gòu)建霉心病在線檢測(cè)模型。
(4)蘋果霉心病在線檢測(cè)系統(tǒng)開發(fā)與驗(yàn)證。
基于構(gòu)建的檢測(cè)模型,采用C++語言開發(fā)了蘋果霉心病在線檢測(cè)系統(tǒng)軟件,并將檢測(cè)模型嵌入在線檢測(cè)系統(tǒng),搭載于蘋果霉心病在線檢測(cè)試驗(yàn)平臺(tái),實(shí)現(xiàn)了蘋果霉心病在線檢測(cè)與分選決策;采用陜西紅富士蘋果54個(gè),進(jìn)行了系統(tǒng)整體測(cè)試,結(jié)果表明檢測(cè)系統(tǒng)可實(shí)現(xiàn)蘋果多源信息獲取分析、病害精準(zhǔn)判別以及蘋果霉心病在線分選決策,系統(tǒng)運(yùn)行穩(wěn)定可靠,霉心病在線判別精度達(dá)83.3%
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 蘋果霉心病在線檢測(cè)分選試驗(yàn)平臺(tái)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 多源信息融合方法研究
- 多源信息融合方法研究.pdf
- 基于多源信息融合技術(shù)的板栗分級(jí)檢測(cè)方法研究.pdf
- 夾持式蘋果霉心病檢測(cè)裝置設(shè)計(jì).pdf
- 基于多源信息的制動(dòng)摩擦溫升在線融合監(jiān)測(cè)方法研究.pdf
- 基于多源檢測(cè)器的交通信息融合方法研究.pdf
- 基于多源信息融合的灌溉決策方法研究.pdf
- 深海AUV多源導(dǎo)航信息融合方法研究.pdf
- 基于多源信息融合的高爐料面徑向溫度智能檢測(cè)方法研究.pdf
- 蘋果霉心病黑點(diǎn)病(插圖)
- 多源信息協(xié)同處理與融合方法.pdf
- 火災(zāi)監(jiān)測(cè)系統(tǒng)中多源信息融合方法的研究.pdf
- 基于多源信息融合技術(shù)的豬肉新鮮度無損檢測(cè)方法研究.pdf
- 基于多傳感器信息融合的軌道缺陷在線檢測(cè)方法的研究.pdf
- 電網(wǎng)故障診斷的多源信息融合方法研究.pdf
- 基于本體的多源異構(gòu)應(yīng)急信息融合方法研究.pdf
- 基于多源信息融合的定位與跟蹤方法研究.pdf
- 面向不完備多源信息系統(tǒng)的多粒度融合方法研究.pdf
- 基于多信息融合的點(diǎn)焊質(zhì)量在線監(jiān)控方法研究.pdf
評(píng)論
0/150
提交評(píng)論