基于高光譜成像技術的靈武長棗常見缺陷無損檢測研究.pdf

1、靈武長棗是寧夏的特色農產品，營養(yǎng)價值高，受到廣大消費者的青睞。而長棗的外部品質直接影響長棗的銷售與貯藏，傳統(tǒng)的檢測方法費時、費力、效率低，高光譜成像技術結合了圖像技術與光譜技術的優(yōu)點，成為水果品質無損檢測的重要發(fā)展趨勢。
　　本文以靈武長棗為研究對象，分別利用Vis-NIR高光譜成像技術與NIR高光譜成像技術，采用支持向量機(SVM)與獨立軟模式法(SIMCA)建立完好棗、裂痕棗、碰傷棗、蟲眼棗的光譜信息鑒別模型;采用特征波長主成

2、分分析與波段比的算法結合圖像處理方法對完好棗、裂痕棗、碰傷棗、蟲眼棗的圖像信息，建立缺陷識別模型。從而為下一步開發(fā)實時、快速、在線的無損檢測系統(tǒng)提供理論依據。主要研究結果如下:
　　(1)探討了2臺高光譜成像儀(光譜范圍400-1000nm)與(光譜范圍900-1700nm)的影響因素（采集參數的設置、背景材質與顏色），確定了碰傷棗采集的時間為24h后。
　　(2)原始反射光譜曲線建立的模型性能優(yōu)于預處理(MSC/SNV/F

3、D)、光譜參數(R/A/K-M)所建立的模型。
　　(3)通過主成分分析對2臺高光譜成像儀的完好棗、蟲眼棗、裂痕棗、碰傷棗的光譜信息進行降維，Vis-NIR波段選取了5個特征波長（420、521、636、670、679nm），NIR波段選取了4個特征波長(1028、1118、1359、1466nm)，分別對Vis-NIR與NIR光譜數據進行了全波段與特征波長下的SVM、SIMCA模型比較。結果表明:特征波長下建立的SVM、SIMC

4、A模型完全可以替代全波段的模型，C-SVC類型的SVM模型優(yōu)于Nu-SVC類型的SVM模型，線性核函數優(yōu)于其它核函數，并且NIR波段的SIMCA、SVM模型優(yōu)于Vis-NIR的SIMCA、SVM模型。
　　(4)對Vis-NIR波段高光譜成像儀采集的完好棗、蟲眼棗、裂痕棗、碰傷棗的圖像信息進行主成分分析，選取了完好棗的6個特征波長（545、569、670、732、881、910nm），蟲眼棗的5個特征波長（569、603、675、

5、761、910nm），裂痕棗的3個特征波長(670、780、910nm)，碰傷棗的4個特征波長（502、603、670、886nm）分別進行主成分分析，識別率依次為100％、64％、46％、0;為了提高識別率，對未識別的缺陷棗進一步采用波段比進行識別，蟲眼棗采用R910/R569識別，識別率提高到84％;裂痕棗采用R910/R670識別，識別率達到69％;碰傷棗的識別效果不明顯。
　　(5)對NIR波段高光譜成像儀采集的完好棗、蟲

6、眼棗、裂痕棗、碰傷棗的圖像信息進行主成分分析，選取完好棗的4個特征波長(1028、1109、1312、1449nm)，蟲眼棗的4個特征波長(1034、1112、1312、1449nm)，裂痕棗的7個特征波長(1031、1112、1225、1312、1392、1449、1461nm)，碰傷棗的4個特征波長(1025、1109、1312、1449nm)波段分別進行主成分分析，識別率依次為100％、72％、86％、100％;為了提高識別率，對