基于高光譜成像技術(shù)的蘋果品質(zhì)無(wú)損檢測(cè)研究.pdf

1、中國(guó)的水果產(chǎn)量和種植面積居世界第一，水果品種繁多。人們對(duì)水果的消費(fèi)日趨增長(zhǎng)，但市場(chǎng)上的水果魚龍混雜，水果品質(zhì)好壞的檢測(cè)技術(shù)相對(duì)落后。無(wú)損檢測(cè)技術(shù)越來(lái)越成為一個(gè)熱門的發(fā)展趨勢(shì)，而高光譜技術(shù)的特點(diǎn)也使其成為無(wú)損檢測(cè)技術(shù)最佳的檢測(cè)手段。它融合了圖像技術(shù)和光譜技術(shù)的優(yōu)點(diǎn)，一次成像既包含了水果的圖像信息也包含了其光譜信息，可對(duì)水果的內(nèi)外品質(zhì)進(jìn)行快速檢測(cè)。
　　蘋果是我們國(guó)家的主要水果之一，其品質(zhì)對(duì)于消費(fèi)者備受關(guān)注，本文將蘋果作為研究對(duì)象，利

2、用高光譜成像技術(shù)對(duì)蘋果內(nèi)外品質(zhì)參數(shù)進(jìn)行無(wú)損檢測(cè)研究。采用PLS以及BP-ANN方法建立蘋果糖度、果肉硬度預(yù)測(cè)模型;對(duì)于外部輕微損傷的檢測(cè)，分別采用了特征波段主成分分析算法(PCA)與最低噪聲分離變換(MNF)結(jié)合圖像處理的方法檢測(cè)蘋果表面輕微的損傷。并對(duì)兩種檢測(cè)算法進(jìn)行對(duì)比，找到適合蘋果檢測(cè)的算法。本文的研究成果對(duì)實(shí)時(shí)在線檢測(cè)系統(tǒng)提供了一種參考。
　　本文的主要工作如下:
　　(1)高光譜圖像系統(tǒng)采集到的光譜信息，需要經(jīng)過(guò)預(yù)

3、處理操作，對(duì)比各種預(yù)處理方法，原始反射光譜經(jīng)過(guò)多元散射校正預(yù)處理，所建預(yù)測(cè)模型性能較好。
　　(2)建立了基于PLS和BP神經(jīng)網(wǎng)絡(luò)蘋果糖度與果肉硬度分析模型，BP神經(jīng)網(wǎng)絡(luò)建立蘋果糖度和果肉硬度預(yù)測(cè)模型優(yōu)于偏最小二乘法。
　　(3)利用1-RFLIFF算法對(duì)正常表皮和損傷區(qū)域的光譜進(jìn)行分析得出權(quán)值系數(shù)圖，依據(jù)該系數(shù)曲線挑選出了5個(gè)特征波段。
　　(4)建立了全波段最低噪聲分離變換(MNF)的蘋果損傷識(shí)別檢測(cè)算法，利用該算