基于光譜和高光譜圖像技術(shù)的蠶繭品質(zhì)無(wú)損檢測(cè)研究.pdf

1、栽桑養(yǎng)蠶是我國(guó)的傳統(tǒng)經(jīng)濟(jì)農(nóng)業(yè)，在出口創(chuàng)匯和國(guó)民經(jīng)濟(jì)發(fā)展等方面發(fā)揮了重要的歷史作用，一直受到國(guó)家的重視和扶持。作為蠶桑產(chǎn)業(yè)最主要的產(chǎn)物，蠶繭一方面作為商品進(jìn)行市場(chǎng)流通，另一方面作為繅絲工業(yè)的原料生產(chǎn)絲制產(chǎn)品。所以對(duì)于蠶繭品質(zhì)的精確評(píng)價(jià)，不僅可以作為蠶繭定價(jià)的依據(jù)，還可以根據(jù)不同等級(jí)的蠶繭原料生產(chǎn)不同品質(zhì)的生絲。但是隨著市場(chǎng)經(jīng)濟(jì)的發(fā)展和科學(xué)技術(shù)的進(jìn)步，我國(guó)現(xiàn)行的蠶繭質(zhì)量評(píng)價(jià)方法呈現(xiàn)了操作復(fù)雜、執(zhí)行率低、科技化和自動(dòng)化水平差等問(wèn)題，已無(wú)法滿足

2、國(guó)際市場(chǎng)交易和繅絲工業(yè)對(duì)原料的需求。作為世界上最大的蠶繭生產(chǎn)和出口國(guó)，我國(guó)在國(guó)際市場(chǎng)上不僅需要數(shù)量上的絕對(duì)優(yōu)勢(shì)，在原料和產(chǎn)品質(zhì)量方面也需要形成有效的競(jìng)爭(zhēng)力。為了維護(hù)我國(guó)蠶桑生產(chǎn)的國(guó)際地位，有必要加強(qiáng)對(duì)蠶繭品質(zhì)檢測(cè)的研究和推廣，提高蠶繭生產(chǎn)和管理的信息化水平，提升蠶繭品質(zhì)與絲制產(chǎn)品增值效應(yīng)，促進(jìn)蠶桑產(chǎn)業(yè)的進(jìn)一步發(fā)展。本論文基于我國(guó)現(xiàn)行的蠶繭質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)，結(jié)合在蠶繭產(chǎn)銷過(guò)程中存在的一些實(shí)際情況，進(jìn)行了蠶繭品質(zhì)無(wú)損檢測(cè)方面的研究，主要研究?jī)?nèi)容

3、和成果如下:
　　 (1)采用400～1000nm波段的可見(jiàn)/近紅外光譜技術(shù)分別對(duì)鮮繭和干繭的上蔟時(shí)間進(jìn)行了檢測(cè)。選用基線校正對(duì)光譜信號(hào)進(jìn)行了預(yù)處理，通過(guò)無(wú)信息變量消除法（UVE）結(jié)合連續(xù)投影算法(SPA)分別提取了對(duì)應(yīng)的特征波長(zhǎng)，并基于特征波長(zhǎng)建立了Bayes判別方法，對(duì)鮮繭上蔟時(shí)間的預(yù)測(cè)準(zhǔn)確率為91.11％，對(duì)干繭上蔟時(shí)間的預(yù)測(cè)準(zhǔn)確率為75.56％。說(shuō)明基于可見(jiàn)/近紅外光譜的蠶繭上蔟時(shí)間檢測(cè)具有一定的可行性，且檢測(cè)效果較好。

4、
　　 (2)應(yīng)用回歸系數(shù)法(RC)和CARS變量選擇法結(jié)合SPA對(duì)1250～2500nm波段的光譜數(shù)據(jù)進(jìn)行了特征波長(zhǎng)選取，分別建立了基于近紅外光譜技術(shù)的鮮繭和干繭上蔟時(shí)間的Bayes判別方法，該方法對(duì)鮮繭和干繭的預(yù)測(cè)準(zhǔn)確率分別為70.00％和47.77％，檢測(cè)效果略差于可見(jiàn)/近紅外光譜。
　　 (3)建立了基于可見(jiàn)/近紅外光譜技術(shù)的鮮繭繭層含水率和干殼量的快速檢測(cè)模型.比較了RC、UVE和CARS的特征波長(zhǎng)選取效果，并

5、提出了基于SPA的二次變量選擇方法，實(shí)現(xiàn)了特征波長(zhǎng)的有效提取。最終建立的基于特征波長(zhǎng)的多元線性檢測(cè)模型對(duì)繭層含水率和干殼量的預(yù)測(cè)相關(guān)系數(shù)分別為0.8473和0.8143，實(shí)現(xiàn)了基于可見(jiàn)/近紅外光譜的桑蠶鮮繭繭層含水率和干殼量的精準(zhǔn)高效檢測(cè).
　　 (4)根據(jù)鮮繭繭層所含水分在1250～2500nm波段的近紅外光譜特性，建立了鮮繭繭層含水率和干殼量的線性檢測(cè)模型。研究了5種預(yù)處理方法的光譜處理效果，通過(guò)相關(guān)系數(shù)和均方根誤差等參數(shù)對(duì)

6、幾種特征波長(zhǎng)選取方法的結(jié)果進(jìn)行了比較，最終選擇了RC-SPA方法提取的9個(gè)特征波長(zhǎng)用于繭層含水率檢測(cè)，以及CARS-SPA方法提取的6個(gè)特征波長(zhǎng)用于干殼量檢測(cè)，最終得到的多元線性檢測(cè)模型對(duì)繭層含水率和干殼量的預(yù)測(cè)相關(guān)系數(shù)分別為0.7873和0.6992，有助于實(shí)現(xiàn)鮮繭收購(gòu)過(guò)程中的快速評(píng)級(jí)定價(jià)。
　　 (5)研究了隨機(jī)抽樣法、濃度排序法、Kennard-Stone法和SPXY法等校正集樣本挑選方法，基于挑選結(jié)果建立了鮮繭繭層含水率

7、和干殼量的偏最小二乘(PLS)模型，比較結(jié)果顯示Kennard-Stone法挑選的校正集樣本具有更好的代表性，效果優(yōu)于其余三種方法。
　　 (6)比較了400～1000nm的可見(jiàn)/近紅外光譜技術(shù)和1250～2500nm的近紅外光譜技術(shù)對(duì)干繭繭層絲膠溶失率的檢測(cè)效果，基于CARS-SPA方法從400～1000 nm波段提取的13個(gè)特征波長(zhǎng)建立的最小二乘-支持向量機(jī)(LS-SVM)模型的預(yù)測(cè)相關(guān)系數(shù)為0.8709，而基于UVE-SP

8、A方法從1250～2500 nm波段提取的9個(gè)特征波長(zhǎng)建立的LS-SVM模型的預(yù)測(cè)相關(guān)系數(shù)為0.6893，結(jié)果顯示可見(jiàn)/近紅外光譜技術(shù)對(duì)干繭絲膠溶失率的檢測(cè)效果較好，實(shí)現(xiàn)了基于光譜技術(shù)的桑蠶干繭絲膠溶失率的快速檢測(cè)。
　　 (7)應(yīng)用高光譜成像系統(tǒng)，研究了基于450～900nm波段高光譜數(shù)據(jù)的蠶繭品質(zhì)指標(biāo)無(wú)損檢測(cè)方法，最終得到的檢測(cè)模型對(duì)鮮繭繭層含水率和干殼量的預(yù)測(cè)相關(guān)系數(shù)分別為0.4969和0.7838，對(duì)干繭繭層絲膠溶失率的

9、預(yù)測(cè)相關(guān)系數(shù)為0.5585，對(duì)鮮繭和干繭上蔟時(shí)間的預(yù)測(cè)準(zhǔn)確率分別為73.33％和64.44％，實(shí)現(xiàn)了基于高光譜圖像技術(shù)的蠶繭品質(zhì)綜合檢測(cè)。
　　 (8)對(duì)蠶繭的高光譜圖像進(jìn)行了處理，通過(guò)圖像二值化、直方圖處理和圖像反相等數(shù)字圖像處理技術(shù)，得到了黃斑繭、柴印繭和畸形繭等下車?yán)O的區(qū)域圖像，基于圖像特征參數(shù)對(duì)下車?yán)O和正常繭的預(yù)測(cè)準(zhǔn)確率為72.50％，實(shí)現(xiàn)了蠶繭表面缺陷的計(jì)算機(jī)識(shí)別，可將黃斑繭、柴印繭、癟繭和畸形繭等次下繭與正常繭精確區(qū)