異常鮮棗無損鑒別的二源信息處理方法研究.pdf

1、紅棗蟲害、霉爛等異常顆粒嚴重影響了紅棗的整體質(zhì)量，目前，對異常紅棗的剔除主要靠肉眼觀測和人工挑揀，判別結(jié)果受人的主觀影響很大，且內(nèi)部蟲害、霉變等異常紅棗得不到有效識別，因此尋找一種便捷、無損剔除異常鮮棗的檢測方法具有重要的現(xiàn)實意義。
　　 論文以寧夏紅棗為研究對象，分別研究了近紅外光譜技術(shù)和機器視覺技術(shù)的異常鮮棗的鑒別方法，為了提高識別精度，提出了近紅外技術(shù)和機器視覺技術(shù)的二源信息融合技術(shù)異常鮮棗鑒別的新方法，建立了基于多源信息

2、融合的異常鮮棗鑒別模型，主要研究結(jié)論如下：
　　 1、建立了基于近紅外光譜技術(shù)的異常鮮棗鑒別模型。采用主成分分析法提取紅棗光譜的特征光譜，以紅棗樣本的特征光譜為模型輸入，采用測試集50個紅棗樣本數(shù)據(jù)對模型進行驗證，實驗結(jié)果表明，模型對異常紅棗預(yù)測集的識別率為92.75％。
　　 2、用MATLAB軟件對紅棗圖像進行分析，用K均值聚類算法實現(xiàn)了紅棗與背景的分割，用直方圖均衡化方法實現(xiàn)了紅棗圖像的加強，突出了異常紅棗的缺陷特

3、征；提取了紅棗圖像的顏色特征、紋理特征以及缺陷特征(蟲眼特征值和裂痕特征值)參數(shù)，有效反應(yīng)了異常紅棗與合格紅棗在色澤、紋理上的差異。
　　 3、建立了基于機器視覺技術(shù)和BP神經(jīng)網(wǎng)絡(luò)的異常鮮棗鑒別模型，采用公式和試探相結(jié)合的方法，確定網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)目為15，采用測試集40個樣本對模型進行驗證，的實驗表明，模型對異常鮮棗預(yù)測集的識別率為89.11％。
　　 4、運用多源信息融合融合技術(shù)對異常鮮棗鑒別方法進行研究，在特征層