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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、我國漿果栽培生產(chǎn)在國內(nèi)呈現(xiàn)快速增長態(tài)勢,產(chǎn)品銷售除了國內(nèi)市場外,主要面對(duì)美洲、歐洲等國際市場,但由于我國還沒有統(tǒng)一的漿果檢測標(biāo)準(zhǔn)和檢測技術(shù),目前對(duì)漿果品質(zhì)的檢測、分級(jí)仍然停留在人工水平上,檢測速度慢,致使我國漿果產(chǎn)品缺少國際市場競爭力。因此,采用近紅外光譜與機(jī)器視覺技術(shù)對(duì)漿果進(jìn)行品質(zhì)檢測對(duì)于促進(jìn)我國漿果產(chǎn)業(yè)的經(jīng)濟(jì)效益具有較大現(xiàn)實(shí)意義和理論價(jià)值。
本研究采用近紅外分析技術(shù)實(shí)現(xiàn)了對(duì)黑加侖營養(yǎng)品質(zhì)的快速檢測,在此基礎(chǔ)上探索出了不
2、同品種黑加侖在不同采收期鮮果營養(yǎng)品質(zhì)的變化規(guī)律,確定了黑豐、巴基拉、亞德、94-4-13、黛莎、布勞德6個(gè)品種黑加侖的最佳采收期;利用機(jī)器視覺技術(shù)提取出了各品種黑加侖果粒的16個(gè)外觀品質(zhì)特征參數(shù),構(gòu)建了以各項(xiàng)外觀品質(zhì)特征參數(shù)為輸入變量的黑加侖品種識(shí)別BP神經(jīng)網(wǎng)絡(luò)系統(tǒng);以熵權(quán)系數(shù)法為工具,利用面積、長軸、短軸平均值、圓度、亮度、飽和度、糖酸比、維生素C含量、花青素含量8個(gè)指標(biāo)對(duì)黑加侖品質(zhì)進(jìn)行了綜合評(píng)價(jià),并在此基礎(chǔ)上制定以上6個(gè)品種黑加侖綜
3、合品質(zhì)的分級(jí)標(biāo)準(zhǔn)。本研究得到以下幾點(diǎn)結(jié)論:
1.通過單因素方差分析和正交試驗(yàn)設(shè)計(jì)法,研究了測量溫度、掃描次數(shù)、品種、大小和表面色澤對(duì)黑加侖近紅外光譜響應(yīng)特性的影響,結(jié)果表明,黑加侖樣品在30℃各波長點(diǎn)處的吸光度相對(duì)標(biāo)準(zhǔn)差平均值最小,可達(dá)4.963%;同一黑加侖樣品隨掃描次數(shù)增加其吸光度平均值變化不顯著,當(dāng)樣品掃描6次時(shí)相對(duì)標(biāo)準(zhǔn)偏差達(dá)到4.34.8%,滿足本試驗(yàn)要求;黑加侖的品種和大小對(duì)其吸光度平均值的影響在α=0.05水平
4、上均不顯著,黑加侖表面色澤對(duì)其吸光度平均值的影響在α=0.05水平上顯著,因此,可以選擇用不同品種、不同大小的黑加侖來建立黑加侖營養(yǎng)成分含量近紅外檢測數(shù)學(xué)模型。
2.利用SPSS17.0軟件采用基于多元線性回歸的逐步回歸算法建立了“最優(yōu)”總酸、維生素C、總糖、花青素含量定量分析數(shù)學(xué)模型??偹崮P托U嚓P(guān)系數(shù)可由優(yōu)化前的0.7093提高到0.9280,校正標(biāo)準(zhǔn)差可由優(yōu)化前的0.7655%降低到0.3727%,外部驗(yàn)證相關(guān)系數(shù)
5、可達(dá)0.9660,預(yù)測標(biāo)準(zhǔn)差RMSEP為0.25%;維生素C模型校正相關(guān)系數(shù)可由優(yōu)化前的0.8159提高到0.9730,校正標(biāo)準(zhǔn)差可由優(yōu)化前的23.2mg/100g降低到8.3mg/100g,外部驗(yàn)證相關(guān)系數(shù)可達(dá)0.9770,預(yù)測標(biāo)準(zhǔn)差RMSEP為9.2mg/100g;總糖模型校正相關(guān)系數(shù)可由優(yōu)化前的0.6547提高到0.9480,校正標(biāo)準(zhǔn)差可由優(yōu)化前的1.5773%降低到0.55%,外部驗(yàn)證相關(guān)系數(shù)可達(dá)0.9723,預(yù)測標(biāo)準(zhǔn)差RMSE
6、P為0.46%;花青素模型校正相關(guān)系數(shù)可由優(yōu)化前的0.8411提高到0.9070,校正標(biāo)準(zhǔn)差可由優(yōu)化前的66.8mg/100g降低到50.9mg/100g,外部驗(yàn)證相關(guān)系數(shù)可達(dá)0.9649,預(yù)測標(biāo)準(zhǔn)差RMSEP為25.0mg/100g。
3.利用所得數(shù)學(xué)模型,經(jīng)Slope/BiasCorrectionMethod修正,實(shí)現(xiàn)了對(duì)2010.6至2010.8間6個(gè)黑加侖品種在13次采收期營養(yǎng)成分的預(yù)測,得到了各品種不同營養(yǎng)成分在
7、不同采收期的變化規(guī)律,并確定了各品種的最佳采收期,黑豐最佳采收期為7月22日至7月25日之間;巴基拉最佳采收期為8月5日至8月11日之間;亞德最佳采收期為7月17日至7月20日之間;94-4-13最佳采收期為7月21日左右;黛沙最佳采收期為8月1日至8月4日之間;布勞德最佳采收期為7月8日至7月14日之間。6個(gè)黑加侖品種內(nèi)部營養(yǎng)品質(zhì)優(yōu)劣排序是:94-4-13>布勞德>黛沙>巴基拉>黑豐>亞德。
4.為解決圖像中黑加侖果粒粘
8、連問題,本研究提出了一種新的圖像分割算法,利用該算法成功實(shí)現(xiàn)了粘連黑加侖果粒的分割。在此基礎(chǔ)上,本研究根據(jù)需要定義并提取了黑豐、巴基拉、亞德、94-4-13、黛沙、布勞德6個(gè)黑加侖品種的面積、周長、長軸長、短軸長、伸長度、矩形度、圓形度、H均值、S均值、V均值、R均值、G均值、B均值、G/B值、G/R值、R/B值16個(gè)特征參數(shù)值,并對(duì)黑加侖總酸、維生素C、總糖、花青素含量與黑加侖16個(gè)特征參數(shù)值之間相關(guān)性進(jìn)行了深入研究,研究表明,黑加侖
9、營養(yǎng)成分與外觀品質(zhì)間存在一定相關(guān)性,但相關(guān)程度較低。
5.利用BP神經(jīng)網(wǎng)絡(luò)對(duì)黑加侖品種進(jìn)行識(shí)別,經(jīng)驗(yàn)證試驗(yàn)得知,黑豐、巴基拉、亞德、94-4-13、黛沙、布勞德6個(gè)黑加侖品種的正確識(shí)別率分別為92%、100%、94%、98%、94%、96%,正確識(shí)別率較高,可以用于實(shí)際生產(chǎn)中黑加侖的品種檢測;在各品種黑加侖品質(zhì)綜合評(píng)價(jià)、分級(jí)中,給出了上述6個(gè)黑加侖品種的分級(jí)標(biāo)準(zhǔn),經(jīng)驗(yàn)證,在α=0.05水平下,各品種黑加侖不同等級(jí)樣品綜合得
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
- 近紅外光譜檢測蘋果品質(zhì)
- 近紅外光譜品質(zhì)檢測方法研究.pdf
- 水果品質(zhì)檢測中的近紅外光譜數(shù)據(jù)處理分析.pdf
- 基于CCD近紅外光譜的蘋果內(nèi)部品質(zhì)檢測.pdf
- 基于近紅外光譜的食用油品質(zhì)檢測技術(shù)研究.pdf
- 基于近紅外光譜和高光譜圖像技術(shù)的獼猴桃品質(zhì)檢測研究.pdf
- 果品品質(zhì)的近紅外光譜無損檢測建模分析關(guān)鍵技術(shù)研究
- 基于紅外光譜技術(shù)的獼猴桃品質(zhì)檢測研究.pdf
- 基于機(jī)器視覺和近紅外光譜技術(shù)的雷筍檢測方法研究.pdf
- 近紅外光譜技術(shù)在魚丸品質(zhì)檢測中的應(yīng)用研究.pdf
- 近紅外光譜透射水果品質(zhì)檢測速度對(duì)模型適用性的影響研究.pdf
- 基于機(jī)器視覺和近紅外光譜的馬鈴薯分級(jí)檢測方法.pdf
- 近紅外光譜技術(shù)在醬油品質(zhì)檢測中的應(yīng)用研究.pdf
- 基于近紅外光譜分析技術(shù)和計(jì)算機(jī)視覺技術(shù)的豬肉品質(zhì)檢測的研究.pdf
- 基于機(jī)器視覺和近紅外光譜技術(shù)的農(nóng)產(chǎn)品霉變檢測方法研究.pdf
- 基于近紅外光譜技術(shù)馬鈴薯全粉品質(zhì)的檢測研究.pdf
- 基于近紅外光譜檢測番茄內(nèi)部品質(zhì)的研究.pdf
- 基于近紅外光譜分析技術(shù)與嵌入式技術(shù)的豬肉品質(zhì)檢測研究.pdf
- 草莓品質(zhì)近紅外光譜無損檢測技術(shù)研究.pdf
- 基于振動(dòng)力學(xué)及近紅外光譜技術(shù)的雞蛋品質(zhì)檢測的研究.pdf
評(píng)論
0/150
提交評(píng)論