基于數(shù)字圖像處理的哈密瓜成熟度無損檢測(cè)技術(shù)研究.pdf

1、哈密瓜的成熟度是評(píng)價(jià)其品質(zhì)的重要依據(jù),也是影響消費(fèi)者購買的主要因素。針對(duì)目前哈密瓜成熟度檢測(cè)手段落后,效率低,精度差,本文綜合利用光學(xué)、農(nóng)業(yè)物料學(xué)、計(jì)算機(jī)技術(shù)、CCD技術(shù)、數(shù)字圖像處理技術(shù)、Matlab、人工神經(jīng)網(wǎng)絡(luò)等眾多領(lǐng)域的知識(shí),研究了金蜜16號(hào)哈密瓜果實(shí)的可見光彩色數(shù)字圖像的顏色信息與其成熟度之間的關(guān)系,從而建立了哈密瓜成熟度無損檢測(cè)的方法。首先,利用數(shù)字圖像處理技術(shù)對(duì)不同成熟度的哈密瓜果實(shí)的6個(gè)不同方向的可見光彩色數(shù)字圖像進(jìn)行采

2、集和分析。然后,從這些圖像中提取出哈密瓜顏色特征值作為BP人工神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行訓(xùn)練。最后,比較分析了用三種不同的哈密瓜顏色特征值作為 BP人工神經(jīng)網(wǎng)絡(luò)的輸入對(duì)哈密瓜成熟度進(jìn)行分類的結(jié)果,從而確定了最佳模型。
　　本文為進(jìn)一步研究哈密瓜成熟度無損檢測(cè)裝備奠定了理論基礎(chǔ),主要結(jié)論如下:
　　1.采用哈密瓜數(shù)字圖像的色度平均值和峰值色度值(像素?cái)?shù)目最多的色度值)作為BP人工神經(jīng)網(wǎng)絡(luò)的輸入對(duì)哈密瓜成熟度進(jìn)行分類時(shí),利用瓜側(cè)面圖像進(jìn)

3、行分類的精度更高且更穩(wěn)定,其中使用對(duì)數(shù)S形函數(shù)作為輸入神經(jīng)元的傳遞函數(shù),線性函數(shù)作為輸出神經(jīng)元的傳遞函數(shù),彈性BP算法作為訓(xùn)練函數(shù)的BP人工神經(jīng)網(wǎng)絡(luò)模型的分類精度最高,達(dá)到79.375％。
　　2.采用哈密瓜數(shù)字圖像的所有色度頻度值作為BP人工神經(jīng)網(wǎng)絡(luò)的輸入對(duì)哈密瓜成熟度進(jìn)行分類時(shí),利用瓜側(cè)面圖像進(jìn)行分類的精度仍然更高且更穩(wěn)定。其中使用雙曲正切S形函數(shù)作為輸入神經(jīng)元的傳遞函數(shù),線性函數(shù)作為輸出神經(jīng)元的傳遞函數(shù),彈性BP算法作為訓(xùn)練

4、函數(shù)的BP人工神經(jīng)網(wǎng)絡(luò)模型的分類精度最高,達(dá)到96.25%。
　　3.采用主成分分析法,對(duì)哈密瓜側(cè)面數(shù)字圖像的所有色度頻度值進(jìn)行縮減后的特征值作為BP人工神經(jīng)網(wǎng)絡(luò)的輸入對(duì)哈密瓜成熟度進(jìn)行分類時(shí),使用前2個(gè)主成分作為BP人工神經(jīng)網(wǎng)絡(luò)的輸入,對(duì)數(shù) S形函數(shù)作為輸入神經(jīng)元的傳遞函數(shù),線性函數(shù)作為輸出神經(jīng)元的傳遞函數(shù), Levenberg-Marquardt算法作為訓(xùn)練函數(shù)的BP人工神經(jīng)網(wǎng)絡(luò)模型的分類精度和使用前16個(gè)主成分作為BP人工神