融合多源信息的蘋果霉心病在線檢測方法研究.pdf

1、近年來我國幾大蘋果主產(chǎn)區(qū)均已出現(xiàn)不同程度的霉心病病害，蘋果霉心病發(fā)病呈逐年上升態(tài)勢，給整個產(chǎn)業(yè)造成了嚴重損失。現(xiàn)有霉心病無損檢測方法多基于近紅外光譜分析技術，采用漫反射、透射進行全波段光譜病害分析，實現(xiàn)了單個蘋果樣品霉心病檢測，但仍存在檢測過程自動化程度低，復雜度高的問題，難以滿足果品產(chǎn)業(yè)在線分選對檢測方式、檢測速度、可靠性等方面的實際需求。針對產(chǎn)業(yè)霉心病在線檢測需求，本文基于霉心病發(fā)病機理分析，提出多因子融合的霉心病在線檢測方法，構建

2、了融合多源信息的病害判別模型，在此基礎上設計開發(fā)了相應的霉心病在線檢測系統(tǒng)，并進行了系統(tǒng)測試與驗證，結果表明本文設計的霉心病在線檢測方法能夠有效滿足蘋果霉心病在線高通量檢測需求，為實現(xiàn)蘋果霉心病在線檢測與保障果品質(zhì)量安全提供了新思路，對提升水果產(chǎn)業(yè)分選水平，增強產(chǎn)業(yè)核心競爭力具有積極意義。
　　本文具體工作及結論如下:
　　(1)霉心病在線檢測主要關聯(lián)因素分析?；谔O果霉心病病害機理分析，提取了霉心病在線檢測主要關聯(lián)因子，論

3、證了基于近紅外透射光譜及果實密度綜合檢測霉心病果的可行性，最終提出了采用霉心病特征透射光強、果形指數(shù)、果徑和重量作為霉心病的主要判別因子。針對霉心病特征透射波段選取需求，本文基于蘋果霉心病近紅外光譜采集平臺，獲取了樣品全光譜數(shù)據(jù)，采用偏最小二乘法進行了特征波段篩選，最終確定在200-1100nm波段范圍的霉心病最相關波段為701nm～728nm。
　　(2)多源信息預處理方法研究。本文基于霉心病在線檢測試驗平臺，獲取了108個陜西

4、紅富士蘋果的圖像、重量、透射光譜數(shù)據(jù);針對蘋果果形指數(shù)信息的獲取，提出了一種基于機器視覺技術的蘋果橫縱徑在線計算方法，在線識別果實橫徑、縱徑的平均相對誤差為2.07％、2.52％;針對透射光譜和重量數(shù)據(jù)特點，分別測量三次數(shù)據(jù)取平均值作為樣品數(shù)據(jù);最后，采用Z-score方法對四維霉心病檢測關聯(lián)因子數(shù)據(jù)進行了歸一化預處理。
　　(3)蘋果霉心病在線判別模型研究。霉心病判別具有二分類非線性特點，采用線性判別算法，針對四維霉心病檢測關聯(lián)

5、因子間不同組合情況構建霉心病判別模型，結果表明四維因子融合的判別模型準確率最高，達到68.18％;采用支持向量機算法，構建了基于徑向基核函數(shù)的四維因子融合的判別模型，準確率為90.91％，建模時間為5.951s;采用隨機森林算法，分析了不同決策樹個數(shù)對模型性能的影響，以150棵決策樹構建了四維因子融合的判別模型，準確率為95.45％，建模時間為0.054s。通過模型對比分析，結合本研究中在線檢測對模型復雜性、實效性的需求，最終選用隨機森

6、林算法構建霉心病在線檢測模型。
　　(4)蘋果霉心病在線檢測系統(tǒng)開發(fā)與驗證。
　　基于構建的檢測模型，采用C++語言開發(fā)了蘋果霉心病在線檢測系統(tǒng)軟件，并將檢測模型嵌入在線檢測系統(tǒng)，搭載于蘋果霉心病在線檢測試驗平臺，實現(xiàn)了蘋果霉心病在線檢測與分選決策;采用陜西紅富士蘋果54個，進行了系統(tǒng)整體測試，結果表明檢測系統(tǒng)可實現(xiàn)蘋果多源信息獲取分析、病害精準判別以及蘋果霉心病在線分選決策，系統(tǒng)運行穩(wěn)定可靠，霉心病在線判別精度達83.3％