蘋果果實病害近紅外光譜信息獲取與識別模型研究.pdf

1、蘋果果實采后病害可分為生理性病害和細菌性病理兩大類：生理性病害已有很好的前人研究基礎，通過氣調、溫度調整及其他方法可以有效控制：細菌性病害的無損檢測目前除了有少量基于電學參數(shù)特性等方法外，相關研究很少，利用近紅外光譜進行無損檢測還鮮有報道。因此利用近紅外光譜的快速、綠色、無損等特性建立蘋果病害的檢測模型，具有重要理論意義和實用價值。
　　 本文以蘋果果實為研究對象，采后病害識別(輪紋病和炭疽病)為目標、近紅外光譜檢測為研究手段，

2、在對前人對蘋果病害無損檢測研究的基礎上，分別從近紅外光譜信息采集的影響因素、樣品選擇與模型參數(shù)和病害分類識別模型等方面開展研究，并在此基礎上研制了基于近紅外光譜的蘋果病害識別軟件系統(tǒng)。本文主要研究成果如下：
　　 (1)蘋果光譜信息采集影響因素研究。對同一樣品、同一位置連續(xù)9個小時共53次光譜采集證明，ASD公司的Field Spec3型光譜儀性能穩(wěn)定：雜散光僅對光譜的可見光部分影響明顯，在近紅外波段幾乎沒有影響；果實的不同部位

3、對近紅外光譜的影響不同，蘋果赤道線上的采樣點光譜重復度好，可信度高，而果實頂部和底部的光譜差異較大；在0mm距離下由于光纖探頭對照射光源產生了一定的遮擋，光譜差異很大；在2.5mm-12.5mm的距離上，由于裸光纖的視角是25°，對應的采光界面沒有超過蘋果的最大高度，因此變化不大；超過12.5mm之后由于入射能量的損失，信號能量降低，誤差變大；不同貨架期的蘋果失重率變化明顯，由于內部水分的流失，所采集的近紅外光譜差異顯著；果實的不同色差

4、在赤道面上的近紅外光譜的近紅外波段差異不明顯而對可見光波段差異明顯，因此在實際的近紅外檢測中可以忽略果實的表面顏色差異。
　　 (2)樣品選擇和建模參數(shù)研究。以相關度最好的糖度為研究對象，通過實驗證明通過剔除異常樣品可以大幅提高模型的精度；通過對比分析不同光譜預處理方法、不同平滑點數(shù)、不同交互驗證因子數(shù)和不同建模波段對蘋果糖度PLS定量預測模型預測精度的影響，得到最佳預處理方法是SNV和MSC，最佳平滑點數(shù)為3，交互驗證時最佳因