基于高光譜成像技術(shù)的蘋果品質(zhì)無損檢測研究.pdf

1、中國的水果產(chǎn)量和種植面積居世界第一，水果品種繁多。人們對水果的消費日趨增長，但市場上的水果魚龍混雜，水果品質(zhì)好壞的檢測技術(shù)相對落后。無損檢測技術(shù)越來越成為一個熱門的發(fā)展趨勢，而高光譜技術(shù)的特點也使其成為無損檢測技術(shù)最佳的檢測手段。它融合了圖像技術(shù)和光譜技術(shù)的優(yōu)點，一次成像既包含了水果的圖像信息也包含了其光譜信息，可對水果的內(nèi)外品質(zhì)進(jìn)行快速檢測。
　　蘋果是我們國家的主要水果之一，其品質(zhì)對于消費者備受關(guān)注，本文將蘋果作為研究對象，利

2、用高光譜成像技術(shù)對蘋果內(nèi)外品質(zhì)參數(shù)進(jìn)行無損檢測研究。采用PLS以及BP-ANN方法建立蘋果糖度、果肉硬度預(yù)測模型;對于外部輕微損傷的檢測，分別采用了特征波段主成分分析算法(PCA)與最低噪聲分離變換(MNF)結(jié)合圖像處理的方法檢測蘋果表面輕微的損傷。并對兩種檢測算法進(jìn)行對比，找到適合蘋果檢測的算法。本文的研究成果對實時在線檢測系統(tǒng)提供了一種參考。
　　本文的主要工作如下:
　　(1)高光譜圖像系統(tǒng)采集到的光譜信息，需要經(jīng)過預(yù)

3、處理操作，對比各種預(yù)處理方法，原始反射光譜經(jīng)過多元散射校正預(yù)處理，所建預(yù)測模型性能較好。
　　(2)建立了基于PLS和BP神經(jīng)網(wǎng)絡(luò)蘋果糖度與果肉硬度分析模型，BP神經(jīng)網(wǎng)絡(luò)建立蘋果糖度和果肉硬度預(yù)測模型優(yōu)于偏最小二乘法。
　　(3)利用1-RFLIFF算法對正常表皮和損傷區(qū)域的光譜進(jìn)行分析得出權(quán)值系數(shù)圖，依據(jù)該系數(shù)曲線挑選出了5個特征波段。
　　(4)建立了全波段最低噪聲分離變換(MNF)的蘋果損傷識別檢測算法，利用該算