基于近红外光谱与密度特征的苹果霉心病无损检测方法研究
发布时间：2022-11-11 22:05
霉心病是苹果生长过程中多见的病害之一,其在果树生长初期、成熟期和贮藏期分别会导致果树落果、果实品质下降和果实腐烂,甚至还会引起相邻的健康果实病变等一系列现象,不仅影响了食品安全,还会影响苹果的市场价值。目前,苹果外部品质分级检测技术相对成熟,并且得到了普遍应用,但对于其内部品质的检测技术相对较差。为实现苹果霉心病的无损检测,本研究提出了利用苹果光谱特征结合密度特征的多元信息检测方法,主要研究内容如下:（1）采用MPA近红外光谱仪采集光谱,根据苹果自身特点,对苹果样品的赤道部位每隔120°进行1次光谱扫描,取3条光谱的平均光谱作为苹果样品的原始光谱,从而有效消除了光谱采集位置不同产生的误差,使得模型预测效果更准确。采用佳能相机800D进行图像采集,拍照完毕后将苹果旋转90°,再进行拍照,每个苹果共进行4次拍照。（2）利用卷积平滑法和均值中心化法进行光谱原始数据的预处理。上述两种预处理方法对苹果样品在4000-12500 cm-1的波数范围内进行光谱原始数据的预处理。截取预处理后的部分光谱数据进行主成分分析,将分析后的数据采用Fisher判别模型进行比较:发现利用卷积平滑预处理后的光谱数据...
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国内研究现状
1.2.2 国外研究现状
1.3 研究内容与章节安排
1.3.1 研究内容
1.3.2 技术路线
1.3.3 章节安排
2 试验数据采集
2.1 试验对象
2.2 数据采集
2.2.1 光谱数据采集
2.2.2 图像数据采集
2.2.3 质量数据采集
2.2.4 体积数据采集
2.3 样本标定
2.4 本章小结
3 近红外光谱特征分析处理
3.1 试验数据预处理方法
3.1.1 卷积平滑处理法
3.1.2 均值中心化
3.2 光谱数据降维
3.3 Fisher判别分析
3.4 判别结果分析
3.5 本章小结
4 苹果图像处理及密度测定
4.1 体积测量方法前期研究
4.2 基于计算机视觉的苹果图像处理方法
4.2.1 数字图像处理介绍
4.2.2 自适应閾值法
4.2.3 K-means聚类算法
4.2.4 融合Otsu算法与K-means聚类算法的苹果目标分割方法
4.3 苹果体积拟合模型及苹果体积的计算方法
4.3.1 数字图像法计算苹果体积
4.3.2 拟合模型的建立
4.3.3 苹果体积计算结果
4.4 苹果密度研究
4.5 苹果密度临界值的确定
4.6 本章小结
5 苹果霉心病判别模型
5.1 模型建立方法及评价标准
5.1.1 支持向量机(SVM)
5.1.2 BP神经网络
5.1.3 评价标准
5.2 模型预测结果
5.2.1 粒子群-支持向量机(PSO-SVM)
5.2.2 BP神经网络
5.2.3 实验结果分析
5.3 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
作者简介
致谢
附件
【参考文献】：
期刊论文
[1]基于高光谱图像和3D-CNN的苹果多品质参数无损检测[J]. 王浩云,李晓凡,李亦白,孙云晓,徐焕良. 南京农业大学学报. 2020(01)
[2]基于近红外光谱技术的苹果霉心病检测方法[J]. 王梓萌,刘景艳,姚腾飞,李东明. 科学技术与工程. 2019(10)
[3]基于支持向量回归的驴肉脂肪和蛋白质近红外检测模型优化[J]. 牛晓颖,邵利敏,焦慎江,李晓灿,赵志磊. 河北大学学报(自然科学版). 2019(01)
[4]基于近红外光谱和PSO-SVM算法的烟叶自动分级方法[J]. 杨双艳,杨紫刚,张四伟,李长昱,吴书娇,邱昌桂. 贵州农业科学. 2018(12)
[5]近红外光谱的马铃薯环腐病SIMCA模式识别[J]. 张小燕,杨炳南,曹有福,李少萍,赵庆亮,兴丽. 光谱学与光谱分析. 2018(08)
[6]近红外光谱技术对鲜切哈密瓜品质检测的研究[J]. 宋雪健,王洪江,张东杰,于金池,周义,于果. 农产品加工. 2018(10)
[7]苹果内外品质在线无损检测分级系统设计与试验[J]. 李龙,彭彦昆,李永玉. 农业工程学报. 2018(09)
[8]基于计算机视觉的苹果水心病无损在线分级系统[J]. 张弘炀,蔡骋. 农机化研究. 2018(10)
[9]近红外光谱技术结合PLS和SPA检测鲜冬枣表面农药残留量的方法[J]. 蒋霞,张晓,白铁成,陈杰,张楠楠. 江苏农业科学. 2018(02)
[10]近红外光谱分析技术在苹果品质检测中的应用进展[J]. 王世芳,崔广禄,冯晓元,韩平. 食品安全质量检测学报. 2017(12)
硕士论文
[1]融合多源信息的苹果霉心病在线检测方法研究[D]. 吴辰星.西北农林科技大学 2017
[2]融合特征波段与果径的苹果霉心病无损检测设备设计[D]. 陈克涛.西北农林科技大学 2016
[3]近红外光谱在线分析鲜茶叶品质的研究[D]. 张民.湖南农业大学 2015
[4]基于密度特征的苹果霉心病无损检测方法研究[D]. 张卫园.西北农林科技大学 2015
[5]基于近红外光谱技术和X射线图像的鲜枣虫害检测研究[D]. 孙海霞.山西农业大学 2014
[6]基于NIR高光谱成像技术的长枣虫害及可溶性固形物无损检测研究[D]. 罗阳.宁夏大学 2013
[7]富士苹果霉心病病原菌侵染特性研究[D]. 张强.西北农林科技大学 2012
[8]基于机器视觉和X射线的苹果霉心病检测方法研究[D]. 杨亮亮.西北农林科技大学 2009
[9]苹果水心病及褐变光学无损伤检测研究[D]. 刘新鑫.中国农业大学 2004
本文编号：3705828
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国内研究现状
1.2.2 国外研究现状
1.3 研究内容与章节安排
1.3.1 研究内容
1.3.2 技术路线
1.3.3 章节安排
2 试验数据采集
2.1 试验对象
2.2 数据采集
2.2.1 光谱数据采集
2.2.2 图像数据采集
2.2.3 质量数据采集
2.2.4 体积数据采集
2.3 样本标定
2.4 本章小结
3 近红外光谱特征分析处理
3.1 试验数据预处理方法
3.1.1 卷积平滑处理法
3.1.2 均值中心化
3.2 光谱数据降维
3.3 Fisher判别分析
3.4 判别结果分析
3.5 本章小结
4 苹果图像处理及密度测定
4.1 体积测量方法前期研究
4.2 基于计算机视觉的苹果图像处理方法
4.2.1 数字图像处理介绍
4.2.2 自适应閾值法
4.2.3 K-means聚类算法
4.2.4 融合Otsu算法与K-means聚类算法的苹果目标分割方法
4.3 苹果体积拟合模型及苹果体积的计算方法
4.3.1 数字图像法计算苹果体积
4.3.2 拟合模型的建立
4.3.3 苹果体积计算结果
4.4 苹果密度研究
4.5 苹果密度临界值的确定
4.6 本章小结
5 苹果霉心病判别模型
5.1 模型建立方法及评价标准
5.1.1 支持向量机(SVM)
5.1.2 BP神经网络
5.1.3 评价标准
5.2 模型预测结果
5.2.1 粒子群-支持向量机(PSO-SVM)
5.2.2 BP神经网络
5.2.3 实验结果分析
5.3 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
作者简介
致谢
附件
【参考文献】：
期刊论文
[1]基于高光谱图像和3D-CNN的苹果多品质参数无损检测[J]. 王浩云,李晓凡,李亦白,孙云晓,徐焕良. 南京农业大学学报. 2020(01)
[2]基于近红外光谱技术的苹果霉心病检测方法[J]. 王梓萌,刘景艳,姚腾飞,李东明. 科学技术与工程. 2019(10)
[3]基于支持向量回归的驴肉脂肪和蛋白质近红外检测模型优化[J]. 牛晓颖,邵利敏,焦慎江,李晓灿,赵志磊. 河北大学学报(自然科学版). 2019(01)
[4]基于近红外光谱和PSO-SVM算法的烟叶自动分级方法[J]. 杨双艳,杨紫刚,张四伟,李长昱,吴书娇,邱昌桂. 贵州农业科学. 2018(12)
[5]近红外光谱的马铃薯环腐病SIMCA模式识别[J]. 张小燕,杨炳南,曹有福,李少萍,赵庆亮,兴丽. 光谱学与光谱分析. 2018(08)
[6]近红外光谱技术对鲜切哈密瓜品质检测的研究[J]. 宋雪健,王洪江,张东杰,于金池,周义,于果. 农产品加工. 2018(10)
[7]苹果内外品质在线无损检测分级系统设计与试验[J]. 李龙,彭彦昆,李永玉. 农业工程学报. 2018(09)
[8]基于计算机视觉的苹果水心病无损在线分级系统[J]. 张弘炀,蔡骋. 农机化研究. 2018(10)
[9]近红外光谱技术结合PLS和SPA检测鲜冬枣表面农药残留量的方法[J]. 蒋霞,张晓,白铁成,陈杰,张楠楠. 江苏农业科学. 2018(02)
[10]近红外光谱分析技术在苹果品质检测中的应用进展[J]. 王世芳,崔广禄,冯晓元,韩平. 食品安全质量检测学报. 2017(12)
硕士论文
[1]融合多源信息的苹果霉心病在线检测方法研究[D]. 吴辰星.西北农林科技大学 2017
[2]融合特征波段与果径的苹果霉心病无损检测设备设计[D]. 陈克涛.西北农林科技大学 2016
[3]近红外光谱在线分析鲜茶叶品质的研究[D]. 张民.湖南农业大学 2015
[4]基于密度特征的苹果霉心病无损检测方法研究[D]. 张卫园.西北农林科技大学 2015
[5]基于近红外光谱技术和X射线图像的鲜枣虫害检测研究[D]. 孙海霞.山西农业大学 2014
[6]基于NIR高光谱成像技术的长枣虫害及可溶性固形物无损检测研究[D]. 罗阳.宁夏大学 2013
[7]富士苹果霉心病病原菌侵染特性研究[D]. 张强.西北农林科技大学 2012
[8]基于机器视觉和X射线的苹果霉心病检测方法研究[D]. 杨亮亮.西北农林科技大学 2009
[9]苹果水心病及褐变光学无损伤检测研究[D]. 刘新鑫.中国农业大学 2004
本文编号：3705828
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3705828.html