發(fā)布時(shí)間：2018-11-03 21:07

【摘要】：隨著高光譜圖像技術(shù)不斷發(fā)展,越來(lái)越多的國(guó)內(nèi)外學(xué)者開(kāi)始關(guān)注其在農(nóng)產(chǎn)品無(wú)損檢測(cè)中的應(yīng)用。高光譜圖像技術(shù)結(jié)合了光譜技術(shù)和圖像技術(shù)的優(yōu)點(diǎn),既可以利用光譜技術(shù)對(duì)農(nóng)產(chǎn)品內(nèi)部品質(zhì)進(jìn)行檢測(cè),又可以利用圖像技術(shù)對(duì)外部品質(zhì)進(jìn)行檢測(cè)。全世界一半以上人口以大米為主食,隨著生活水平的提高,消費(fèi)者對(duì)大米品質(zhì)的關(guān)注也越來(lái)越高。傳統(tǒng)的大米品質(zhì)檢測(cè)手段主要是依靠人為的感官判斷,精度低,效率差,而高光譜技術(shù)可以實(shí)現(xiàn)對(duì)大米品質(zhì)的快速、無(wú)損、精確檢測(cè)。本文以大米作為研究對(duì)象,利用高光譜圖像技術(shù)對(duì)大米品種、水分及淀粉含量進(jìn)行無(wú)損檢測(cè)研究,并提出了基于高光譜圖像技術(shù)的大米品種鑒別、水分含量、淀粉含量快速檢測(cè)方法。主要研究?jī)?nèi)容如下:(1)本文首先利用高光譜圖像技術(shù)對(duì)四種不同產(chǎn)地的大米進(jìn)行品種鑒別。利用高光譜成像系統(tǒng)獲取大米樣本高光譜圖像,使用ENVI軟件確定大米的感興趣區(qū)域,并提取出光譜數(shù)據(jù),使用MATLAB V7.8軟件提取大米的紋理特征和形態(tài)特征。然后利用主成分分析法(PCA)對(duì)光譜、紋理、形態(tài)進(jìn)行特征波長(zhǎng)的選擇,得到九個(gè)特征波長(zhǎng)(499.8,543.6,606.8,669.3,706.6,722.1,815.7,877.6,950.6nm)。分別建立基于全波長(zhǎng)和特征波長(zhǎng)的七個(gè)SVM模型:光譜特征模型、形態(tài)特征模型、紋理特征模型、光譜與形態(tài)結(jié)合特征模型、光譜與紋理結(jié)合特征模型、形態(tài)與紋理結(jié)合特征模型、光譜,紋理形態(tài)結(jié)合特征模型。比較兩類(lèi)模型,得到最優(yōu)模型是基于特征波長(zhǎng)的光譜、形態(tài)、紋理特征組合模型,精度達(dá)到91.67%。由此可以說(shuō)明,利用高光譜圖像技術(shù)檢測(cè)大米品種的方法是可行的。(2)本文其次利用高光譜圖像技術(shù)定量檢測(cè)大米的水分含量。首先利用高光譜成像系統(tǒng)獲取780-1800nm范圍內(nèi)的大米樣本高光譜圖像,利用ENVI軟件確定大米樣本感興趣區(qū)域,并提取出光譜數(shù)據(jù)。在提取完光譜數(shù)據(jù)后,根據(jù)《GB5497-85糧食、油料檢驗(yàn)水分測(cè)定法》中105℃恒重法檢測(cè)大米樣本中的水分含量作為大米樣品的原始水分含量(CMW0=13.5%)。利用主成分分析法(PCA)和連續(xù)投影算法(SPA)對(duì)光譜數(shù)據(jù)進(jìn)行特征提取,然后利用SVR、LS-SVR以及BCC-LS-SVR算法建立基于全波長(zhǎng)光譜和特征波長(zhǎng)光譜檢測(cè)模型。對(duì)比模型可知,基于徑向基函數(shù)的BCC-LS-SVR模型的精度最高,Rp2為0.989,RMSEP為0.767%,Rc2為0.985,RMSEC為0.591%。(3)本文最后利用高光譜圖像技術(shù)對(duì)大米的淀粉含量進(jìn)行檢測(cè)。首先利用高光譜成像系統(tǒng)得到780-1800nm的大米樣本的高光譜圖像,利用ENVI軟件確定大米的感興趣區(qū)域,并提取出光譜數(shù)據(jù)。根據(jù)國(guó)標(biāo)《GB/T 5009.9-2008食品中淀粉的測(cè)定》的酸水解法作為大米樣品淀粉含量檢測(cè)的標(biāo)準(zhǔn)化學(xué)分析方法,按照該方法對(duì)樣品進(jìn)行淀粉含量檢測(cè)得到每組大米樣本的淀粉含量。利用主成分分析法(PCA)和連續(xù)投影算法(SPA)對(duì)大米樣本光譜數(shù)據(jù)特征提取,利用全波長(zhǎng)光譜和特征波長(zhǎng)光譜建立SVR回歸模型,并進(jìn)行模型比較�；�于RBF核函數(shù)的PCA-SVR模型的精度最高,Rc2為0.989,RMSEC為0.445%,Rp2為0.991,RMSEP為0.669%。結(jié)果表明,基于高光譜圖像技術(shù)的大米淀粉含量檢測(cè)是可行的。
[Abstract]:......
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳曉東;郭培源;;基于主成分分析法提取高光譜圖像特征檢測(cè)香腸亞硝酸鹽含量[J];肉類(lèi)研究;2016年12期

2 寧井銘;孫京京;朱小元;李姝寰;張正竹;黃財(cái)旺;;基于圖像和光譜信息融合的紅茶萎凋程度量化判別[J];農(nóng)業(yè)工程學(xué)報(bào);2016年24期

3 顏輝;郭成;第丹丹;李霞;劉利;梁夢(mèng)醒;熊孟;;應(yīng)用手持式近紅外光譜儀檢測(cè)桑椹可溶性固形物含量的偏最小二乘回歸模型建立[J];蠶業(yè)科學(xué);2016年06期

4 田喜;黃文倩;李江波;樊書(shū)祥;張保華;;高光譜圖像信息檢測(cè)玉米籽粒胚水分含量[J];光譜學(xué)與光譜分析;2016年10期

5 張亦婷;劉翠玲;位立娜;;基于光譜技術(shù)的芝麻油摻假定性分析研究[J];食品科技;2016年09期

6 羅霞;洪添勝;羅闊;代芬;吳偉斌;梅慧蘭;林凜;;小波變換和連續(xù)投影算法在火龍果總酸無(wú)損檢測(cè)中的應(yīng)用[J];光譜學(xué)與光譜分析;2016年05期

7 趙安新;湯曉君;張鐘華;劉君華;;優(yōu)化Savitzky-Golay濾波器的參數(shù)及其在傅里葉變換紅外氣體光譜數(shù)據(jù)平滑預(yù)處理中的應(yīng)用[J];光譜學(xué)與光譜分析;2016年05期

8 劉燕德;姜小剛;周衍華;劉德力;;基于高光譜成像技術(shù)對(duì)臍橙葉片的葉綠素、水分和氮素定量分析[J];中國(guó)農(nóng)機(jī)化學(xué)報(bào);2016年03期

9 武小紅;蔡培強(qiáng);武斌;孫俊;嵇港;;基于無(wú)監(jiān)督可能模糊學(xué)習(xí)矢量量化的近紅外光譜生菜品種鑒別研究[J];光譜學(xué)與光譜分析;2016年03期

10 孫俊;路心資;張曉東;朱文靜;武小紅;楊寧;;基于高光譜圖像的紅豆品種GA-PNN神經(jīng)網(wǎng)絡(luò)鑒別[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2016年06期

，

本文編號(hào)：2309042