论文部分内容阅读
本文在分析国内外可见近红外光谱和机器视觉等水果无损检测技术发展现状的基础上,重点介绍了本课题组设计的漫透射光谱和图像信息融合的蜜瓜内部品质在线检测系统,并基于该检测系统,研究了河套蜜瓜糖度快速无损检测方法。主要研究工作及成果如下：(1)与本研究小组其他成员设计、制作了基于可见近红外光谱和图像信息融合的蜜瓜品质在线检测系统,经过安装、调试,本系统可以较好的实现在线采集蜜瓜可见近红外光谱和图像。(2)基于该检测系统,采集了三个品种河套蜜瓜的静态和在线(0.07m/s、0.09m/s、0.11m/s)漫透射光谱和图像。在此基础上,以代表性品种“金红宝”为研究对象,进行糖度检测方法研究。(3)对154个样品进行可见近红外光谱预处理,提取蜜瓜的特征波长,并使用spss分析蜜瓜特征波长对应的透射率主成分特征值。(4)针对蜜瓜的图像特点,采用图像处理算法,从蜜瓜图像中提取了蜜瓜的颜色信息、体积、果形指数信息,将颜色特征进行主成分分析找到可以表征颜色特征的主成分信息。(5)研究了BP神经网络算法和SVM算法两种建模方法,以蜜瓜颜色特征主成分值为输入量,糖度值作为输出量建立模型,BP神经网络训练集拟合程度为70%,预测结果r与RMSE为0.4782与1.8054,SVM算法预测结果r与RMSE为0.5059与1.5949,回归结果好于BP神经网络。(6)采用支持向量机建模方法,分别对蜜瓜的图像、光谱信息与糖度建模,颜色特征建模效果最差,r与RMSE仅为0.5059与1.5949,相关性较低；光谱特征主成分模型和光谱特征模型相比,后者模型效果要比前者好,r与RMSE可以达到0.7501与1.2058。融合颜色特征和光谱特征所建立的回归模型效果好于单个颜色特征和单个光谱特征所建立的回归模型,r与RMSE分别达到0.8473与0.9684。当把蜜瓜的颜色特征、体积和果形指数作为外部特征融合蜜瓜光谱特征进行建模时效果最好,相关系数r与RMSE高达0.8630与0.9407。研究结果表明,光谱与图像信息融合,不仅可改善果实大小、形状差异对光谱检测精度的影响问题,也可利用蜜瓜的颜色信息与蜜瓜品质具有一定相关性的特点提高检测精度。