随着人们越来越注重科学饮食,在食用葡萄时,人们也越来越注重鲜食葡萄的内部品质。可溶性固形物和总酸是鲜食葡萄中两个重要的品质指标,它们不仅反映葡萄的营养价值,而且也直接影响葡萄的口感。随着科学技术的发展,如何实现对鲜食葡萄的可溶性固形物和总酸的无损检测成为当前研究的重点。本文以鲜食葡萄为研究对象,利用高光谱成像技术对鲜食葡萄内部品质进行无损检测研究,旨在证明鲜食内部品质检测的可行性和提高品质检测的准确性,进一步为鲜食葡萄可溶性固形物和总酸的在线检测提供借鉴和参考。本文主要完成三个方面工作:(1)利用高光谱成像技术对鲜食葡萄的可溶性固形物进行预测研究。首先,在高光谱图像上选取30×30像素的感兴趣区域获得平均光谱曲线,然后,通过理化实验测得葡萄可溶性固形物的实际值。利用主成分分析与马氏距离方法剔除13个异常样本,对剩余光谱数据进行预处理以消除噪声与干扰。采用不同的预处理方法进行比较分析,优选出1Der+SG预处理方法;利用UVE-SPA方法提取10个特征波长,消除数据中冗余变量和无关变量。基于特征波长建立不同的预测模型,同时提出PSO-LSSVM模型对鲜食葡萄可溶性固形物的预测。通过比较预测模型的评价标准,得到PSO-LSSVM模型能较好地预测鲜食葡萄的可溶性固形物,其预测集的相关系数和均方根误差分别为:0.705和1.973。(2)利用高光谱成像技术对鲜食葡萄的总酸进行预测研究。首先,通过理化实验测得葡萄总酸的实际值。然后对高光谱图像进行处理,利用数据增强的方法扩充数据量,通过旋转90°、旋转180°、旋转270°、水平翻转和垂直翻转方法使得样本集增加六倍。对扩充后样本集中的图像进行裁剪,裁剪成大小为160×160像素点的单个葡萄粒,并进行人工标注。基于AlexNet网络的结构,建立改进的AlexNet网络对鲜食葡萄的总酸进行预测。改进的AlexNet网络增加批规则化层与全局平均池化层,避免过拟合,网络还采用Adam优化器与均方误差损失函数进行训练。改进的AlexNet网络具有较好的预测结果,其准确率为94.17%。改进的AlexNet网络与PLS、LS-SVM模型进行对比,改进的AlexNet网络具有较好的预测结果,其R_p和RMSEP分别为0.853和0.419。(3)鲜食葡萄内部品质检测系统的应用设计。基于可溶性固形物与总酸的无损检测,设计了鲜食葡萄内部品质检测系统。系统的设计分为前端页面和后端模块两部分。前端页面主要是检测界面的设计与功能的划分,后端模块是利用Myeclipse实现Matlab与Java之间的通讯,将预处理方法、特征提取和模型等子模块进行封装,作为后端的数据库,通过前端的界面实现对后端数据库的调用。综上,本文利用高光谱成像技术对鲜食葡萄内部品质的无损检测进行研究,鲜食葡萄的可溶性固形物和总酸是其内部品质中最为重要的两个指标。本文对鲜食葡萄可溶性固形物、总酸进行预测以及设计的系统可以便捷对其内部品质的在线检测。