论文部分内容阅读
菠菜中富含水分、叶绿素、无机盐等营养物质,是居民膳食中不可缺少的组成部分。菠菜采摘后,植物体内会发生一系列生理变化,导致菠菜品质下降。某些不法商家为实现盈利最大化,不惜以次充好,给消费者的生命健康和利益带来极大损害,不利于市场的良性竞争。因此,有必要检测菠菜的新鲜度。目前,实际应用中主要通过人工评定和传统机器视觉的方法判别菠菜新鲜度,前者需要经验丰富的专业人员,有时会破坏菠菜样本;后者仅仅关注可见波段的图像,遗失大量的重要特征,判别结果精度偏低。针对上述问题,本论文以室温10℃条件下贮存的圆叶菠菜为研究对象,基于高光谱和图像处理技术检测圆叶菠菜新鲜度,采用多种手段优选特征波长,研究发现,930.69nm波段对应图像的LBP特征(以下简称featurebest)识别效果比较理想,准确率达到91.5%。本次研究实现了圆叶菠菜新鲜度的快速无损检测,为工业加工和市场销售提供了品质判别保障,具有实践和理论意义。本研究主要贡献如下:(1)划分菠菜的新鲜度等级是本研究的重点也是难点,目前,国际上缺乏通用的行业标准。本文在为每片菠菜叶子的贮存天数、外观、水分、叶绿素a、叶绿素b和胡萝卜素的含量指标评分后,并根据标准差赋予每个指标权值,最后计算出每片叶子的综合得分。将两个得分突变处(0.5208和0.3593)设置为临界值,[0.5209,0.6676]为新鲜,[0.031,0.3593]为腐败,[0.3594,0.5208]为次新鲜。(2)提出了基于分组和精英策略的遗传算法(Grouping Genetic Algor ithm Based on El ite,GGABE)用于高光谱波段优选,提高了搜索速度和收敛精度。采用两种分组手段:人工指定分组和自适应分组。人工指定分组即依次将整个种群空间平均划分为2～32组;自适应分组数由种群空间的特点决定,将反射率紧凑、类内距离小的波段作为分组边界。分组后,结合精英策略在每组中独立进行遗传操作。(3)提出了基于自适应鱼群策略的K均值聚类算法(K-Means Cluster Algorithm based on Adaptive Fish Swarm,KMCAAFS)用于高光谱波段优选。传统k均值聚类算法的初始聚类中心随机生成,具有较大的偶然性,改进算法采用两种策略:人工鱼群策略和特征-类标相关性策略。人工鱼群策略即使用视野、步长自适应变化的鱼群算法确定初始聚类中心;特征-类标相关性策略则选择若干分类能力最强的个体作为初始聚类中心。初始聚类中心确定后,将每个个体分配至距离中心最近的聚类中。(4)建立基于featurebest的SVM菠菜新鲜度检测模型(DMSFboLBP-930.69)。GGABE和KMCAAFS找出的波长数分别为5和6,最终研究中采用了两种算法优选出波段的并集(413.259nm,428.504nm,576.064nm,411.232nm,930.69nm,416.808nm)。分别提取了各个波段处每幅图片的图像纹理特征,针对SIFT、LBP、降维后的GLCM和LBP-降维后的GLCM组合特征,采用支持向量机、BP神经网络和随机森林三种分类器,分别验证识别效率。研究发现DMSFboLBP-930.69模型分类率最高,达到91.5%。