论文部分内容阅读
水果轻微碰伤严重影响着水果本身的销售、深加工以及水果零售商的信誉。针对轻微碰伤水果难以发觉,影响水果口感等问题,本文利用高光谱“图谱合一”的优势,以毛桃为对象,分别提取实验样品的光谱和图像信息,利用图像分割算法和特征建模算法对水果轻微碰伤进行检测分析,并利用特征建模算法对碰伤时间进行定性判别分析。本文的主要研究内容和结论如下:(1)基于高光谱图像实现对毛桃轻微碰伤的定性判别。首先利用主成分分析(PCA)和最小噪声分离(MNF)对高光谱数据进行降维,选取MN4图像作为分析图像,最后分别利用固定阈值法、大津法和改进分水岭分割算法对MN4图像进行区域分割,最终结果表明:改进分水岭分割算法效果最好,对轻微碰伤果和未碰伤果的分割正确率分别为91.67%和95.00%。(2)利用光谱特征和图像特征建模对毛桃轻微碰伤进行定性判别分析。分别提取样品的光谱特征和图像特征,利用偏最小二乘判别(PLS-DA)和最小二乘支持向量机(LS-SVM)建立毛桃轻微碰伤定性判别模型。最终结果表明:基于LS-SVM算法RBF核函数建立的光谱特征模型预测效果最好,模型检测正确率为95.71%。(3)分别采集毛桃碰伤12h、24h、36h和48h后的高光谱图像,首先利用PCA算法对原始数据处理得到特征图像,然后分别提取样品的光谱特征和平均灰度值特征,最后基于LS-SVM算法建立毛桃碰伤时间的光谱特征模型、图像特征模型和混合特征模型。结果表明:基于RBF核函数建立的混合特征模型预测效果最好,对碰伤12h、24h、36h和48h的样品识别正确率分别为83.33%、96.67%、100%和100%。研究结果表明:高光谱可以较好地实现水果轻微碰伤的检测,并对碰伤时间进行估计,可为水果外部品质分选提供一定的参考和依据,并对水果销售和深加工企业具有一定的借鉴意义。