论文部分内容阅读
针对新疆果品检测、分级方法和手段比较落后,效率低,以及人工分级和检测的主观性强,不能基于统一尺度精确高效分级,使得整齐度差。因而,本文以新疆红富士苹果为研究对象,采用高光谱图像技术,开展其外部品质(重量大小、尺寸大小和着色度)的检测研究,以及基于外部品质的分级研究,建立了相应的检测方法和分级模型,为今后多光谱成像技术在线分析新疆红富士苹果外部品质和对其分级奠定研究基础。采用高光谱成像仪采集苹果的高光谱图像,对苹果的外部品质检测和分级研究内容论如下:(1)提取特征波长图像,分别采用单一特征波长图像和两个特征波长图像获取的波段比图像,分割图像后获得目标区域的面积特征,并计算出体积特征,建立苹果的重量预测模型。结果表明,采用体积特征建立的苹果重量多元线性回归方程效果最佳,第一批次实验苹果,采用733nm特征波长图像的苹果重量预测值与实际值相关系数达到0.993,预测均方根误差(RMSEP)为4.34g;第二批次实验苹果,采用852/713波段比图像的苹果重量预测值与实际值相关系数达到0.982,RMSEP为4.15g。显然,高光谱图像可以准确用于新疆红富士苹果的重量预测,且可以采用单一特征波长图像准确预测重量。(2)采用大津法二值化852/713双波段比图像,形态开运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法获取苹果尺寸大小,与实测值建立回归方程。结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法能够有效的检测苹果大小,预测值与实际值相关系数为0.94,最大绝对误差为3.06mmm,均方根误差为1.21mm。(3)采用大津法二值化852/713双波段比图像,形态开运算去除果梗区域获得苹果完整分割图像。再以三基色波长分别为R (700nm), G (546.1nm), B (435.8nm)提取三个波长图像,将RGB转换为HIS空间,获得色调H灰度图像。而后以苹果二值图像限定苹果的边界,提取H灰度图像的色调累计频度值,作为色度特征,最后分别采用决策树和AdaBoost_NN对苹果的着色度进行分级。结果表明,采用决策树分级与人工分级一致率达到99.2%,采用AdaBoost_NN分级与人工分级一致率达到97.7%。显然,高光谱图像中RGB波长图像可以用于苹果着色面积分级研究。(4)根据鲜苹果国家标准,依据外部特征人工分级样本苹果。以前述研究中已经获得的苹果尺寸大小和着色度为分级特征,采用概率神经网络分级苹果。结果表明,采用概率神经网络分级与人工分级一致率为82%。