论文部分内容阅读
苹果作为我国第一大水果,在我国果品生产、消费以及对外贸易中发挥着重要作用,然而苹果在商品化的过程中将不可避免受到外力因素的影响而产生不同程度的损伤。有些苹果损伤在形成初期不太明显,但其受损组织的内部可能已经发生了变质,因此对苹果的外部损伤尤其是早期轻微损伤的检测显得尤为重要。此外,对苹果损伤程度定量和客观的描述不仅是生产者和买家评估苹果品质的重要依据,而且对于改善苹果采后商品化处理的研究也具有重要意义。本文采用高光谱成像技术对苹果的外部损伤进行了早期识别与分级,具体研究内容和成果如下:(1)对401-1037nm波段范围的苹果高光谱图像执行分段主成分分析(PCA)操作,选出近红外光谱区(780-1037nm)为识别损伤的最佳光谱区,并基于此最佳光谱区域以及主成分图像的权重系数在本区域选取了7个特征波长;再次对这些选出的特征波长执行PCA操作,并结合图像处理操作设计了一种针对不同程度的苹果损伤的精确识别算法,统计得到该算法对200个样本的平均识别率为98.5%。(2)利用掩模得到157个苹果损伤区域的平均光谱,运用Kennard-Stone算法划分样本集合以提高样本的代表性,使用四种不同预处理方法及它们的组合方法处理原始光谱数据,选出了标准正态变量变换作为最终的预处理方法。利用竞争性自适应重加权法(CARS)、连续投影法以及CARS和相关系数法(CCM)的组合算法来选取光谱数据的特征波长,并分别建立基于网格参数寻优的支持向量机(GSSVM)模型来进行苹果损伤程度的分类鉴别,最终确定了最优损伤程度分类模型为CARS-CCM-GS-SVM模型,预测集的分类准确率达97.5%。研究结果表明,本研究所设计方法可以准确有效地对苹果的早期损伤进行有效识别,并在此基础上实现对损伤程度准确分级,给实现苹果损伤检测的自动化提供一个可行性方案,对提高苹果产业果品分级技术水平与出口率具有积极的意义。