论文部分内容阅读
本文以山东富士苹果为研究对象，使用CT技术对富士苹果内部品质进行了检测。首先，通过CT值和富士苹果的主要成分，包括水分、糖分和酸度值的关系的对比，证明了富士苹果主要成分和其对应的CT值之间有较好的相关性。分别建立水分、糖分和酸度值与CT值之间的线性关系模型并对得出的的预测模型进行了验证，线性模型的平均预测误差率分别为水分2.24％，糖分5.34％，酸度值0.11％。其次，通过建立富士苹果的CT值与其主要成分包括水分、糖分和酸度值含量的总的多元回归模型并对该回归方程的显著性进行方差分析，证明该多元回归模型具有较好的显著性。通过逐步回归分析的方法研究了富士苹果的主要成分包括水分、糖分和酸度值含量对其对应CT值的影响大小，酸度值、糖分、水分先后分别被吸收进入了最后的回归方程，说明它们对CT值的影响是由大到小，逐渐减弱的，但是每一成分对CT值的影响都是显著的。本研究通过建立对水分、糖分、酸度值的神经网络预测模型，发现训练样本的选择对网络的预测精度的影响是十分显著的。同时，本文建立的神经网络预测模型对水分的预测精度优于线性预测模型，神经网络测试样本的平均预测误差率为1.75％，对糖分、酸度值的预测精度较高，校正后的预测平均误差率分别为5.81％和0.72％，但由于样本选择等问题，神经网络预测精度略低于线性模型预测精度。再次，通过对不同储藏时期富士苹果的CT信息的提取和比较，建立了储藏过程中富士苹果的主要成分与CT值的变化的线性关系。通过研究发现，富士苹果储藏过程中，糖分和酸度的含量是增加的，水分由于挥发等的原因，略有减少。通过CT图像较好的拟合了储藏期间富士苹果内部成分的变化。通过建立富士苹果不同部位硬度与CT值的相关关系，发现富士苹果的不同部位在储藏过程中的硬度变化是不同的，其中中部和底部硬度的变化略高，富士苹果储藏过程中顶部硬度的变化最小，这可能和富士苹果储藏过程中的放置方式有关。储藏过程中的CT值变化可以较好的反映出富士苹果硬度的变化。最后，通过对不同储藏时期包括0周、1周、2周的富士苹果的CT图像进行直方图变换，明显的区分出了这三个时期的富士苹果。通过本文的研究，证明了CT无损检测富士苹果成分以及储藏时期的可行性，为CT技术用于农产品内部品质的在线无损检测应用打下了基础。