论文部分内容阅读
苹果内部富含有多种矿物质元素和维生素,是人们常爱食用的水果之一。我国是世界上最大的苹果生产及消费国,随着人们生活水平的上升,在购买苹果时对于苹果的品质要求也逐渐提升。苹果的品质包含内外部两个方面,外部品质有颜色、大小及外观缺陷等方面,内部品质包括甜度、水分及硬度等方面。目前我国水果市场上,苹果的质量良莠不齐,这是由落后的采摘后分级检测技术导致的。近年来使用高光谱技术无损检测水果的内部品质成为一个热门的研究课题,该技术融合了目标的图像信息及光谱信息,可以对目标的内外部品质快速无损分析。本文利用高光谱成像技术对苹果可溶性固形物含量、水分及果肉硬度进行研究,主要研究内容如下:(1)采用400～11 00nm的高光谱成像系统对苹果内部可溶性固形物含量进行了无损检测研究。对于系统采集到的光谱图像首先进行黑白校正,选取半径为150像素的圆形感兴趣区域。采集到的光谱数据用S-G一阶微分进行预处理,采用SPA算法从预处理后的数据中提取出12个特征波长(740.86、752.95、785.99、800.34、813.59、835.70、842.34、860.05、883.30、897.71、938.70 和 950.89nm),以此分别建立 BP 和GA-SVR预测模型。实验结果为GA-SVR模型的预测效果优于BP神经网络模型,其校正集和预测集的相关系数和均方根误差分别是0.8806、0.2607和0.8505、0.3031。(2)利用高光谱成像技术对苹果内部水分含量进行了无损检测研究。对于预处理后的光谱数据分别用PCA及SPA算法提取特征波长,其中PCA算法的前7个主成分的累计贡献率已经达到95%以上,SPA算法提取了 16个特征波长。分别采用PSO及Grid Search 算法优化 SVR 参数,建立了 PCA-PSO-SVR、PCA-Grid-SVR、SPA-PSO-SVR及SPA-Grid-SVR四种水分预测模型。实验结果为SPA-Grid-SVR模型的预测效果最佳,其校正集和预测集的相关系数及均方根误差分别是0.9132、0.2236和0.8754、0.2387。(3)通过高光谱成像技术对苹果果肉硬度进行了无损检测研究。预处理后的光谱数据使用SPA算法提取出了 14个特征波长,用该光谱矩阵作为模型的输入变量,通过GA算法优化SVR及BP的参数,采用优化后BP网络的权值及阈值建立了 GA-BP预测模型,同时采用优化得到的参数c和g建立GA-SVR预测模型。实验结果表明GA-BP模型的预测误差小于未优化的BP网络,GA-SVR模型的预测效果优于GA-BP模型,其Rc、RMSEC、Rp、RMSEP分别为 0.8543、0.3203、0.8135、0.2967。