论文部分内容阅读
具有快速、无损检测、环保等特点的近红外光谱分析技术，已被广泛研究和应用于水果内部品质无损检测。红枣以其独特品质和市场空间已成为宁夏优先产业化发展的特色水果，评价其内部品质的重要指标是糖度和酸度。
本论文应用近红外漫反射光谱技术，结合小波变换和人工神经网络，分别建立鲜枣糖度、酸度预测模型和鲜枣品种鉴别模型，并对已建模型的性能进行比较分析，确定了最佳预处理方法和建模方法。研究了鲜枣内部品质在线检测与分类系统。论文取得的主要研究成果如下：
(1)经过FD+MSC预处理，然后采用小波变换压缩光谱数据，再应用RBF神经网络建立的鲜枣糖度和酸度预测模型性能最好。预测糖度时，相似度R为0.9941，预测集标准偏差RMSEP为1.6205；预测酸度时，相似度R为0.9815，预测集标准偏差RMSEP为0.2533。
(2)采用小波变换和人工神经网络结合的技术能够提高鲜枣糖度和酸度预测模型的适应范围。
(3)鉴别鲜枣时，最佳的光谱预处理法为S-G+MSC。
(4)采用SVM神经网络建立鲜枣品种鉴别模型是最有效的，鉴别率可达到100％。
(5)运用小波变换压缩鲜枣光谱数据后人工神经网络学习速率最少可提高18倍。
(6)设计出在线检测系统的硬件结构和软件结构；阐述了该系统硬件中的光源、检测器和控制模块的功能及选取方法或方案；提出各个模块的程序流程图。