论文部分内容阅读
中华绒螯蟹是我国的名优水产品,因其营养丰富、肉质鲜美而备受消费者青睐,而且近年来产量和产值巨大且持续攀升。目前中华绒螯蟹养殖和加工中采用人工监测和人工分级,但人工方法效率低且受主观意识影响,导致养殖中产率低和上市速度慢,难以保障中华绒螯蟹品质和新鲜度。因此研发出中华绒螯蟹养殖监测和品质鉴别的快速无损检测方法和系统显得尤为重要。本研究利用光谱图像技术实现中华绒螯蟹品质鉴别。首先利用可见-近红外（421963 nm）高光谱结合化学计量学方法,研究脱壳后硬化过程中蟹壳硬度、几丁质和蛋白质的快速无损预测方法。然后研究基于光谱图像融合信息的中华绒螯蟹等级的快速无损预测方法。最后搭建基于机器视觉技术的中华绒螯蟹在线分级系统,实现对中华绒螯蟹的雌雄、品质和重量的在线分级。主要研究内容如下:（1）硬化过程中蟹壳硬度、几丁质和蛋白质的高光谱检测研究以脱壳后硬化过程中华绒螯蟹为研究对象,测量硬化过程中背部蟹壳硬度、几丁质和蛋白质含量,并提取背部蟹壳高光谱图像的可见-近红外光谱。比较多种光谱预处理方法(1stDER、2ndd DER、MSC、SNV、SG)后选出最优预处理方法,接着采用siPLS、GAPLS和si-GAPLS筛选特征波长,分别基于全光谱和特征波长建立PLS和SVM定量预测模型,实现对蟹壳硬度、几丁质和蛋白质含量快速无损预测。结果显示,在硬化过程中硬度指标与几丁质含量和蛋白质含量具有显著的负相关性,且GAPLS、si-GASVM和GASVM分别对硬度、几丁质含量和蛋白质含量的预测效果最好。（2）基于光谱图像融合信息的中华绒螯蟹高光谱分级研究以不同品质等级中华绒螯蟹为研究对象,提取蟹壳背部高光谱图像可见-近红外光谱和高光谱主成分图像的图像信息,采用MSC方法对光谱预处理,接着运用GA和ACO筛选特征波长,基于特征波长、图像信息、融合特征波长和图像信息分别建立RF、LDA、KNN、BP-ANN和LS-SVM分级模型,实现对中华绒螯蟹品质分级。结果显示,基于融合信息的RF模型识别效果最好,预测集识别率为98.89%。基于图像信息的分级模型和筛选的486 nm、745 nm和908 nm特征波长可为构建分级系统提供理论基础。（3）基于视觉特征和重量的中华绒螯蟹在线分级系统分别采集中华绒螯蟹腹面和486 nm、745 nm、908 nm波长下背面图像,对腹面图像采用模板匹配算法识别中华绒螯蟹雌雄信息;提取特征波长下背面图像信息,并结合蟹壳面积和重量得到肥满度信息,建立BP-ANN分级模型。结果显示,模板匹配算法能有效识别中华绒螯蟹雌雄信息,识别率为98.75%;BP-ANN分级模型能有效识别雄蟹和雌蟹的品质等级,识别率分别为94.38%和95.63%。本系统实现了中华绒螯蟹雌雄、品质等级和重量的在线分级。本研究实现了脱壳后硬化过程蟹壳硬度和中华绒螯蟹等级的快速无损预测,研制了中华绒螯蟹在线分级系统,对提升我国水产品自动化分级水平有重要的意义。