收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于高光谱成像技术的灵武长枣常见缺陷无损检测研究

吴龙国  
【摘要】:灵武长枣是宁夏的特色农产品,营养价值高,受到广大消费者的青睐。而长枣的外部品质直接影响长枣的销售与贮藏,传统的检测方法费时、费力、效率低,高光谱成像技术结合了图像技术与光谱技术的优点,成为水果品质无损检测的重要发展趋势。 本文以灵武长枣为研究对象,分别利用Vis-NIR高光谱成像技术与NIR高光谱成像技术,采用支持向量机(SVM)与独立软模式法(SIMCA)建立完好枣、裂痕枣、碰伤枣、虫眼枣的光谱信息鉴别模型;采用特征波长主成分分析与波段比的算法结合图像处理方法对完好枣、裂痕枣、碰伤枣、虫眼枣的图像信息,建立缺陷识别模型。从而为下一步开发实时、快速、在线的无损检测系统提供理论依据。主要研究结果如下: (1)探讨了2台高光谱成像仪(光谱范围400-1000nm)与(光谱范围900-1700nm)的影响因素(采集参数的设置、背景材质与颜色),确定了碰伤枣采集的时间为24h后。 (2)原始反射光谱曲线建立的模型性能优于预处理(MSC/SNV/FD)、光谱参数(R/A/K-M)所建立的模型。 (3)通过主成分分析对2台高光谱成像仪的完好枣、虫眼枣、裂痕枣、碰伤枣的光谱信息进行降维,Vis-NIR波段选取了5个特征波长(420、521、636、670、679nm),NIR波段选取了4个特征波长(1028、1118、1359、1466nm),分别对Vis-NIR与NIR光谱数据进行了全波段与特征波长下的SVM、SIMCA模型比较。结果表明:特征波长下建立的SVM、SIMCA模型完全可以替代全波段的模型,C-SVC类型的SVM模型优于Nu-SVC类型的SVM模型,线性核函数优于其它核函数,并且N1R波段的SIMCA, SVM模型优于Vis-NIR的SIMCA、SVM模型。 (4)对Vis-NIR波段高光谱成像仪采集的完好枣、虫眼枣、裂痕枣、碰伤枣的图像信息进行主成分分析,选取了完好枣的6个特征波长(545、569、670、732、881、910nm),虫眼枣的5个特征波长(569、603、675、761、910nm),裂痕枣的3个特征波长(670、780、910nm),碰伤枣的4个特征波长(502、603、670、886nm)分别进行主成分分析,识别率依次为100%、64%、46%、0;为了提高识别率,对未识别的缺陷枣进一步采用波段比进行识别,虫眼枣采用R910/R569识别,识别率提高到84%;裂痕枣采用R910/R670识别,识别率达到69%;碰伤枣的识别效果不明显。 (5)对NIR波段高光谱成像仪采集的完好枣、虫眼枣、裂痕枣、碰伤枣的图像信息进行主成分分析,选取完好枣的4个特征波长(1028、1109、1312、1449nm),虫眼枣的4个特征波长(1034、1112、1312、1449nm),裂痕枣的7个特征波长(1031、1112、1225、1312、1392、1449、1461nm),碰伤枣的4个特征波长(1025、1109、1312、1449nm)波段分别进行主成分分析,识别率依次为100%、72%、86%、100%;为了提高识别率,对未识别的虫眼枣进一步采用波段比算法,采用R1449/R1034进行识别,识别率提高到90%;裂痕枣识别效果不明显。通过对比2台高光谱成像系统,NIR高光谱成像仪对长枣外部缺陷检测优于Vis-NIR高光谱成像仪。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 马本学;应义斌;饶秀勤;桂江生;;高光谱成像在水果内部品质无损检测中的研究进展[J];光谱学与光谱分析;2009年06期
2 索少增;刘翠玲;李慧;;近红外光谱技术检测农产品农药残留量的研究[J];北京工商大学学报(自然科学版);2010年06期
3 周全;朱大洲;王成;郑耀;王秋平;马智宏;;成像光谱技术在农产品/食品检测中的研究进展[J];食品科学;2010年23期
4 ;美设计出弯曲杆菌快速筛选方法[J];食品与机械;2011年01期
5 ;美国农业部设计出弯曲杆菌快速筛选方法[J];粮食与饲料工业;2011年03期
6 ;美国农业部设计出弯曲杆菌快速筛选方法[J];食品与发酵工业;2011年01期
7 李江波;苏忆楠;饶秀勤;;基于高光谱成像及神经网络技术检测玉米含水率[J];包装与食品机械;2010年06期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 孙向军;刘凯龙;赵志勇;李雪涛;;高光谱成像及仿真技术途径探索[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
2 肖功海;舒嵘;薛永祺;;显微成像光谱技术及其应用[A];成像光谱技术与应用研讨会论文集[C];2004年
3 刘志明;吴文健;张勇;;植物叶片仿生伪装结构模型设计[A];第六届中国功能材料及其应用学术会议论文集(8)[C];2007年
4 赖建军;陈四海;陈坦;易新建;;基于MEMS微镜阵列的高光谱成像技术研究[A];中国宇航学会深空探测技术专业委员会第三届学术会议论文集[C];2006年
5 马本学;应义斌;饶秀勤;;高光谱成像在水果表面缺陷及污染检测中的研究进展[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年
6 舒嵘;王建宇;薛永祺;;机载推帚式宽视场高光谱成像遥感系统的研制[A];大珩先生九十华诞文集暨中国光学学会2004年学术大会论文集[C];2004年
7 舒嵘;王建宇;徐卫明;何志平;马艳华;吕刚;;机载高空间分辨力、高光谱分辨力多维集成遥感系统[A];第六届成像光谱技术与应用研讨会文集[C];2006年
8 王建宇;;高光谱遥感技术的进展与展望[A];大珩先生九十华诞文集暨中国光学学会2004年学术大会论文集[C];2004年
9 李夕海;何元磊;刘代志;;高光谱寻的技术初探[A];国家安全地球物理丛书(四)——地球物理环境探测和目标信息获取与处理[C];2008年
10 杨勇;刘木华;;基于荧光高光谱图像的猕猴桃VC含量无损检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集(下册)[C];2008年
中国博士学位论文全文数据库 前10条
1 王彩玲;干涉高光谱成像中的信息提取技术[D];中国科学院研究生院(西安光学精密机械研究所);2011年
2 张若宇;番茄可溶性固形物和硬度的高光谱成像检测[D];浙江大学;2014年
3 虞佳佳;基于高光谱成像技术的番茄灰霉病早期快速无损检测机理和方法研究[D];浙江大学;2012年
4 张筱蕾;基于高光谱成像技术的油菜养分及产量信息快速获取技术和方法研究[D];浙江大学;2013年
5 杨燕;基于高光谱成像技术的水稻稻瘟病诊断关键技术研究[D];浙江大学;2012年
6 吴迪;微藻综合品质信息快速无损获取技术和方法研究[D];浙江大学;2011年
7 郭俊先;基于高光谱成像技术的棉花杂质检测方法的研究[D];浙江大学;2011年
8 李江波;脐橙表面缺陷的快速检测方法研究[D];浙江大学;2012年
9 戴春妮;高光谱显微图像的特征提取与分类方法及其应用研究[D];华东师范大学;2009年
10 黄林;基于单一技术及多信息融合技术的猪肉新鲜度无损检测研究[D];江苏大学;2013年
中国硕士学位论文全文数据库 前10条
1 殷姣姣;基于可见—近红外光谱和高光谱成像的无损检测方法研究[D];太原科技大学;2014年
2 管娅娜;分子光谱成像机理及其在血细胞分析中的应用研究[D];华东师范大学;2012年
3 冯小平;基于高光谱成像技术的血迹形态特征检测研究[D];重庆理工大学;2013年
4 罗阳;基于NIR高光谱成像技术的长枣虫害及可溶性固形物无损检测研究[D];宁夏大学;2013年
5 胥亮;基于C++和IDL的分子高光谱图像采集与数据预处理方法研究[D];华东师范大学;2013年
6 李婧;基于数字滤波的高光谱成像系统研究[D];山东大学;2010年
7 张令标;基于高光谱成像技术的红枣表面农药残留无损检测的研究[D];宁夏大学;2014年
8 吴龙国;基于高光谱成像技术的灵武长枣常见缺陷无损检测研究[D];宁夏大学;2014年
9 王旭;基于高光谱成像技术的铜品质检测方法研究[D];浙江大学;2013年
10 吴佳;基于高光谱成像技术的马铃薯薯形检测与算法研究[D];宁夏大学;2014年
中国重要报纸全文数据库 前2条
1 刘建国 钟建;遥感考古勘探技术[N];中国文物报;2005年
2 实习记者 杨鸿博;光学技术检测农畜产品质量安全无损[N];中国农机化导报;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978