收藏本站
收藏 | 论文排版

基于多源信息融合的马铃薯分级无损检测方法研究

汪成龙  
【摘要】:马铃薯内外部品质的检测直接关系到其加工利用率和增值率,同时也是马铃薯工业化生产加工的首要步骤。近年来,虽然机器视觉和近红外光谱技术分别在马铃薯外部和内部品质检测和分级研究中取得了一定的进展,但还存在无法同时对马铃薯内外部品质同时进行检测的问题。针对这一问题,该文利用机器视觉技术和近红外光谱技术,研究了基于多源信息融合技术的马铃薯分级无损检测方法。试验以克新一号马铃薯为研究对象,对畸形、黑心、机械损伤、发芽和合格等5类不同内外部品质的样本进行分级检测研究,研究了多源信息融合技术检测马铃薯品质的图像和光谱特征提取方法以及融合方法,并最终建立了马铃薯分级融合模型。 1)为有效的避免背景对马铃薯图像分割的干扰,该文提出了视觉显著性与色调维相结合的Saliency-H分割方法,并比较了其与灰度分割法和色调维分割法的分割效果。灰度分割法由于其无法分割出完整的马铃薯区域,故不适用于在线马铃薯图像分割,而色调维分割法和Saliency-H维分割法均能完整分割出马铃薯区域,其中Saliency-H维分割法在分割速度、数据压缩和马铃薯定位等方面较色调维分割法具有较大的优势,色调维分割法平均每幅图像耗时为551.7ms,而Saliency-H法减少了74ms,仅需477.7ms。 2)针对马铃薯表面灰度不均匀,图像特征难以有效覆盖马铃薯样本集的问题,该文提出了灰度梯度与流形学习组合的方式提取马铃薯图像特征,比较了不同的图像特征组合方式对模型的影响。文中所采用的灰度梯度算法为Freeman链码和方向梯度直方图,流形学习算法为等距映射和主成分分析,在4种算法组合中,方向梯度直方图与主成分分析为最优组合,建模所需图像特征数量最少,仅需23维特征(10维方向梯度直方图特征与13维主成分特征),模型即可达到最优。 3)建立了基于机器视觉技术的马铃薯分级检测模型。图像灰度梯度与流形学习特征不同的组合方式所建4个模型对马铃薯外部品质(畸形、机械损伤和发芽)的分级能力均高于内部品质(黑心),其中方向梯度直方图与主成分特征组合而成的图像特征所建模型最优,对畸形、机械损伤和发芽样本的识别率分别为93.75%、83.33%和95.45%,而对黑心和合格样本的识别率分别仅为77.27%和71.43%。 4)建立了基于LabVIEW平台的马铃薯外部品质在线检测系统。以38个不同外部品质的马铃薯样本为检测对象,对长径、短径、高径、薯形(类圆、椭圆、长形)、畸形、机械损伤、发芽和合格8项外部品质指标进行检测,畸形、机械损伤、发芽和合格4项外部品质定性指标的识别率为89.47%,对类圆、椭圆和长形3类马铃薯的识别率为100%,对长径、短径和高径的检测最大误差分别为2.9mm,2.0mm和1.0mm,单幅图像平均耗时为100ms。结果表明该文提出的马铃薯图像分割算法、特征提取方法和模式识别方法可实现马铃薯外部品质多项指标的在线检测。 5)比较了波段优选算法和流形学习算法的近红外光谱特征提取方法的优劣。文中所采用的波段优选算法为遗传算法和连续投影算法,流形学习算法为拉普拉斯特征映射法、核主成分分析和主成分分析,对于5种近红外光谱特征提取方法所建的马铃薯分级模型,利用主成分分析提取的近红外光谱特征所建模型最优,其最优预处理方法为MSC,最优主成分数量为20,模型对训练集的识别率为97.88%,对测试集的识别率为83.87%,结果表明对于马铃薯近红外光谱特征提取方法,流形学习算法优于波段优选算法,为一个近红外光谱马铃薯分级模型对马铃薯内部品质多项指标的同时检测提供了技术支持。 6)建立了基于近红外光谱技术的马铃薯分级检测模型,波段优选算法和流形学习算法所建的分级模型对马铃薯内部品质(黑心和发芽)的识别率均高于外部品质(畸形和机械损伤),其中主成分特征所建模型最优,对黑心和发芽2类样本识别率较高分别为90.91%和95.45%,而对畸形、机械损伤和合格样本的识别率分别仅为75.00%、75.00%和76.19%。 7)利用LabVIEW实现了近红外光谱技术的马铃薯分级检测系统软件,黑心、发芽和合格3项马铃薯内部品质的识别率达到95.45%。在算法执行效率方面,平均每条光谱的预处理耗时为3.4ms,20维主成分提取耗时为14.6ms,建模耗时5137ms,利用模型对单条光谱测试,平均耗时为15.0ms,可实现30条/s的检测效率,为一个近红外光谱模型在线检测马铃薯内部品质多项指标提供了技术支持。 8)确定了多源信息融合技术检测马铃薯内外部品质的融合方法,比较了不同融合方法所建马铃薯分级检测模型的检测精度。以畸形、机械损伤、黑心和发芽和合格5类马铃薯样本为研究对象,建立马铃薯内外部品质多项指标的多源信息融合模型,决策层融合方面,采用机器视觉和近红外光谱所建支持向量机模型的概率输出为基本概率赋值函数,以DS证据理论为决策层融合方法,建立决策层融合模型,对训练集的识别率为100.00%,对测试集的识别率为93.55%;特征层融合方面,利用方向梯度直方图与主成分分析组合的方式提取图像特征,利用主成分分析提取光谱特征,将图像和光谱特征作为模式识别的输入,分别利用Adaboost和支持向量机建立特征层融合模型。AdaBoost所建模型对训练集的识别率为100.00%,对测试集的识别率为91.40%,支持向量机所建模型对训练集的识别率为100.00%,对测试集的识别率为95.70%。结果表明对于马铃薯内外部品质多项指标的检测,支持向量机特征层融合优于DS决策层融合,DS决策层融合优于AdaBoost特征层融合,那么,支持向量机特征层融合模型为最优的马铃薯分级融合模型。 9)建立了基于多源信息融合技术的马铃薯分级检测模型,可实现一个融合模型同时检测马铃薯内外部品质多项指标。融合模型对畸形、黑心、机械损伤、发芽和合格样本识别率分别为100.00%、95.45%、91.67%、100.00%和90.48%,相对于机器视觉所建马铃薯分级检测模型,融合模型对畸形、机械损伤、黑心和发芽和合格5类马铃薯样本的识别率分别提高了6.25%、18.18%、8.34%、4.55%、19.05%,而对于近红外光谱所建马铃薯分级检测模型,融合模型对上述5类马铃薯样本的识别率则分别提高了25.00%、4.54%、16.67%、4.55%、14.29%。 10)利用LabVIEW实现了多源信息融合技术的马铃薯分级检测模型,并对图像分割、图像特征提取、光谱预处理、光谱特征提取、相应指标测取等进行了测试,每个样本的平均总耗时低于140ms,能实现每秒7组图像和近红外光谱数据的处理速度。结果表明,基于多源信息融合的马铃薯分级检测模型的识别率优于单一的机器视觉或近红外光谱所建模型,为利用多源信息融合技术在线检测马铃薯内外部品质多项指标提供了技术支持。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 齐红;;2004~2008年我国马铃薯研究文献计量分析[J];农业图书情报学刊;2010年07期
2 王琼;李红斌;徐文东;卢艳萍;;云南陆良马铃薯产业资源发展研究[J];农业网络信息;2010年11期
3 李晶;定西市马铃薯产业发展现状分析[J];科技情报开发与经济;2005年21期
4 李斌;李前;;会宁县马铃薯生产现状及前景[J];甘肃科技纵横;2010年01期
5 马海霞;白泰;;甘肃省马铃薯网络信息共享平台的构建[J];农业网络信息;2010年11期
6 ;《中国马铃薯》杂志来稿细则[J];中国马铃薯;2003年01期
7 ;2005年10月4日~10月19日中央电视台七频道每日农经节目内容[J];农村百事通;2005年22期
8 邢小涛;郑霏;魏建国;;陇西县马铃薯发展现状[J];甘肃科技纵横;2008年03期
9 马贵宏,李雄彪,胡鸢雷,林忠平;马铃薯的生物技术与高寒地区农业产业化[J];科技导报;1999年06期
10 陆开文;开拓农村技术市场 探索科技扶贫新路——会泽县驾车乡农村技术市场调查报告[J];云南科技管理;1999年03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 徐玮;;马铃薯产业化与技术装备[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(下册)[C];2001年
2 王璠;;对构建以定西市为中心的马铃薯产业集群的思考[A];第十三届中国科协年会第17分会场-城乡一体化与“三农”创新发展研讨会论文集[C];2011年
3 屈冬玉;;中国马铃薯产业与世界同行(代序)[A];中国作物学会马铃薯专业委员会2004年年会论文集[C];2004年
4 屈冬玉;;中国马铃薯产业与世界同行(代序)[A];中国马铃薯学术研讨会与第五届世界马铃薯大会论文集[C];2004年
5 司怀军;王蒂;张宁;蒲育林;张万祥;;马铃薯在中国社会主义新农村建设中的作用[A];中国作物学会马铃薯专业委员会2008年马铃薯大会论文集[C];2008年
6 姜振宏;魏玉琴;;依靠现代科技 提升马铃薯产业[A];中国作物学会马铃薯专业委员会2008年马铃薯大会论文集[C];2008年
7 王卫强;黄世龙;钟巍然;张晓春;谢明菊;任自明;谷明禹;余国东;;重庆彩色马铃薯产业的发展现状及利用前景[A];马铃薯产业与粮食安全(2009)[C];2009年
8 屈冬玉;;[A];中国作物学会马铃薯专业委员会2002年年会论文集[C];2002年
9 刘彦军;李寿如;王静刚;;我国马铃薯产业化探索[A];2006年中国作物学会马铃薯专业委员会年会暨学术研讨会论文集[C];2006年
10 李冬虎;霍宗全;;简述美国马铃薯产业的发展[A];中国马铃薯学术研讨会与第五届世界马铃薯大会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 张笑宇;马铃薯抗黑痣病鉴定技术及其抗病机制研究[D];内蒙古农业大学;2012年
2 欧庸彬;马铃薯液泡酸性转化酶基因的表达调控机制研究[D];华中农业大学;2013年
3 汪成龙;基于多源信息融合的马铃薯分级无损检测方法研究[D];华中农业大学;2014年
4 董玉梅;马铃薯L-半乳糖酸-1,4-内酯脱氢酶基因的克隆和功能分析[D];山东农业大学;2011年
5 张建华;马铃薯块茎损伤评价技术研究及损伤变色性状的遗传分析[D];中国农业科学院;2008年
6 李勤志;中国马铃薯生产的经济分析[D];华中农业大学;2008年
7 陈霞;马铃薯野生种Solanum berthaultii抗低温糖化基因的分离及表达特征分析[D];华中农业大学;2012年
8 何礼;茄属种及其种间体细胞杂种的染色体特征分析[D];华中农业大学;2013年
9 何天久;SbTRXh1和Sb14-3-3基因对马铃薯块茎低温糖化的作用[D];华中农业大学;2012年
10 刘俊霞;中国马铃薯国际贸易研究[D];西北农林科技大学;2012年
中国硕士学位论文全文数据库 前10条
1 李启立;贵州省盘县马铃薯产业发展问题研究[D];中国农业科学院;2011年
2 杨剑;定西马铃薯产业竞争力评价及其提升研究[D];兰州大学;2012年
3 马旺林;甘肃省马铃薯产业竞争力及其影响因素研究[D];四川农业大学;2012年
4 吕涛;张家口市马铃薯产业发展对策研究[D];江西农业大学;2012年
5 芳芳;中国光大银行马铃薯行业互助合作基金贷款研究[D];内蒙古农业大学;2013年
6 林克涛;福建省龙海市马铃薯产业现状分析及对策研究[D];福建农林大学;2013年
7 鲁永萍;基于机器视觉的马铃薯外部品质检测与分级[D];内蒙古农业大学;2013年
8 王莉;不同品种马铃薯在不同生长期淀粉及其褐变性质的研究[D];兰州理工大学;2010年
9 张文会;马铃薯分离蛋白溶液流变学特性及热稳定性研究[D];吉林农业大学;2011年
10 王文腾;中国马铃薯产业化的发展现状与政策研究[D];华中师范大学;2012年
中国重要报纸全文数据库 前10条
1 王斌;关于到甘肃、内蒙古等地学习考察马铃薯产业发展经验的考察报告[N];毕节日报;2008年
2 于立 孙娜伟;朝阳地镇力促马铃薯产业健康发展[N];承德日报;2008年
3 本报记者 王娜;小土豆成就大产业[N];益阳日报;2008年
4 陶庆忠 黄世发;做强做大马铃薯产业[N];毕节日报;2008年
5 特约记者 陈传武;湖北仙桃大力发展马铃薯产业[N];农资导报;2008年
6 本报记者 张毅;把马铃薯列为扶贫产业[N];人民日报;2009年
7 本报记者 牛泽刚;马铃薯产业富了东南村[N];延边日报;2009年
8 本报记者 周铮;“薯贱伤农”问题如何解[N];农民日报;2009年
9 本报记者 蔡冬梅;达茂旗:做强马铃薯产业[N];内蒙古日报(汉);2009年
10 张莉;今年马铃薯产业喜忧参半[N];瓜果蔬菜报.农业信息周刊;2009年
 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