首页> 中文学位 >基于高光谱成像技术的灵武长枣常见缺陷无损检测研究
【6h】

基于高光谱成像技术的灵武长枣常见缺陷无损检测研究

代理获取

目录

声明

摘要

第一章 绪论

1.1 课题研究目的及意义

1.2 国内外综述

1.3 研究内容与方法

1.4 技术路线

1.5 本章小结

第二章 试验材料、仪器和分析方法

2.1 试验材料

2.2 高光谱成像系统

2.3 高光谱图像采集

2.4 高光谱光谱分析方法

2.5 本章小结

第三章 高光谱成像仪采集条件的研究

3.1 引言

3.2 试验材料

3.3 试验方法

3.4 本章小结

第四章 基于光谱信息的长枣缺陷识别

4.1 引言

4.2 试验材料与方法

4.3 结果与分析

4.4 总结

第五章 基于图像信息的长枣缺陷识别

5.1 引言

5.2 试验材料与方法

5.3 结果与分析

5.4 结论

第六章 总结与展望

6.1 结论

6.2 展望

参考文献

致谢

个人简介

展开▼

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NIR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。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号