資源描述:
《基于高光譜成像技術(shù)的對(duì)蝦品質(zhì)信息快速檢測(cè)方法研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、浙江大學(xué)碩士學(xué)位論文基于高光譜成像技術(shù)的對(duì)蝦品質(zhì)信息快速檢測(cè)方法研究姓名:石慧申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):農(nóng)業(yè)機(jī)械化指導(dǎo)教師:鮑一丹2013-03-03浙江大學(xué)碩士論文摘要對(duì)蝦是中國(guó)乃至全世界的一種重要的水產(chǎn)品,營(yíng)養(yǎng)豐富,深受消費(fèi)者喜愛。隨著人們生活水平提高,對(duì)對(duì)蝦的品質(zhì)和可食用種類要求不斷提高。在對(duì)蝦打撈上來(lái)后,要經(jīng)過多種多樣的加工方法加工成不同種類的對(duì)蝦產(chǎn)品銷售,加工過程中,物理、化學(xué)和微生物等作用都會(huì)對(duì)對(duì)蝦品質(zhì)產(chǎn)生影響。目前市場(chǎng)上蝦產(chǎn)品種類繁多,一些不法商家為了牟取暴利,往蝦體內(nèi)注射明膠,在增加對(duì)蝦體
2、重的同時(shí)使解凍的蝦看上去飽滿而賣相好,這不僅會(huì)損害消費(fèi)者的經(jīng)濟(jì)利益,嚴(yán)重的甚至?xí)p害消費(fèi)者的身體健康。由于人們無(wú)法用肉眼直接辨別對(duì)蝦品質(zhì)的優(yōu)劣,傳統(tǒng)的檢測(cè)手段例如理化指標(biāo)檢測(cè)方法,需要花費(fèi)大量的人力物力,不適用于快速準(zhǔn)確測(cè)定對(duì)蝦的品質(zhì)。本課題致力于研究利用高光譜成像系統(tǒng)實(shí)現(xiàn)對(duì)蝦品質(zhì)的快速無(wú)損檢測(cè)及化學(xué)成分分布可視化,為將來(lái)的食品監(jiān)測(cè)體系提供技術(shù)支持。本文的主要研究?jī)?nèi)容及成果如下:1.用高光譜成像技術(shù)預(yù)測(cè)對(duì)蝦的含水率。通過手動(dòng)對(duì)對(duì)蝦高光譜圖像的分割,提取光譜數(shù)據(jù),對(duì)對(duì)蝦的可見光譜和近紅外光譜數(shù)據(jù)分別采用L
3、S.SVM進(jìn)行建模分析,并采用SPA、UvE以及UVE-SPA方法進(jìn)行了特征變量選擇,通過對(duì)建立的LS.SVM、SPA.LS.SVM、UVE.LS.SVM、UVE.SPA.LS.SVM模型分析比較,得出UVE.SPA.LS.SVM模型更適合預(yù)測(cè)對(duì)蝦的含水率,去掉了大量的冗余信息的同時(shí),減少了計(jì)算量。近紅外波段的UvE.SPA.LS.SVM模型精度要大于可見波段UvE.SPA.LS.SVM模型精度,近紅外波段模型的RPD大于3.5,模型效果更好,更適合于預(yù)測(cè)對(duì)蝦的含水率。2.探討了高光譜成像技術(shù)實(shí)現(xiàn)對(duì)蝦冷
4、藏時(shí)間的預(yù)測(cè)。分別基于可見全波段(380—1030rim)和近紅外全波段(874.1734nm)光譜建立對(duì)蝦冷藏時(shí)間LS.SVM預(yù)測(cè)模型,得Rp2分別為O.8280和O.8592。將光譜數(shù)據(jù)經(jīng)SNV預(yù)處理后,建立的模型結(jié)果更優(yōu)。基于SNV預(yù)處理,利用U忱、SPA和UvE.SPA方法分別選取特征變量,經(jīng)建模分析得出可見波段,SNV-UVE.LS.SVM模型精度更高,更適合預(yù)測(cè)對(duì)蝦冷藏時(shí)間,其中UVE選出93個(gè)特征變量,建模結(jié)果Rc2為0.9733,Rp2為0.9207,RMSEC為4.2354,RMSEP
5、為5.8607,RPD值為3.5429;近紅外浙江大學(xué)碩士論文摘要波段,SNV-UvE.SPA.LS.SVM模型更適合預(yù)測(cè)對(duì)蝦冷藏時(shí)間,選出了15個(gè)特征變量,Rp2為o.8663,RMSEP為7.6177,RPD值為2.7278.3.探討了高光譜成像技術(shù)實(shí)現(xiàn)對(duì)蝦冷凍時(shí)間的預(yù)測(cè)?;诳梢姾徒t外波段,分別建立LS.SVM模型。其中,可見全波段模型對(duì)蝦冷凍時(shí)間預(yù)測(cè)的Rp2為0.9088,近紅外全波段模型對(duì)對(duì)蝦冷凍時(shí)間預(yù)測(cè)的Rp2為O.945。數(shù)據(jù)預(yù)處理后,模型結(jié)果更好,利用SNV-UVE.SPA.LS.SV
6、M模型,精度最高。近紅外光譜數(shù)據(jù)的SNV-UVE.SPA-LS—SVM模型比可見光譜數(shù)據(jù)SNV-UVE—SPA.LS—SVM模型的Rp2升高了5.45%,RMSEP降低了44.24%,RPD值提高了68.38%。結(jié)論是利用近紅外光譜數(shù)據(jù)比可見光譜數(shù)據(jù)更適合檢測(cè)對(duì)蝦的冷凍時(shí)間。4.基于高光譜成像技術(shù),實(shí)現(xiàn)了注膠蝦的鑒別研究和注膠含量的可視化表達(dá)?;?39.1030nm的光譜數(shù)據(jù),建立LS.SVM模型,得鑒別正確率為100%?;谌ǘ喂庾V數(shù)據(jù),建立LS.SVM模型,實(shí)現(xiàn)了注膠蝦注膠量的無(wú)損快速檢測(cè)。首先
7、,基于全波段建立LS—SVM模型分析得Rp2為O.962,然后基于SPA和UvE算法選擇特征波長(zhǎng)變量,分別選出4個(gè)和80個(gè)特征變量,基于選出的特征變量分別再建立LS—SVM模型得Rp2為0.9512和0.9599。UVE與SPA結(jié)合選出13個(gè)特征變量,基于特征變量建立LS.SVM模型得Rp2為0.9648。結(jié)論是UVE—SPA—LS.SVM模型更適合預(yù)測(cè)注膠蝦的注膠量。對(duì)對(duì)蝦高光譜圖像中的每個(gè)像素點(diǎn)的光譜數(shù)據(jù)進(jìn)行分析,對(duì)每個(gè)像素點(diǎn)上的注膠摻假含量進(jìn)行預(yù)測(cè),從而實(shí)現(xiàn)了對(duì)蝦的注膠摻假含量通過不同顏色進(jìn)行可視
8、化表達(dá),將摻假信息直觀地可視化表達(dá)了出來(lái)。5.蝦仁的含水率預(yù)測(cè)和水分分布可視化研究?;贛atlab2009a軟件和ENVIv4.6軟件的RegionofInterestsFunction(ROI),分別實(shí)現(xiàn)了高光譜圖像的自動(dòng)分割和手動(dòng)分割,將蝦仁的圖像與背景圖像分離。將分割的圖像每個(gè)像素點(diǎn)的光譜數(shù)據(jù)做平均,形成每個(gè)樣本一條光譜曲線,通過對(duì)光譜數(shù)據(jù)建模分析,得基于高光譜數(shù)據(jù)變量建立LS—SVM模型能夠準(zhǔn)確預(yù)測(cè)蝦仁的含水率。自動(dòng)圖像分割數(shù)據(jù)模