資源描述：
《蘋果近紅外光譜的分類研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號7尸z73分類號世!!蘭uDc鄉(xiāng)二f．’江薛．大擎密級坌五編號△蘭翌互秀氣Qf。?？?/p>
2、工程碩士學(xué)位論文蘋果近紅外光譜的分類研究Classificationofapplesbynear-infraredSpeCtr0SCODVII，指導(dǎo)教師武!』!紅副數(shù)撞作者姓名呈掛蠶申請學(xué)位級別一王猩亟±專業(yè)名稱電氫：王猩論文提交日期至Q!壘生壘旦論文答辯日期至Q!壘生魚旦學(xué)位授予單位和日期江蘇大學(xué)2014年6月答辯委員會主席評閱人獨創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨立進行研究工作所取得的成果。除文中己注明引用的內(nèi)容以外，本論文
3、不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。對本文的研究做出重要貢獻的個人和集體，均己在文中以明確方式標明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：馬桂備如Ⅳ年6月艫日江蘇大學(xué)學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)江蘇大學(xué)可以將本學(xué)位論文的全部內(nèi)容或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于學(xué)位論文作者簽名：保密口，在年解密后適用本授
4、權(quán)書。不保密囝。馬桂智如f侔6月擴日指導(dǎo)教師簽名：繁、少加，≯年廠月∥日江蘇大學(xué)工程碩士學(xué)位論文摘要我國是世界上蘋果生產(chǎn)的大國，但優(yōu)質(zhì)蘋果加工存儲的數(shù)量相對較少，原因在于蘋果內(nèi)部品質(zhì)檢測技術(shù)與發(fā)達國家相比處于落后狀態(tài)。一方面是國情所致：分散的經(jīng)營模式，管理意識不到位；另一方面是由于科技應(yīng)用不到位。隨著我國經(jīng)濟的發(fā)展，水果的商品化處理也逐漸受到人們的重視與采納。本文重點闡述了利用近紅外光譜技術(shù)對蘋果的分類研究。近紅外光譜技術(shù)(NIRS)作為一種無損、快速的檢測方法，是近二十年來發(fā)展最快、最引人注目的光譜技術(shù)之一。具有分析速度快、樣品處理簡單、操作簡便
5、、非破壞性以及不使用化學(xué)試劑等優(yōu)點。隨著近年來計算機科學(xué)、化學(xué)計量學(xué)理論和方法的不斷發(fā)展與完善，近紅外光譜技術(shù)越來越受到國內(nèi)外學(xué)者的青睞。己經(jīng)被廣泛應(yīng)用到食品、醫(yī)藥、石油化工等眾多領(lǐng)域。在現(xiàn)在的實驗研究中，越來越多的研究開始使用近紅外光譜技術(shù)，并取得了顯著的成效。論文首先闡述了國內(nèi)外蘋果分類研究的多種方法，詳細介紹了支持向量機的分類方法、機器視覺的分類方法、以及最近鄰分類方法。接著基于幾種常用的近紅外光譜儀的發(fā)展過程和理論分析基礎(chǔ)，比較分析了近紅外光譜技術(shù)的發(fā)展以及具體的幾種蘋果近紅外光譜檢測技術(shù)，即規(guī)則反射光譜、漫反射光譜和透射光譜技術(shù)，以及近紅
6、外光譜分析的主要技術(shù)流程和對于光譜信息的處理方法。論文蕈點研究分析論證了幾種蘋果的分類算法：主成分分析法、線性判別分析法、聚類算法以及基于模糊非相關(guān)判別轉(zhuǎn)換的分類算法。具體分析了每種算法的基本內(nèi)容、基本算法分析過程和基于實驗的結(jié)果與分析等。論文提出了一種用近紅外光譜技術(shù)快速鑒別蘋果品種的新方法，針對光譜數(shù)據(jù)信息量大，維度多不易分析的問題，首先用主成分分析法(PCA)通過數(shù)據(jù)降維來排除眾多信息中相互重疊的部分，對蘋果品種進行聚類分析并獲取蘋果的近紅外光譜的特征信息，然而，主成分分析只能很有效的重建原始樣本，而線性判別分析(LDA)是從尋找有效的分類方
7、向入手的，它能夠保證投影后模式樣本在新的空間中，有最小的類內(nèi)距離和最大的類間距離，即模式在該空間中有最佳的可分離性，再結(jié)合模糊C一均值聚類(FcM)技術(shù)、混合式聚類算法(HPCA)跟可能性C一均值(IPCM)算法進行品種鑒別，從而使蘋果品種鑒別成為自動化，且鑒別的正確率能達到90％以上。得到較好的實驗結(jié)果與分析。關(guān)鍵詞：蘋果，分類，近紅外光譜，降維，分析，算法，聚類江蘇大學(xué)工程碩士學(xué)位論文Il江蘇大學(xué)工程碩士學(xué)位論文ABSTRACTchinaisoneoftheb遙gestappleoutputregionSaround如eglobe，but出e鋤
8、ountofq訓(xùn)ityproductsisrelativelysmallcomparedtothatoft}ledeVelopedco曲esduetotheinfe訂0rquaiityinspectiontechnology．This，ont11eonehalld，resulted矗omt
9、ledDmesticconditionofdecentralizedbusinessmodelandlaIIlemallagement，ontheotherhand，isdueto1ackoftecllll0109yhelp．WimChina’srapideco
10、nomicgrovvth，山ecommercia】iz撕onof丹uitprocessingtec}1110Iogygra
