資源描述：
《基于光譜和多光譜成像技術(shù)的葡萄內(nèi)部品質(zhì)快速無(wú)損檢測(cè)和儀器研究》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、浙江工業(yè)大學(xué)碩士學(xué)位論文基于光譜和多光譜成像技術(shù)的葡萄內(nèi)部品質(zhì)快速無(wú)損檢測(cè)和儀器研究作者姓名：呂剛指導(dǎo)教師：楊海清副教授浙江工業(yè)大學(xué)信息工程學(xué)院2013年5月DissertationSubmittedtoZhejiangUniversityofTechnologyfortheDegreeofMasterRapidNondestructiveDetectionandInstrumentationofGrapeInternalQualityBasedonSpectroscopyandMultispectralImagingTechnologyCandidate：GangLvAd
2、visor．HaiqingYangCollegeofInformationEngineeringZhejiangUniversityofTechnologyMay2013浙江工業(yè)大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所提交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的研究成果。除文中已經(jīng)加以標(biāo)注引用的內(nèi)容外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的研究成果，也不含為獲得浙江工業(yè)大學(xué)或其它教育機(jī)構(gòu)的學(xué)位證書而使用過的材料。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人承擔(dān)本聲明的法律責(zé)任。作者簽名：甬諷1日期：弘J3年廠月加日＼J學(xué)位論文版權(quán)
3、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(guó)家有關(guān)部門或機(jī)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)浙江工業(yè)大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)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1、保密口，在年解密后適用本授權(quán)書。2、不保密日。(請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打”v，，)作者簽名：墨＼¨導(dǎo)師簽名：啼乙倒／壽日期：為13年歲月kEt日期：矽以年3"-月妒日浙江工業(yè)大學(xué)碩士學(xué)位論文基于光譜和多光譜成像技術(shù)的葡萄內(nèi)部品質(zhì)快速無(wú)損檢測(cè)與儀器研究摘要近年來，我國(guó)水果產(chǎn)業(yè)受到的外來挑
4、戰(zhàn)越來越大，提高水果果品的品質(zhì)成了當(dāng)前的燃眉之急，這就對(duì)我國(guó)水果的分級(jí)處理能力提出了要求。但是我國(guó)目前的分級(jí)技術(shù)等產(chǎn)后處理技術(shù)十分落后，還有不少水果的分級(jí)處理工作仍需人工完成。傳統(tǒng)方法對(duì)水果內(nèi)部品質(zhì)檢測(cè)都需要對(duì)樣本作破壞性處理，費(fèi)時(shí)費(fèi)力。因此，亟需一種快速、無(wú)損、環(huán)保的檢測(cè)方法對(duì)水果的內(nèi)部品質(zhì)進(jìn)行測(cè)定。本文通過可見．近紅外光譜技術(shù)與多光譜圖像技術(shù)對(duì)葡萄可溶性固體含量(ssc)進(jìn)行了無(wú)損檢測(cè)建模和儀器化研究，主要研究?jī)?nèi)容如下：1．應(yīng)用可見．近紅外光譜分析技術(shù)對(duì)4個(gè)葡萄品種(比昂扣，紅地球，巨玫瑰、藤稔)的可溶性固體含量(SSC)進(jìn)行了測(cè)定。采用USB4000微型光譜儀對(duì)葡萄樣
5、本采集了可見．近紅外光譜數(shù)據(jù)，應(yīng)用偏最小二乘法回歸(PLS)、反向傳播人工神經(jīng)網(wǎng)絡(luò)(BP．砧州)、最小二乘支持向量機(jī)(LS．SVM)模型以及基于粒子群優(yōu)化的支持向量機(jī)(PSO．SVM)等方法建立了葡萄SSC預(yù)測(cè)模型。預(yù)測(cè)結(jié)果顯示，PSO．SVM模型的預(yù)測(cè)能力最強(qiáng)，對(duì)各個(gè)品種的預(yù)測(cè)決定系數(shù)磋為o．87～0．95，預(yù)測(cè)誤差RMSEP為o．77～1．23oBrix。2．應(yīng)用多光譜圖像技術(shù)對(duì)同樣4個(gè)葡萄品種的SSC進(jìn)行了建模研究。研究中采用多光譜攝像機(jī)對(duì)葡萄樣本采集了多光譜圖像數(shù)據(jù)，結(jié)合數(shù)字圖像處理技術(shù)，自動(dòng)分離出葡萄圖像，并對(duì)其進(jìn)行了HIS、CIEXYZ等多個(gè)顏色空間的轉(zhuǎn)換和植被
6、指數(shù)的計(jì)算，共獲得葡萄果實(shí)13個(gè)光學(xué)特征參量，利用這些特征參量建立了單元線性回歸模型和多元回歸模型(MLR、BP．ANN、LS—SVM和PSO．SVM。預(yù)測(cè)結(jié)果表明，多元回歸模型預(yù)測(cè)精度較高，其中PSO．SVM模型預(yù)測(cè)精度最高，對(duì)4個(gè)葡萄品種的預(yù)測(cè)決定系數(shù)R：為o．82～0．93，預(yù)測(cè)誤差RMSEP為O．99～1．17oBrix。另外，對(duì)13個(gè)光學(xué)特征參量的組合優(yōu)化表明，用CIEXYZ，RGB顏色特征結(jié)合近紅外特征的預(yù)測(cè)精度更高。浙江工業(yè)大學(xué)碩士學(xué)位論文3．提出了基于特征波長(zhǎng)發(fā)光二極管的葡萄SSC快速無(wú)損檢測(cè)儀的原理和實(shí)現(xiàn)方案。首先應(yīng)用連續(xù)投影算法提取葡萄SSC特征波長(zhǎng)，再
7、篩選出具有近似發(fā)光波長(zhǎng)的LED作為光源，結(jié)合單片機(jī)系統(tǒng)完成儀器設(shè)計(jì)。儀器測(cè)試結(jié)果表明，預(yù)測(cè)相對(duì)誤差小于10％。關(guān)鍵詞：葡萄，可溶性固體含量，可見一近紅外光譜技術(shù)，多光譜圖像技術(shù)，水果品質(zhì)檢測(cè)儀浙江工業(yè)大學(xué)碩士學(xué)位論文RAPⅡ)NoNDESTRUCTIVEDETECTIoNANDD呵S刪MENTATIoNoFGRAPED叮TERNALQUALITYBASEDONSPECTRoSCOPYANDMULlⅡSPEC眥LIMLAGINGTECHNOLOGYABSTRACTInrecentyears，fruitindustry
