基于近紅外光譜與機器視覺技術(shù)的漿果品質(zhì)檢測研究.pdf

1、我國漿果栽培生產(chǎn)在國內(nèi)呈現(xiàn)快速增長態(tài)勢,產(chǎn)品銷售除了國內(nèi)市場外,主要面對美洲、歐洲等國際市場,但由于我國還沒有統(tǒng)一的漿果檢測標準和檢測技術(shù),目前對漿果品質(zhì)的檢測、分級仍然停留在人工水平上,檢測速度慢,致使我國漿果產(chǎn)品缺少國際市場競爭力。因此,采用近紅外光譜與機器視覺技術(shù)對漿果進行品質(zhì)檢測對于促進我國漿果產(chǎn)業(yè)的經(jīng)濟效益具有較大現(xiàn)實意義和理論價值。
　　 本研究采用近紅外分析技術(shù)實現(xiàn)了對黑加侖營養(yǎng)品質(zhì)的快速檢測,在此基礎(chǔ)上探索出了不

2、同品種黑加侖在不同采收期鮮果營養(yǎng)品質(zhì)的變化規(guī)律,確定了黑豐、巴基拉、亞德、94-4-13、黛莎、布勞德6個品種黑加侖的最佳采收期;利用機器視覺技術(shù)提取出了各品種黑加侖果粒的16個外觀品質(zhì)特征參數(shù),構(gòu)建了以各項外觀品質(zhì)特征參數(shù)為輸入變量的黑加侖品種識別BP神經(jīng)網(wǎng)絡(luò)系統(tǒng);以熵權(quán)系數(shù)法為工具,利用面積、長軸、短軸平均值、圓度、亮度、飽和度、糖酸比、維生素C含量、花青素含量8個指標對黑加侖品質(zhì)進行了綜合評價,并在此基礎(chǔ)上制定以上6個品種黑加侖綜

3、合品質(zhì)的分級標準。本研究得到以下幾點結(jié)論:
　　 1.通過單因素方差分析和正交試驗設(shè)計法,研究了測量溫度、掃描次數(shù)、品種、大小和表面色澤對黑加侖近紅外光譜響應(yīng)特性的影響,結(jié)果表明,黑加侖樣品在30℃各波長點處的吸光度相對標準差平均值最小,可達4.963％;同一黑加侖樣品隨掃描次數(shù)增加其吸光度平均值變化不顯著,當樣品掃描6次時相對標準偏差達到4.34.8％,滿足本試驗要求;黑加侖的品種和大小對其吸光度平均值的影響在α=0.05水平

4、上均不顯著,黑加侖表面色澤對其吸光度平均值的影響在α=0.05水平上顯著,因此,可以選擇用不同品種、不同大小的黑加侖來建立黑加侖營養(yǎng)成分含量近紅外檢測數(shù)學(xué)模型。
　　 2.利用SPSS17.0軟件采用基于多元線性回歸的逐步回歸算法建立了“最優(yōu)”總酸、維生素C、總糖、花青素含量定量分析數(shù)學(xué)模型?？偹崮Ｐ托Ｕ嚓P(guān)系數(shù)可由優(yōu)化前的0.7093提高到0.9280,校正標準差可由優(yōu)化前的0.7655％降低到0.3727％,外部驗證相關(guān)系數(shù)

5、可達0.9660,預(yù)測標準差RMSEP為0.25％;維生素C模型校正相關(guān)系數(shù)可由優(yōu)化前的0.8159提高到0.9730,校正標準差可由優(yōu)化前的23.2mg/100g降低到8.3mg/100g,外部驗證相關(guān)系數(shù)可達0.9770,預(yù)測標準差RMSEP為9.2mg/100g;總糖模型校正相關(guān)系數(shù)可由優(yōu)化前的0.6547提高到0.9480,校正標準差可由優(yōu)化前的1.5773％降低到0.55％,外部驗證相關(guān)系數(shù)可達0.9723,預(yù)測標準差RMSE

6、P為0.46％;花青素模型校正相關(guān)系數(shù)可由優(yōu)化前的0.8411提高到0.9070,校正標準差可由優(yōu)化前的66.8mg/100g降低到50.9mg/100g,外部驗證相關(guān)系數(shù)可達0.9649,預(yù)測標準差RMSEP為25.0mg/100g。
　　 3.利用所得數(shù)學(xué)模型,經(jīng)Slope/BiasCorrectionMethod修正,實現(xiàn)了對2010.6至2010.8間6個黑加侖品種在13次采收期營養(yǎng)成分的預(yù)測,得到了各品種不同營養(yǎng)成分在

7、不同采收期的變化規(guī)律,并確定了各品種的最佳采收期,黑豐最佳采收期為7月22日至7月25日之間;巴基拉最佳采收期為8月5日至8月11日之間;亞德最佳采收期為7月17日至7月20日之間;94-4-13最佳采收期為7月21日左右;黛沙最佳采收期為8月1日至8月4日之間;布勞德最佳采收期為7月8日至7月14日之間。6個黑加侖品種內(nèi)部營養(yǎng)品質(zhì)優(yōu)劣排序是:94-4-13＞布勞德＞黛沙＞巴基拉＞黑豐＞亞德。
　　 4.為解決圖像中黑加侖果粒粘

8、連問題,本研究提出了一種新的圖像分割算法,利用該算法成功實現(xiàn)了粘連黑加侖果粒的分割。在此基礎(chǔ)上,本研究根據(jù)需要定義并提取了黑豐、巴基拉、亞德、94-4-13、黛沙、布勞德6個黑加侖品種的面積、周長、長軸長、短軸長、伸長度、矩形度、圓形度、H均值、S均值、V均值、R均值、G均值、B均值、G/B值、G/R值、R/B值16個特征參數(shù)值,并對黑加侖總酸、維生素C、總糖、花青素含量與黑加侖16個特征參數(shù)值之間相關(guān)性進行了深入研究,研究表明,黑加侖

9、營養(yǎng)成分與外觀品質(zhì)間存在一定相關(guān)性,但相關(guān)程度較低。
　　 5.利用BP神經(jīng)網(wǎng)絡(luò)對黑加侖品種進行識別,經(jīng)驗證試驗得知,黑豐、巴基拉、亞德、94-4-13、黛沙、布勞德6個黑加侖品種的正確識別率分別為92％、100％、94％、98％、94％、96％,正確識別率較高,可以用于實際生產(chǎn)中黑加侖的品種檢測;在各品種黑加侖品質(zhì)綜合評價、分級中,給出了上述6個黑加侖品種的分級標準,經(jīng)驗證,在α=0.05水平下,各品種黑加侖不同等級樣品綜合得