论文部分内容阅读
本文以青花菜为试材,建立青花菜采后颜色变化动力学模型,提出新的黄化分级标准,利用计算机视觉技术提取青花菜的颜色及形状特征参数,用统计模式与神经网络对特征参数进行分级,同时采用半导体激光技术控制青花菜采后病虫害(果蝇)。1.通过建立青花菜采后颜色变化动力学模型,确定了与人工分级指标相关联的3个颜色特征参数(b、TCD、H°),并给出了其在各级别中的阈值;动力学模型显示,b和TCD符合Arrhenius一级动力学反应模型,而α和H°合二项式模型;同时根据青花菜实际商品性状的变化,提出了以黄化面积比为标准的4等级新分级标准。2.利用计算机视觉图像分析技术对320幅青花菜图像进行特征值提取及分析,通过背景纯化、颜色分割、灰度转换等图像分析手段从图像中提取出5个颜色及形状特征值(b、TCD、H°、黄化面积比、圆形度);采用统计模式(多元线性回归)对5个特征值进行建模,并预测分级,预测精度仅达56.9%,效果不太理想;通过VC++6.0的程序设计建立青花菜特征值的自动提取及分级系统。3.通过MATLAB7.0建立5种神经网络(3层前向传递BP神经网络、概率神经网络PNN、自组织竞争神经网络SOC、学习矢量量化神经网络LVQ、自组织特征映射神经网络SOM),采用320幅图像特征值训练网络并进行自回归验证,100幅图像特征值进行预测验证,结果表明,4种分类神经网络(PNN、SOC、LVQ、SOM)与BP神经网络均可进行青花菜分级处理(预测精度在68.2~93.4%之间),但比较发现,BP神经网络最佳,预测精度高达93.4%;PNN与BP的预测精度及验证精度均相差不大,且运算时间只需BP的1/5,因此也有一定实用价值。4.利用半导体激光技术对青花菜采后病虫害(果蝇)进行控制研究,采用响应曲面法设计,研究激光功率和照射时间对果蝇的致死等生物学效应。结果表明,用波长范围650nm的半导体激光照射果蝇幼虫,在功率60mW、照射1282s条件下,果蝇幼虫的致死率可达到99%以上,且体重降低、羽化延续时间缩短,激光对果蝇幼虫具有较强生物学致死效应。但当功率低于40mW时,激光对果蝇产生激励作用,促使果蝇的生长发育。继续用原剂量照射第三代果蝇的幼虫,对比发现在连续多代照射后,果蝇后代并没有产生对激光的抗逆性。