论文部分内容阅读
高光谱成像技术具有连续多波段、光谱分辨率高等特点,是检测蔬菜水果综合品质的首选技术。马铃薯是宁夏主要的农产品之一,其品质检测是加工中的重要环节。本论文的研究对象为马铃薯外部品质,包括虫眼、干腐、合格、畸形、机械损伤和绿皮,并结合BP-ANN、RBF-ANN、 SVM-ANN、PLS、贝叶斯分类器建立马铃薯外部品质及其端元的预测模型。论文主要研究内容和结论如下：(1)提取合格及各类缺陷样本感兴趣区域的波谱并进行光谱特性分析,为基于高光谱成像技术的马铃薯外部品质及其端元预测模型的建立奠定理论基础。(2)采用PCA确定了580nm、650nm、676nm、690nm和960nm这5个特征波长,同时采用PCA、ICA和波段比法对马铃薯高光谱图像数据进行降维。结果表明可以5个特征波长PCA分析的PC2图像(降维方法Ⅰ)、ICA方法分析的IC2图像(降维方法Ⅱ)、不同波段比值的图像(降维方法Ⅲ)可作为建模和分类的特征图像。(3)采用小波递推最小二乘滤波算法对降维图像进行去噪的效果优于直接采用递推最小二乘法和小波滤波算法。同时,确定了利用4尺度Haar小波函数重构降维图像,可以获得较好的重构效果。(4)利用BP-ANN、RBF-ANN、SVM-ANN、PLS、贝叶斯分类器对经过去噪和重构的降维图像建立马铃薯外部缺陷预测模型,结果表明采用贝叶斯分类器+降维方法Ⅲ+WT-RLS方法建立预测模型,其性能较佳。(5)提取马铃薯外部感兴趣区域的光谱数据,采用SD、FD、SG、MSC、SNV、SG-MSC和小波压缩7种方法对其500nm-960nm波段的数据进行光谱预处理,并建立基于BP-ANN.RBF-ANN. SVM-ANN、PLS、贝叶斯分类器的马铃薯外部感兴趣区域的预测模型,结果表明采用SVM-ANN+SG-MSC方法建立马铃薯外部感兴趣区域的预测模型较佳,其平均识别率达到了86.73%,RMSEP为0.40,R为0.95。(6)利用SVM-ANN和贝叶斯分类器建立了马铃薯外部品质端元的预测模型,结果表明采用贝叶斯分类器建模,其平均识别率较高,达到了86.11%。