基于梨枣轻微损伤的可见_近红外光谱判别研究

基于梨枣轻微损伤的可见_近红外光谱判别研究

ID:36800008

大小:361.20 KB

页数:4页

时间:2019-05-15

基于梨枣轻微损伤的可见_近红外光谱判别研究_第1页
基于梨枣轻微损伤的可见_近红外光谱判别研究_第2页
基于梨枣轻微损伤的可见_近红外光谱判别研究_第3页
基于梨枣轻微损伤的可见_近红外光谱判别研究_第4页
资源描述:

《基于梨枣轻微损伤的可见_近红外光谱判别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、2015年5月农机化研究第5期基于梨枣轻微损伤的可见/近红外光谱判别研究薛建新,张淑娟,赵聪慧(山西农业大学工学院,山西太谷030801)摘要:利用可见/近红外光谱技术对梨枣轻微损伤的分类判别建模方法进行研究。分别采用PLS-LDA(线性)和LS-SVM(非线性)建立判别模型,分析比较不同预处理方式和建模波段对模型精度的影响。结果表明:经9点平滑预处理后的短波近红外(780~1100nm)PLS-LDA模型判别效果最佳,校正集和预测集的正确识别率分别达到97.8%和96.7%。关键词:可见/近红外;梨枣;轻微损伤;光谱中图分类号:S123;

2、S665文献标识码:A文章编号:1003-188X(2015)05-0212-04DOI:10.13427/j.cnki.njyi.2015.05.047损伤梨枣进行判别分析研究。在对不同建模方法的0引言判别结果进行对比分析的基础上,分析了不同预处理梨枣由于果实大、皮薄肉厚以及清香甜脆等特点方法和不同建模波段对模型判别精度的影响,以确定受到广大消费者的欢迎。但是,由于梨枣水分含量梨枣轻微损伤判别的最优建模方法。高,所以极易在采摘或者运输过程中造成机械损伤。1实验材料与方法尽管当前较为先进的分级机器可根据水果表面缺陷进行分级,但是轻微损伤通常

3、发生在表皮之下,和正1.1实验材料常组织的颜色差异不大,对比度不明显,在形成初期从山西太谷的农家果园采摘购买的无明显缺点且[1]通过肉眼很难识别。因此,在损伤形成初期,对损直径范围在35~45mm的新鲜梨枣120个,采用人工伤进行快速检测并挑拣出受损的梨枣,对提高梨枣的模拟的方式将梨枣从2m高的地方自由下落到表面平[2]价值具有很重要的意义。整无碎石的土地上,在梨枣表面形成肉眼难以识别的[3]2陈姗姗利用高光谱成像技术对红外波段的轻且面积小于1cm的轻微损伤;然后,将这120个轻微微损伤苹果图像进行处理得到损伤检测准确率为损伤的梨枣样品随机

4、选取90个样本作为校正集,其[4]92%。黄星奕等人在900~1100nm处利用近红外余30个样本作为预测集。图像处理技术对水果轻微损伤进行检测分析,其检测1.2光谱采集[5]识别正确率达91.3%。辛世华针对红枣不同损伤损伤样本制作完成后,放置24h,然后进行光谱采形式采集波长650~950nm范围的图像进行分析研集。为了消除个体差异,本实验中每个轻微损伤的枣[6]究,证实对损伤枣的识别率可达98.7%。Lee等利样本各进行一次损伤点和完好点的光谱采集。光谱用前馈-反向传播人工神经网络方法对红元帅进行仪使用美国ASD(Analytical

5、SpectralDevice)公司的识别分类研究,检测准确率达98.4%。FieldSpec3型光谱仪采集光谱数据。在每个果实最本文采用人工模拟的方式模拟制造梨枣的轻微损大横径处等距离取3个点,扫描3次,使用ASDView[7]伤现象,然后利用可见/近红外光谱分析技术对轻微SpecProV5.0软件求其3次扫描的平均光谱值。图1为梨枣的轻微损伤和正常区域的光谱曲线。收稿日期:2014-05-19图1为同一梨枣样本中轻微损伤部分与完好部分基金项目:高等学校博士学科点专项科研基金项目(20101403110003);山西省自然科学基金项目(20

6、12011030-3);国家自然科的全波段光谱曲线。由图1可知,损伤部分和完好部学基金项目(31271973);山西省研究生优秀创新项目分的曲线在350~800nm范围内曲线变化比较吻合,(20133055)作者简介:薛建新(1989-),女,山西吕梁人,博士研究生,(E-mail)从800~2500nm范围内的曲线变化比较明显,因此可vickyxjx@126.com。以根据近红外光谱曲线对梨枣轻微损伤进行判别分通讯作者:张淑娟(1963-),女,山西襄汾人,教授,博士生导师,(E-mail)zsujuan@263.net。类。·212·2

7、015年5月农机化研究第5期伤样本被误判为正常样本,判别正确率为80%。由此可知,使用线性的PLS-LDA模型进行梨枣的轻微损伤判别得到的效果要优于非线性的LS-SVM模型,其判别正确率达到86.7%。因此,本文选用判别精度更好的PLS-LDA模型来对梨枣的轻微损伤进行判别,但模型精度略低,需要通过选择最优预处理方式和最优建模波段的方式来对模型进行优化。表1梨枣轻微损伤的PLS-LDA模型的预测类别值图1梨枣的轻微损伤和完好区域的光谱曲线Table1Predicticedclassificationvalueofsubtlebruisesj

8、ujubesbyFig.1ReflectancespectrafromthesubtlebruiseandPLS-LDAmodelnormalregiononthejujube真

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。