基于无损法的苹果水心病判别和货架寿命预测的研究与评价

《基于无损法的苹果水心病判别和货架寿命预测的研究与评价》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、分类号：S661.1学校代码：10712UDC：581研究生学号：2012050958密级：公开灶农林奇牧大学2015届攻读硕士学位研究生学位(毕业）论文基于无损法的苹果水心病判别和货架寿命预测的研究与评价学科专业棺物学研究方向植物发育生物学研究生王思玲_指导教师马惠玲教授完成时间2015年5月中国陕西杨凌Classificationcode:S661.1Universitycode:10712UDC:581Postgraduatenumber:2012050958Confidentialitylevel:OpenThesisforMaster’sDegreeNorthwestA＆FUni

2、versityin2015RESEARCHANDEVALUATIONONWATERCOREDISCRIMINATIONANDSHELF-LIFEPREDICTIONOFAPPLEBASEDONNON-DESTRUCTIVEDETECTIONMajor:BotanyResearchfield:PlantDevelopmentalBiologyNameofPostgraduate:WangSilingAdviser:Prof.MaHuilingDateofsubmission:2015-5YanglingShanxiChina研究生学位（毕业）论文的独创性声明本人声明：所呈交的硕士学位（毕业）

3、论文是我个人在导师指导下独立进行的研究工作及取得的研究结果；论文中的研究数据及结果的获得完全符合学校《关于规范西北农林科技大学研究生学术道德的暂行规定》5如果违反此规定，一切后果与法律责任均由本人承担。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究结果，也不包含其他人和自己本人已获得西北农林科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均已在论文的致谢中作了明确的说明并表示了谢意。研究生签名：王實时间：7^八年S月导师指导研究生学位（毕业）论文的承诺本人承诺：我的硕士研究生丄見i所呈交的硕士学位(毕业）论文

4、是在我指导下独立开展研究工作及取得的研究结果，属于我现岗职务工作的结果，并严格按照学校《关于规范西北农林科技大学研究生学术道德的暂行规定》而获得的研究结果。如果违反学校《关于规范西北农林科技大学研究生学术道德的暂行规定》，我愿接受按学校有关规定的处罚处理并承担相应导师连带责任。导师签名:时间：俾r月对日关于研究生学位（毕业）论文使用授权的说明本学位（毕ik)论文的知识产权归属西北农林科技大学。本人同意西北农林科技大学保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；同意西北农林科技大学将本学位（毕论文的全部或部分内容授权汇编录入《中国优秀硕士学位论文全文数据库》进行

5、出版，并享受相关权益。本人保证，在毕业离开（或者工作调离）西北农林科技大学后，发表或者使用本学位（毕止）论文及其相关的工作成果时，将以西北农林科技大学为第一署名单位，否则，愿意按《中华人民共和国著作权法》等有关规定接受处理并承担法律责任。任何收存和保管本论文各种版本的其他单位和个人(包括研究生本人)未经本论文作者的导师同意，不得有对本论文进行复制、修改、发行、出租、改编等侵犯著作权的行为，否则，按违背《中华人民共和国著作权法》等有关规定处理并追究法律责任。(保密的学位论文在保密期限内，不得以任何方式发表、借阅、复印、缩印或扫描复制手段保存、汇编论文）研究生签名：时间：年y月日基于无损法的苹

6、果水心病判别和货架寿命预测的研究与评价摘要对苹果水心病的无损检测和果实货架寿命的预测是困扰苹果采后产业及市场流通的一大难题。本研究在充分筛选测试系统条件的基础上，采用高光谱成像技术和介电特性检测两种无损检测法，对秦冠水心病果和好果进行近红外高光谱的采集和介电参数特征值的测定，通过光谱特性和介电性变化与果实发病与否的大量相关分析，筛选出能够表征苹果水心病的近红外特征波段及介电参数，建立基于无损法的水心病判别相关模型。通过对20℃和0℃两种贮藏温度下果实的品质指标和介电参数变化的动态规律进行逐果测定，找到贮藏期间代表果实品质下降的阈值，并分析各指标与介电参数的相关性，从而建立以品质指标和介电参

7、数来预测果实货架寿命的模型，为生产中确定果品的最佳贮藏期限及出库时间提供一定的理论参考。本研究得到的结果如下：（1）采用基于卡方检验、F检验、支持向量机递归消除（SVM-RFE）和决策树的4种特征选择法和线性核函数（SVM-linear）、多项式核函数（SVM-poly）和径向基核函数（SVM-rbf）的3种核函数支持向量机（SVM）分类器数据分析法，根据果实的高光谱图谱特征对苹果水心病进行检测，研究得出4种特征选择的3