基于光譜和高光譜圖像技術(shù)的蠶繭品質(zhì)無損檢測研究.pdf

1、栽桑養(yǎng)蠶是我國的傳統(tǒng)經(jīng)濟(jì)農(nóng)業(yè)，在出口創(chuàng)匯和國民經(jīng)濟(jì)發(fā)展等方面發(fā)揮了重要的歷史作用，一直受到國家的重視和扶持。作為蠶桑產(chǎn)業(yè)最主要的產(chǎn)物，蠶繭一方面作為商品進(jìn)行市場流通，另一方面作為繅絲工業(yè)的原料生產(chǎn)絲制產(chǎn)品。所以對于蠶繭品質(zhì)的精確評價(jià)，不僅可以作為蠶繭定價(jià)的依據(jù)，還可以根據(jù)不同等級的蠶繭原料生產(chǎn)不同品質(zhì)的生絲。但是隨著市場經(jīng)濟(jì)的發(fā)展和科學(xué)技術(shù)的進(jìn)步，我國現(xiàn)行的蠶繭質(zhì)量評價(jià)方法呈現(xiàn)了操作復(fù)雜、執(zhí)行率低、科技化和自動(dòng)化水平差等問題，已無法滿足

2、國際市場交易和繅絲工業(yè)對原料的需求。作為世界上最大的蠶繭生產(chǎn)和出口國，我國在國際市場上不僅需要數(shù)量上的絕對優(yōu)勢，在原料和產(chǎn)品質(zhì)量方面也需要形成有效的競爭力。為了維護(hù)我國蠶桑生產(chǎn)的國際地位，有必要加強(qiáng)對蠶繭品質(zhì)檢測的研究和推廣，提高蠶繭生產(chǎn)和管理的信息化水平，提升蠶繭品質(zhì)與絲制產(chǎn)品增值效應(yīng)，促進(jìn)蠶桑產(chǎn)業(yè)的進(jìn)一步發(fā)展。本論文基于我國現(xiàn)行的蠶繭質(zhì)量評價(jià)標(biāo)準(zhǔn)，結(jié)合在蠶繭產(chǎn)銷過程中存在的一些實(shí)際情況，進(jìn)行了蠶繭品質(zhì)無損檢測方面的研究，主要研究內(nèi)容

3、和成果如下:
　　 (1)采用400～1000nm波段的可見/近紅外光譜技術(shù)分別對鮮繭和干繭的上蔟時(shí)間進(jìn)行了檢測。選用基線校正對光譜信號(hào)進(jìn)行了預(yù)處理，通過無信息變量消除法（UVE）結(jié)合連續(xù)投影算法(SPA)分別提取了對應(yīng)的特征波長，并基于特征波長建立了Bayes判別方法，對鮮繭上蔟時(shí)間的預(yù)測準(zhǔn)確率為91.11％，對干繭上蔟時(shí)間的預(yù)測準(zhǔn)確率為75.56％。說明基于可見/近紅外光譜的蠶繭上蔟時(shí)間檢測具有一定的可行性，且檢測效果較好。

4、
　　 (2)應(yīng)用回歸系數(shù)法(RC)和CARS變量選擇法結(jié)合SPA對1250～2500nm波段的光譜數(shù)據(jù)進(jìn)行了特征波長選取，分別建立了基于近紅外光譜技術(shù)的鮮繭和干繭上蔟時(shí)間的Bayes判別方法，該方法對鮮繭和干繭的預(yù)測準(zhǔn)確率分別為70.00％和47.77％，檢測效果略差于可見/近紅外光譜。
　　 (3)建立了基于可見/近紅外光譜技術(shù)的鮮繭繭層含水率和干殼量的快速檢測模型.比較了RC、UVE和CARS的特征波長選取效果，并

5、提出了基于SPA的二次變量選擇方法，實(shí)現(xiàn)了特征波長的有效提取。最終建立的基于特征波長的多元線性檢測模型對繭層含水率和干殼量的預(yù)測相關(guān)系數(shù)分別為0.8473和0.8143，實(shí)現(xiàn)了基于可見/近紅外光譜的桑蠶鮮繭繭層含水率和干殼量的精準(zhǔn)高效檢測.
　　 (4)根據(jù)鮮繭繭層所含水分在1250～2500nm波段的近紅外光譜特性，建立了鮮繭繭層含水率和干殼量的線性檢測模型。研究了5種預(yù)處理方法的光譜處理效果，通過相關(guān)系數(shù)和均方根誤差等參數(shù)對

6、幾種特征波長選取方法的結(jié)果進(jìn)行了比較，最終選擇了RC-SPA方法提取的9個(gè)特征波長用于繭層含水率檢測，以及CARS-SPA方法提取的6個(gè)特征波長用于干殼量檢測，最終得到的多元線性檢測模型對繭層含水率和干殼量的預(yù)測相關(guān)系數(shù)分別為0.7873和0.6992，有助于實(shí)現(xiàn)鮮繭收購過程中的快速評級定價(jià)。
　　 (5)研究了隨機(jī)抽樣法、濃度排序法、Kennard-Stone法和SPXY法等校正集樣本挑選方法，基于挑選結(jié)果建立了鮮繭繭層含水率

7、和干殼量的偏最小二乘(PLS)模型，比較結(jié)果顯示Kennard-Stone法挑選的校正集樣本具有更好的代表性，效果優(yōu)于其余三種方法。
　　 (6)比較了400～1000nm的可見/近紅外光譜技術(shù)和1250～2500nm的近紅外光譜技術(shù)對干繭繭層絲膠溶失率的檢測效果，基于CARS-SPA方法從400～1000 nm波段提取的13個(gè)特征波長建立的最小二乘-支持向量機(jī)(LS-SVM)模型的預(yù)測相關(guān)系數(shù)為0.8709，而基于UVE-SP

8、A方法從1250～2500 nm波段提取的9個(gè)特征波長建立的LS-SVM模型的預(yù)測相關(guān)系數(shù)為0.6893，結(jié)果顯示可見/近紅外光譜技術(shù)對干繭絲膠溶失率的檢測效果較好，實(shí)現(xiàn)了基于光譜技術(shù)的桑蠶干繭絲膠溶失率的快速檢測。
　　 (7)應(yīng)用高光譜成像系統(tǒng)，研究了基于450～900nm波段高光譜數(shù)據(jù)的蠶繭品質(zhì)指標(biāo)無損檢測方法，最終得到的檢測模型對鮮繭繭層含水率和干殼量的預(yù)測相關(guān)系數(shù)分別為0.4969和0.7838，對干繭繭層絲膠溶失率的

9、預(yù)測相關(guān)系數(shù)為0.5585，對鮮繭和干繭上蔟時(shí)間的預(yù)測準(zhǔn)確率分別為73.33％和64.44％，實(shí)現(xiàn)了基于高光譜圖像技術(shù)的蠶繭品質(zhì)綜合檢測。
　　 (8)對蠶繭的高光譜圖像進(jìn)行了處理，通過圖像二值化、直方圖處理和圖像反相等數(shù)字圖像處理技術(shù)，得到了黃斑繭、柴印繭和畸形繭等下車?yán)O的區(qū)域圖像，基于圖像特征參數(shù)對下車?yán)O和正常繭的預(yù)測準(zhǔn)確率為72.50％，實(shí)現(xiàn)了蠶繭表面缺陷的計(jì)算機(jī)識(shí)別，可將黃斑繭、柴印繭、癟繭和畸形繭等次下繭與正常繭精確區(qū)