農(nóng)產(chǎn)品無(wú)損檢測(cè)中的模式識(shí)別問(wèn)題研究.pdf

1、模式識(shí)別是農(nóng)產(chǎn)品無(wú)損檢測(cè)技術(shù)應(yīng)用及高精度農(nóng)產(chǎn)品無(wú)損檢測(cè)儀器設(shè)備研制的核心環(huán)節(jié)。本論文針對(duì)農(nóng)產(chǎn)品無(wú)損檢測(cè)中各類原始采集數(shù)據(jù)的非線性降維和高效建模等模式識(shí)別問(wèn)題，研究建立了基于自編碼網(wǎng)絡(luò)的近紅外光譜非線性降維方法、基于稀疏表示的圖像和光譜分類識(shí)別方法和基于相關(guān)向量機(jī)的近紅外光譜定量建模方法，并將相關(guān)方法應(yīng)用于各類農(nóng)產(chǎn)品無(wú)損檢測(cè)實(shí)踐，為農(nóng)產(chǎn)品無(wú)損檢測(cè)的中模式識(shí)別方法研究和應(yīng)用提供一些新思路和新途徑。論文主要研究?jī)?nèi)容和結(jié)果如下:
　　1、

2、基于自編碼網(wǎng)絡(luò)的近紅外光譜非線性降維方法研究。針對(duì)農(nóng)產(chǎn)品無(wú)損檢測(cè)中近紅外光譜的非線性降維問(wèn)題，提出了一種基于自編碼網(wǎng)絡(luò)(AN)的近紅外光譜非線性降維方法。研究結(jié)果表明:采用AN分別對(duì)毛竹筍近紅外和中紅外光譜數(shù)據(jù)進(jìn)行流形學(xué)習(xí)非線性降維提取低維本征信息之后，結(jié)合偏最小二乘法(PLS)建立毛竹筍不溶性膳食纖維含量定量回歸模型。與其它常用的光譜數(shù)據(jù)預(yù)處理方法(MSC、SNV、Savitzky-Golay)結(jié)合PLS回歸模型、PCA降維方法結(jié)合L

3、S-SVM回歸模型，及用單獨(dú)PLS回歸模型預(yù)測(cè)的結(jié)果相比，該方法對(duì)毛竹筍不溶性膳食纖維含量預(yù)測(cè)精度最高，其中NIR光譜的AN-PLS模型預(yù)測(cè)均方根誤差RMSEP為0.0138; MIR光譜的AN-PLS模型預(yù)測(cè)均方根誤差RMSEP為0.0135?？梢?jiàn)，AN能有效反映紅外光譜中存在的非線性結(jié)構(gòu)，提高了檢測(cè)精度，為基于近紅外光譜技術(shù)的農(nóng)產(chǎn)品檢測(cè)數(shù)據(jù)降維研究提供有效的新途徑。
　　2、基于稀疏表示的圖像和光譜分類識(shí)別方法研究。為簡(jiǎn)化農(nóng)產(chǎn)

4、品無(wú)損檢測(cè)定性建模方法在參數(shù)優(yōu)化選擇、學(xué)習(xí)訓(xùn)練方面的步驟，提出了一種基于稀疏表示(SR)的圖像和近紅外光譜分類方法。稀疏表示方法把分類識(shí)別問(wèn)題，轉(zhuǎn)化為一個(gè)求解待識(shí)別測(cè)試樣本對(duì)于整體訓(xùn)練樣本矩陣的稀疏表示問(wèn)題，只需要在求解L-1最小化范數(shù)時(shí)簡(jiǎn)單設(shè)定最小誤差和迭代次數(shù)，就可以完成分類識(shí)別任務(wù)，有效簡(jiǎn)化了操作步驟。利用該方法對(duì)葡萄干品質(zhì)機(jī)器視覺(jué)分類和大西洋鮭魚(yú)肉色近紅外光譜分類的結(jié)果表明。(1)在對(duì)葡萄干品質(zhì)圖像分類識(shí)別上，稀疏表示方法比最小

5、二乘支持向量機(jī)方法(LS-SVM)取得了接近、甚至更好的分類效果，從而驗(yàn)證了其在農(nóng)產(chǎn)品無(wú)損檢測(cè)圖像分類建模應(yīng)用中的有效性，為農(nóng)產(chǎn)品無(wú)損檢測(cè)圖像分類建模提供了有效的新途徑;(2)在大西洋鮭魚(yú)肉色等級(jí)可見(jiàn)/近紅外光譜分類建模中，稀疏表示方法對(duì)于兩種鮮活大西洋鮭肉色等級(jí)分類平均準(zhǔn)確率為73％，優(yōu)于線性判別分析(LDA)和最小二乘支持向量機(jī)方法(LS-SVM)的分類結(jié)果（分別為72％和68％），驗(yàn)證了該方法在農(nóng)產(chǎn)品無(wú)損檢測(cè)光譜分類建模應(yīng)用中的有

6、效性，為大西洋鮭肉色活體檢測(cè)提供了一種新途徑，同時(shí)也為其它農(nóng)產(chǎn)品無(wú)損檢測(cè)近紅外光譜定性建模提供了一種高效、簡(jiǎn)便、且具有實(shí)用性的建模方法參考。
　　3、基于相關(guān)向量機(jī)的近紅外光譜定量建模方法研究。針對(duì)農(nóng)產(chǎn)品無(wú)損檢測(cè)尤其是在線檢測(cè)對(duì)定量建模方法的預(yù)測(cè)速度性能要求高的特點(diǎn)，提出了一種基于相關(guān)向量機(jī)方法的近紅外光譜定量建模方法。相關(guān)向量機(jī)方法無(wú)需估計(jì)正規(guī)化參數(shù)，解的稀疏性高，能在保證精度的同時(shí)提高預(yù)測(cè)速度。利用該方法對(duì)發(fā)酵冬蟲(chóng)夏草菌粉腺苷