2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩83頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、近年來(lái),我國(guó)水果產(chǎn)業(yè)受到的外來(lái)挑戰(zhàn)越來(lái)越大,提高水果果品的品質(zhì)成了當(dāng)前的燃眉之急,這就對(duì)我國(guó)水果的分級(jí)處理能力提出了要求。但是我國(guó)目前的分級(jí)技術(shù)等產(chǎn)后處理技術(shù)十分落后,還有不少水果的分級(jí)處理工作仍需人工完成。傳統(tǒng)方法對(duì)水果內(nèi)部品質(zhì)檢測(cè)都需要對(duì)樣本作破壞性處理,費(fèi)時(shí)費(fèi)力。因此,亟需一種快速、無(wú)損、環(huán)保的檢測(cè)方法對(duì)水果的內(nèi)部品質(zhì)進(jìn)行測(cè)定。本文通過(guò)可見-近紅外光譜技術(shù)與多光譜圖像技術(shù)對(duì)葡萄可溶性固體含量(SSC)進(jìn)行了無(wú)損檢測(cè)建模和儀器化研究

2、,主要研究?jī)?nèi)容如下:
  1.應(yīng)用可見-近紅外光譜分析技術(shù)對(duì)4個(gè)葡萄品種(比昂扣,紅地球,巨玫瑰、藤稔)的可溶性固體含量(SSC)進(jìn)行了測(cè)定。采用USB4000微型光譜儀對(duì)葡萄樣本采集了可見-近紅外光譜數(shù)據(jù),應(yīng)用偏最小二乘法回歸(PLS)、反向傳播人工神經(jīng)網(wǎng)絡(luò)(BP-ANN)、最小二乘支持向量機(jī)(LS-SVM)模型以及基于粒子群優(yōu)化的支持向量機(jī)(PSO-SVM)等方法建立了葡萄SSC預(yù)測(cè)模型。預(yù)測(cè)結(jié)果顯示,PSO-SVM模型的預(yù)測(cè)

3、能力最強(qiáng),對(duì)各個(gè)品種的預(yù)測(cè)決定系數(shù)R2p為0.87~0.95,預(yù)測(cè)誤差RMSEP為0.77~1.23°Brix。
  2.應(yīng)用多光譜圖像技術(shù)對(duì)同樣4個(gè)葡萄品種的SSC進(jìn)行了建模研究。研究中采用多光譜攝像機(jī)對(duì)葡萄樣本采集了多光譜圖像數(shù)據(jù),結(jié)合數(shù)字圖像處理技術(shù),自動(dòng)分離出葡萄圖像,并對(duì)其進(jìn)行了HIS、CIE XYZ等多個(gè)顏色空間的轉(zhuǎn)換和植被指數(shù)的計(jì)算,共獲得葡萄果實(shí)13個(gè)光學(xué)特征參量,利用這些特征參量建立了單元線性回歸模型和多元回歸模

4、型(MLR、BP-ANN、LS-SVM和PSO-SVM。預(yù)測(cè)結(jié)果表明,多元回歸模型預(yù)測(cè)精度較高,其中PSO-SVM模型預(yù)測(cè)精度最高,對(duì)4個(gè)葡萄品種的預(yù)測(cè)決定系數(shù)R2p為0.82~0.93,預(yù)測(cè)誤差RMSEP為0.99~1.17°Brix。另外,對(duì)13個(gè)光學(xué)特征參量的組合優(yōu)化表明,用CIE XYZ,RGB顏色特征結(jié)合近紅外特征的預(yù)測(cè)精度更高。
  3.提出了基于特征波長(zhǎng)發(fā)光二極管的葡萄SSC快速無(wú)損檢測(cè)儀的原理和實(shí)現(xiàn)方案。首先應(yīng)用連

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論