蘋果糖度檢測中后向散射光斑最佳表征參數(shù)研究.pdf

1、糖度檢測是水果質量分級的一個重要指標，消費者購買水果的欲望很大程度上取決于其糖分含量。本文以蘋果為研究對象，采用基于光譜分析和圖像技術融合的多光譜成像系統(tǒng)無損檢測蘋果糖分含量，該系統(tǒng)是由光源、透鏡、窄帶濾光片、CCD相機、計算機等設備組成。本課題以紅富士蘋果為研究對象，通過多光譜成像系統(tǒng)采集五個特定波長(分別為461nm、465nm、469nm、947nm、1049nm)共160張?zhí)O果的后向散射光斑圖像。
　　研究光與蘋果組織的相

2、互作用理論，從光在蘋果組織內部的傳輸路徑以及特性分析出發(fā)，重點研究了漫射近似理論和蒙特卡羅兩種光學傳輸近似理論。
　　本文對后向散射光斑圖像的總灰度、平均灰度分別和蘋果糖分含量進行多元線性回歸建模，得到模型的相關系數(shù)和預測誤差標準差:后向散射光斑圖像總灰度預測蘋果糖分含量模型的相關系數(shù)r=0.507716，預測誤差標準差SEP=0.0103;后向散射光斑圖像平均灰度預測蘋果糖分含量模型的相關系數(shù)r=0.775982，預測誤差標準差

3、SEP=0.0105;
　　為消除實驗過程中噪聲和表皮反射光對糖分含量測量帶來的誤差，通過對160張后向散射光斑圖像的灰度直方圖進行分析，選擇灰度區(qū)間80～200預測蘋果糖分含量，分別求取后向散射光斑圖像灰度區(qū)間80～200的總灰度和平均灰度和蘋果糖分含量進行建模，區(qū)間總灰度預測蘋果糖分含量模型的相關系數(shù)r=0.829212，預測誤差標準差SEP=0.0099;區(qū)間平均灰度預測蘋果糖分含量模型的相關系數(shù)r=0.849214，預測誤

4、差標準差SEP=0.0079;
　　光進入到蘋果內部后，隨著傳輸距離的增加，其光強沿徑向方向呈現(xiàn)下降趨勢，本文提出了利用徑向灰度洛倫茲擬合參數(shù)來預測蘋果糖分含量。用Matlab擬合工具箱把徑向灰度同洛倫茲分布(LD)函數(shù)進行擬合，將得到的不同特定波長下的擬合參數(shù)和蘋果糖分含量進行建模，徑向灰度擬合參數(shù)預測蘋果糖分含量模型的相關系數(shù)r=0.965361，預測誤差標準差SEP=0.0318。
　　本研究對160張后向散射光斑圖像