高光譜技術在蘋果檢測中的應用.pdf

1、蘋果在采摘或者運輸過程中，會不可避免的因為一些外力原因造成不同程度的損傷，有些損傷表面看不出來或者不明顯，但是損傷部位的內部品質卻已經發(fā)生變化，所以對于蘋果外部損傷的檢測至關重要，同時消費者在挑選水果時從以往僅僅關心水果的外部品質，也開始注重水果的內部品質。
　　本文以糖心富士蘋果為研究對象，利用高光譜成像技術（380-1038nm）對蘋果的外部損傷進行檢測，針對全波段圖像采用主成分分析方法選出特征主成分圖像，根據該主成分圖像的特

2、征向量優(yōu)選出10個特征波段，并針對特征波段再作一次主成分分析，選取第四個主成分圖像（PC-4）做圖像處理和識別，其綜合識別正確率只有81％。原因是采集的蘋果數據存在光斑從而影響實驗效果，本文利用圖像差值算法消除光斑的影響，將綜合識別率提高到90%。其次，本文利用高光譜成像技術對蘋果內部指標（糖度和pH值）進行無損檢測研究，通過對原始光譜分別進行了多元散射校正(MSC)、Savitzky-Golay(S-G)卷積平滑和 MSC+S-G的光

3、譜預處理，根據相關系數法優(yōu)選出特征波段，利用偏最小二乘回歸（PLSR）和主成分回歸（PCR）建立預測模型。結果顯示，對糖度值而言，對原始光譜進行 S-G卷積平滑處理，并應用 PCR建模效果最好，真實值和預測值的平均相對誤差為0.022877；對pH值而言，對原始光譜進行MSC處理，并應用PCR建模效果最好，真實值和預測值的平均相對誤差為0.014614。最后，本文提出了一種利用高光譜技術檢測蘋果口感指標（酸味和澀味的回味）的研究方法，利

4、用相關系數法選取特征波長，并建立特征波段下口感指標的PLSR預測模型。結果表明，可以利用高光譜技術進行蘋果口感指標的檢測，其中酸味的模型中預測集的相關系數為0.9700，預測均方根誤差為0.8587，平均相對誤差為0.042189；澀味的回味模型中預測集的相關系數達到0.9115，預測均方根誤差為0.0843，平均相對誤差為0.146391。
　　綜上所述，利用高光譜成像技術不僅能有效的對蘋果外部損傷進行檢測，還可以對蘋果的內部品