论文部分内容阅读
冬枣,一种品质优良的鲜食枣,皮薄肉厚,果肉鲜美,其营养丰富,有防癌、防心脑血管疾病的功效,营养价值居百果之冠。近年来我国冬枣产量不断增加,在市场上不断走俏,冬枣在农业持续发展、农民增收方面越来越发挥作用。参考GB/T22345-2008《鲜枣质量等级》、GB/T32714-2016《冬枣》国家标准和NY/T2860《冬枣等级规格》农业部标准以及相关论著可知成熟度(着色度),可溶性固形物(糖度),单果重量(大小)是冬枣品质的重要指标。由于光照、养分和枣果发育差异等原因,采收时不同成熟度、大小枣果并存,采收后不同成熟度、重量和口感的冬枣混杂在一起,不分级难以实现枣果按质论价销售,人工分级劳动强度大,费时、准确率低,故有必要开发一种能实现冬枣成熟度、可溶性固形物、单果重量多个品质自动分级的技术方法。本文将冬枣的成熟度、可溶性固形物、单果重量分级作为研究内容,为冬枣自动化分级提供理论指导和技术支撑,得到以下几个结论:1、冬枣成熟度检测。获取特级/一级、二级和等外级三类成熟度的冬枣的高光谱信息,利用S-G平滑算法对光谱数据降噪后通过连续投影法(Successive Projections Algorithm,SPA)、竞争性自适应重加权采样法(Competitive Adaptive Reweighted Sampling,CARS)和随机蛙跳法(Random Frog,RF)选择特征波长(Characteristic wavelengths,CWs)压缩光谱数据的维度,分别基于三种算法选择的特征波长建立冬枣成熟度的偏最小二乘判别分析(Partial least squares discriminant analysis,PLS-DA)模型,并比较了3个模型的分级效果;结果:基于SPA、CARS和RF选择的特征波长建立的PLS-DA模型判别精度分别为:90.90%、92.72%和93.63%。2、冬枣可溶性固形物(Soluble Solids Content,SSC)预测分级。采集了成熟冬枣的高光谱信息并测得对应冬枣的SSC含量,选用冬枣415~990 nm范围的高光谱信息,对高光谱数据进行S-G平滑降噪、多元散射校正预处理,使用竞争性自适应重加权采样法(CARS)初选基础上串联使用连续投影法(SPA)精选可溶性固形物的特征波长;此外串联使用SPA选择算法两次选择进行SSC特征波长的初选和精选;比较了基于全部光谱、CARS-SPA串联方法、SPA-SPA串联方法选择的特征波长建立冬枣SSC的偏最小二乘回归(PLSR)预测模型,此外将模型结合大荔冬枣SSC国家标准划分等级的要求对模型的实用效果进行了检验,以分级准确率作为标准对模型实用性能进行评价。全波长建立PLSR:R_c=0.9540,RMSEC=0.5275,R_p=0.9306,RMSEP=0.5989,分级准确率为:91.57%,CARS-SPA特征波长建立PLSR:R_c=0.9425,RMSEC=0.5763,R_p=0.9263,RMSEP=0.6453,分级准确率为:89.47%,SPA-SPA特征波长建立PLSR:R_c=0.9331,RMSEC=0.6327,R_p=0.9114,RMSEP=0.7102,分级准确率为:86.31%。3、冬枣单果重量检测分级。采集冬枣RGB图像和果实重量信息,对冬枣图像利用K-means聚类分割、图像二值化后并对其平滑滤波,对其二值图像尺寸信息提取分析后利用冬枣轮廓面积建立其单果重量的预测模型。通过计算冬枣二值图像轮廓包围区域的像素数,并利用面积已知的标记物的像素数比例换算得到冬枣的实际面积,建立了初红果和半红-全红果两类冬枣的单果重量预测模型,参考《冬枣》国家标准对单果重量分级要求验证了模型实用性能。初红果单果重量预测模型中轮廓面积与单果重量的相关系数达到了0.9323,模型对测试集枣果单果重量分级的精度为86.66%,半红-全红果单果重量预测模型的轮廓面积与单果重量相关系数达到了0.9203,模型对测试样本单果重量分级的精度为84.44%,验证了基于枣果大小进行果重分级的合理和可行性。本研究结果表明,高光谱技术和机器视觉技术能实现冬枣成熟度、可溶性固形物和单果重量的预测与分级,为开发相应的冬枣自动分级设备提供了技术参考。