论文部分内容阅读
损伤马铃薯在损伤识别过程中难以检测,易腐烂、难储存,导致严重的食品安全和经济问题。由此,本研究提出基于高光谱成像技术的无损检测方法,以实现对损伤马铃薯的识别以及损伤程度的分类。健康与损伤马铃薯的高光谱图像作为本次的研究对象,其中损伤样本是通过定量损伤装置诱导而成的,共包括I、II、III、IV、V级损伤。高光谱图像分析的首要步骤包括:图像校正、背景分割与剪裁这三个方面。然后,对比线性判别分析法(Liner Discriminant Analysis,LDA)、支持向量机(Support Vector Machine,SVM)与自适应增强算法(Adaptive Boosting,AdaBoost)建立损伤识别模型的效果,确定AdaBoost为最佳分类模型。接着,比较了多项式平滑(Savitzky-Golay,S-G)、一阶导数(First derivative,D1)、二阶导数(Second derivative,D2)、标准正态变量变换(Standard Normal Variate,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)及其组合方法预处理光谱的效果。最后确定用于建立识别损伤、I级损伤、II级损失、III级损伤、IV级损伤马铃薯的五个模型(分别命名为A1、A2、A3、A4、A5)的最优预处理方法分别为:D1、SNV、无预处理、无预处理、SNV。另外,改进了模拟退火算法选取特征波长,A1、A2、A3、A4、A5模型的识别精度都有提高,分类成功率为99.12%、97.89%、96.05%、100%、100%。此次研究表明,应用高光谱成像技术可实现损伤马铃薯的准确检测,并可成功地将不同损伤程度的马铃薯进行分类,为马铃薯的在线和无损检测提供新思路。