高光谱成像结合人工神经网络无损检测桃de硬度研究报告.pdfVIP

第 23卷 第 6期 光学 精密工程 Vol_23 No．6 2015年 6月 OpticsandPrecisionEngineering Jun．2015 文章编号 1004—924X(2015)06—1530—08 高光谱成像结合人工神经网络无损检测桃的硬度 郭文川 ，董金磊 (西北农林科技大学机械与电子工程学院，陕西杨凌 712100) 摘要 ：为无损检测桃 的内部品质 ，提出了结合高光谱成像技术和人工神经网络无损检测桃硬度 的方法。采集 了摘后贮藏 了12d的 140个桃在 9OO～1700nlTl的高光谱图像，以每个桃高光谱图像中40pixel×40pixel的感兴趣区域的平均光 谱作为桃 的原始反射光谱 ；利用 Savitzky-Golay平滑和标准正态变量变换对光谱进行预处理 ；基于 共生距离算法划 分样本 ，得到校正集样本 105个和预测集样本 35个 。利用连续投影算法、无信息变量消除法和正 自适应加权算法从全 光谱 的216个波长 中分别提取 了l2个、103个和22个特征波长 ；分别建立 了基于全光谱和提取的特征波长预测桃硬度 的支持 向量机模型和 BP网络模型。结果表 明，基于全光谱建立 的BP网络模型具有最好 的预测性能，其预测相关系数 为0．856，预测均方根误差为0．931。本研究为基于桃内部品质的工业化分级提供了基础 。 关 键 词：高光谱成像 ；桃 ；硬度 ；无损检测 ；BP网络 ；支持矢量 向量机 中图分类号：0657．33；$662．1 文献标识码 ：A doi：10．3788／OPE．2O152306．1530 N0ndestructivedetectionon firmnessofpeachesbased on hyperspectralima ngandartificialneuralnetworks GUO Wen—chuan ，DONGJinlei (CollegeofMechanicalandElectronicEngineering， NorthwestAgricultureandForestryUniversity，Yangling 712100，China) *Correspondingauthor，E-mail：guowenchuan69@126．com Abstract：To exploreanondestructivemethod tomeasurepeach internalquality，ahyperspectral imaging technology combinedwith ArtificialNeuralNetworks (ANN)wasapplied to evaluatethe firmnessofintactpeaches．Thehyperspectralimagesof140 peachesduring 12 day storagewere acauiredfrom 900nm to1700nm ，andtheaveragereflectivespectrum ofinterestregionof40pixel× 4O pixelin each image was calculated and wasused as the original spectra． The spectra were preprocessedby Savitzky—Golay smoothing and the standard normalvariate． The sample setwas partitionedbasedonioint vintocalibrationsets(105)andpredictionsets(35)．Thenthesuccessive projectionalgorithm，uninformativevariableeliminationmethodandcompetitiveadaptivereweight