异常鲜枣无损鉴的二源信息处理方法研究.pdfVIP

摘要 红枣虫害、霉烂等异常颗粒严重影响了红枣的整体质量，目前，对异常红枣的剔除主要 靠肉眼观测和人工挑拣，判别结果受人的主观影响很大，且内部虫害、霉变等异常红枣得不 到有效识别，因此寻找一种便捷、无损剔除异常鲜枣的检测方法具有重要的现实意义。 论文以宁夏红枣为研究对象，分别研究了近红外光谱技术和机器视觉技术的异常鲜枣的 鉴别方法，为了提高识别精度，提出了近红外技术和机器视觉技术的二源信息融合技术异常 鲜枣鉴别的新方法，建立了基于多源信息融合的异常鲜枣鉴别模型，主要研究结论如下： 1、建立了基于近红外光谱技术的异常鲜枣鉴别模型。采用主成分分析法提取红枣光谱 的特征光谱，以红枣样本的特征光谱为模型输入，采用测试集50个红枣样本数据对模型进 行验证，实验结果表明，模型对异常红枣预测集的识别率为92．75％。 2、用MATLAB软件对红枣图像进行分析，用K均值聚类算法实现了红枣与背景的分 割，用直方图均衡化方法实现了红枣图像的加强，突出了异常红枣的缺陷特征；提取了红枣 图像的颜色特征、纹理特征以及缺陷特征(虫眼特征值和裂痕特征值)参数，有效反应了异 常红枣与合格红枣在色泽、纹理上的差异。 3、建立了基于机器视觉技术和BP神经网络的异常鲜枣鉴别模型，采用公