高光谱检测申报书教程.docx

四川农业大学 本科生科研兴趣培养计划项目申报书 项目名称 基于高光谱图像技术的水果无损检测 项目负责人 学 院 联系电话 申报日期 2015年11月4日 四川农业大学制表 项目名称基于高光谱图像技术的水果无损检测起止时间 2015年 11 月至 2016 年 12 月负责人姓名学号年级所在学院、专业联系电话E-mail2013级1项目组成员2013级12013级12013级12013级导 师姓名职务/职称副教授通讯???址电话E-mail立项依据（项目意义、现状分析等） 随着科学技术和经济的迅速发展、人民生活水平的不断提高,国内水果市场竞争日益加剧,消费者与企业对水果品质的要求也越来越严格,从以往仅关注水果的外部品质,逐步转向水果的内部品质。正因如此,水果品质无损检测技术一直当下热点话题。而我国是世界水果生产大国,根据统计，目前我国水果总产量已经达到17 239·9万吨(包括瓜果类),水果产量世界第一,但我国不是水果生产强国,水果出口量只占总产量的2%左右,远远低于9%~10%的世界平均水平。 中国是苹果生产大国,苹果的种植面积和总产量均居世界第一。然而中国苹果在国际市场上,因为采后检测、分级技术落后等,导致品质较差、在国际市场上缺乏竞争力,苹果出口占总产量的比重非常低。为了解决此问题,就必须严格把关中国苹果的缺陷检测,尤其是苹果虫害的检测。 苹果在生长中，果实有时会受到食心虫等虫害的侵入，从而使其正常新陈代谢受到干扰，其生理机能、组织结构等被破坏，极大影响苹果的品质和销售，因此苹果虫害作为苹果质量分级的重要指标之一，其检测尤为重要。害虫侵入苹果果实后，往往在其内部进行驻洞，在表面形成虫眼。目前，中国对水果缺陷的检测仍停留在主要依靠人工目测、抽样切片或常规可见光机器视觉检测的阶段，误判率较高，且不能满足水果在线检测应具备的无损性、 快速性 、直观性等要求。因此 ，亟需开发一种快速、无损、高效的苹果虫害检测方法。 由于高光谱成像技术融合了图像处理和光谱分析的优点，可以快速、无损地检测研究对象内外部特性，因此近年来在农产品品质与分级中获得了广泛 的应用，尤其为农产品受虫害后的检测带来了新的途径和方法。 Ronald P．Haf等研究了一种受果蝇 侵染的芒果高光谱图像进行分析和识别其上斑点的方法，该方法经反复优化参数，最终结果为最低总体识别错误率为12．3％。 Xing J等利用高光谱透视图像和反射光谱数据研究酸樱桃的内部虫害(象鼻虫)的无损检测，采用偏最小二乘判别分析法正确 识别樱桃的内部虫害的准确率分别为82．11％和81．3％。 在国内吴龙国等利用近红外高光谱成像系统采集正常长枣与虫眼枣图像，利用特征波长主成分分析法 结合波段比算法进行虫眼枣识别，识别率达到9O％。而 国内外针对苹果虫害 检测的研究尚鲜有报道。 随着高光谱成像技术的日趋成熟与高光谱成像硬件、软件成本的不断下降,以及高光谱图像数据处理算法的不断改进,应用高光谱成像技术对水果品质进行无损检测成为当前研究热点之一。高光谱图像技术是一种新兴的无损快速检测技术,可以同时获取研究对象的图像和光谱信息,集成了光谱分析和图像处理的优势,已成为农产品病虫害信息快速、无损检测的重要手段之一,在农产品无损检测中的应用越来越广泛。 研究快速、高效、精确的水果品质检测技术对推动水果产业的健康、持续发展,提高我国水果产业在国际市场上的竞争力,具有十分重要的意义。 本项目拟以苹果这一虫害较多季节性较弱的水果为研究对象，以高光谱技术为核心，配合图像分析处理从而达到苹果虫害无损检测的目的。 我们将利用高光谱成相仪器进行苹果图像的采集，并对所采集图像用ENVI进行预处理：通过K-L变换进行数据降维，获得主成分信息图像；采用Otsu阈值分割方法形成二值化图像，采集到后期分析所需图像信息，进而分析图谱纹理特征。用matlab软件进行图像分析，建立BP(backpropagation，反向传播)人工神经网络模型进行分析。可根据苹果表面的纹理与光谱表现特征，通过神经网络的测试检测出苹果是否存在虫害。 本项目对苹果虫害的无损检测，可有效地解决目前市场上存在的苹果虫害问题不能得到保障