基于多源信息融合技术的板栗分级检测方法研究-农业电气化与自动化专业论文.docxVIP

；fIJllllffl ；fIJllllffl Il l llll Ilfll II I Il 』Y1 80502 1 华中农业大学学位论文独创性声明及使用授权书 学位论文 尺 如需保密，解密时间 年 月 日 是否保密 10 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得华中农业大学或其他教育机构的学位或证书 而使用过的材料，指导教师对此进行了审定．与我一同工作的同志对本研究所做的任 何贡献均已在论文中做了明确的说明，并表示了谢意． 研究生签名： 殷慧 时间： 圳口年 易月 ? 日 学位论文使用授权书 本人完全了解华中农业大学关于保存、使用学位论文的规定，即学生必须按照学 校要求提交学位论文的印刷本和电子版本；学校有权保存提交论文的印刷版和电子版， 并提供目录检索和阅览服务，可以采用影印、缩印或扫描等复制手段保存、汇编学位 论文．本人同意华中农业大学可以用不同方式在不同媒体上发表、传播学位论文的全 部或部分内容，同时本人保留在其他媒体发表论文的权力． 注：保密学位论文(即涉及技术秘密、商业秘密或申请专利等潜在需要提交保密的论 文)在解密后适用于本授权书． 学位论文作者张滕， 导师始害尹岂 签名日期：上Df口年6月q日 签名日期：沙／D年石月 夕日 目录目 目录 目 录 摘要 I ABSTRACT ．Ⅲ 第1章绪论 l 1．1研究目的和意义 ．1 1．2国内外研究现状 2 1．2．1近红外光谱技术的农产品品质检测 ．2 1．2．2机器视觉技术的农产品品质检测 。3 1．2．3多源信息融合技术的农产品品质检测 ．4 1．3研究内容与研究方法 ．5 1．3．1研究内容 。5 1．3．2论文内容 ．．6 1．3．3技术路线 ．．6 第2章近红外光谱分析技术板栗分级模型的建立 7 2．1概述 ．7 2．2试验材料和试验仪器 。8 2．2．1试验材料 ．．8 2．2．2近红外光谱仪及其参数设置 ．8 2．2．3光谱的采集 。9 2．3光谱预处理 10 2．4光谱特征提取 11 2．5近红外光谱板栗分级模型的建立 12 2．5．1光谱预处理方法优化及最优模型的建立 12 2．5．2主成分因子数的确定 13 2．5．3中间层神经元数的确定 14 2．5．4模型的建立与验证 15 2．6小结 。17 第3章机器视觉技术板栗分级模型的建立 ： ．18 3．1概述 ．．18 3．2试验材料和试验装置 ．19 3．2．1试验材料 ．．19 3．2．2试验装置 19 3．2．3图像的采集与保存 ．20 3．3图像预处理 ．20 3．3．1图像消噪 2l 3．3．2图像分割 22 3．3．3图像合成 24 华中农业大学2010届硕士研究生学位论文3．4图像特征提取 华中农业大学2010届硕士研究生学位论文 3．4图像特征提取 25 3．4．1颜色特征提取 25 3．4．2纹理特征提取 ．25 3．4．3缺陷特征提取 27 3．5机器视觉板栗分级模型的建立 27 3．5．1主成分因子数的确定 ．28 3．5．2中间层神经元数的确定 28 3．5．3模型的建立与验证 ．29 3．6，J、结 ．．3 1 第4章基于近红外光谱和机器视觉的多源信息融合技术的板栗分级检测方法 一33 4．1概j苤 ．．33 4．2多源信息融合方式的确定 33 4．2．1数据层融合 ．．34 4．2．2特征层融合 34 4．2．3决策层融合 35 4．3多源信息融合方法的确定 ．．35 4．3．1随机信息融合方法 36 4．3．2人工智能信息融合方法 ．36 4．4基于BP神经网络技术的多源信息融合模型 。37 4．4．1试验材料与试验方法 ．37 4．4．2 BP神经网络多源信息融合模型的设计 ．．38 4．4．3 BP神经网络多源信息融合模型参数的优化 ．．38 4．4．4 BP神经网络多源信息融合模型的建立与验证 。39 4．5基于最小二乘支持向量机的多源信息融合模型 ．．41 4．5．1最小二乘支持向量机多源信息融合模型的设计 41 4．5．2最dx--乘支持向量机多源信息融合模型的优化 ．42 4．5．3最小二乘支持向量机多源信息融合模型的建立与验证 42 4．6／J、结 ．．44 第5章结论与讨论 46 5．1结论 ．．46 5．2讨论 一47 参考文献 48 致谢 53 硕士研究生期间科研工作及发表论文情况 54 基于多源信息融合技术的板栗分级检测方法研究摘要 基于多源信息融合技术的板栗分级检测方法研究 摘要 板栗营养丰富，是重要的经济作物，霉烂、虫害等缺陷粒严重影响了板栗的整 体