基于高光谱分析的蔬菜品质检测方法之农业研究

本文是一篇农业论文，本文以结球甘蓝、马铃薯、马铃薯微型种薯为研究对象，开展了高光谱分析的蔬菜品质检测方法研宄，为蔬菜产品规格、等级、外部缺陷检测和品种识别提供理论和技术支持。

第一章绪论

1.1研究目的和意义
无损检测是指在不损害或不影响被检测对象使用性能，不伤害被检测对象内部组织的前提下，利用材料内部结构异常或缺陷存在引起的热、声、光、电、磁等反应的变化，以物理或化学方法为手段，借助现代化的技术和设备器材，对内部及表面的结构、性质、状态及缺陷的类型、性质、及其变化进行检查和测试的方法。机器视觉技术、近红外光谱分析技术和高光谱分析技术在现代农产品无损检测的应用中取得了良好效果。
卷心菜，通称“包菜”，学名“结球甘蓝”，部分地区称“疙瘩白”，是一种常见蔬菜。结球甘蓝质量的90%为水，富含维生素C，可溶性糖等营养物质，在世界卫生组织推荐的最佳食物中排名第三。结球甘蓝原产自欧、美洲国家。
结球甘蓝在我国具有分布面积广、耐储存、营养丰富、价格低廉等特点，在我国“菜篮子”中占有重要的地位，是家庭主要食用蔬菜之一。统计数据显示，在中国，结球甘蓝每年种植面积在40万公顷以上（不包括台湾省），占全国蔬菜种植面积的25%-30%。它是东北、西北、华北等冷凉地区春、夏、秋季栽培的主要蔬菜，北方地区结球甘蓝种植面积较大的是河北、安徽、山东、河南等省。在南方秋、冬、春季也有大面积栽培，南方地区结球甘蓝种植面积较大的是四川省，其次是江苏省、湖南省和云南省。
目前，结球甘蓝品质的评价主要依靠人工完成，通过感官从外形，手感，口感等方面进行判别，评定结果受检验者经验、习惯、偏好等主观因素影响。依靠人的感官感受判别结球甘蓝品质，判别标准不一致、效率低、误差大、准确性不高，有些指标无法检测，最终导致市面上结球甘蓝品种混杂、成色差、无整齐度，定价水平分不开层次。
.........................

1.2研究现状
机器视觉技术是基于图像的数字识别技术而发展起来的新兴技术。在谷物苹果，鸡蛋，马铃薯，黄瓜，红枣，梨等多种农产品色度、形状、鲜度、缺陷等重要品质的快速检测领域具有广泛的应用。
外观是果蔬的一个重要感官质量属性，它不仅会影响果蔬的市场价值、消费者的偏好和选择，还会在一定程度上影响其内在品质。水果和蔬菜的外观质量一般是通过果蔬的颜色、质地、大小、形状以及视觉缺陷来评价的。果蔬外观质量人工检测是近几十年来一项费时费力的工作，计算机视觉系统，在食品工业中得到了广泛的应用，被证明是农产品外部质量自动检测的科学有力工具。
Gamal ElMasry等键立不同形状和大小的马铃薯图像数据库，然后从每个图像中提取周长、质心、面积、转动惯量、长度和宽度等基本几何特征。针对数据库中的每个图像计算了八个形状参数，这些参数来自尺寸特征和傅立叶变换。将所有提取的形状参数输入到逐步线性判别分析中，以提取最能反映马铃薯生长规律的最重要参数。通过逐步线性判别分析，发现两个圆度、广度和四个傅立叶形状描述子对规则马铃薯和不规则马铃薯的分类是有效的，平均正确分类率为96.5%。对形状良好的马铃薯按大小进行分类，达到了100%的准确率。
.........................

第二章基于机器视觉技术的结球甘蓝外观品质检测

2.1引言
根据农业部发布的《结球甘蓝等级规格》（NY/T1586-2008）标准文件规定，结球甘蓝按其品质分为特级、一级和二级共3个等级，每个等级，按照叶球类型，依据叶球质量分为特大球、大球、中球、小球共4个规格。结球甘蓝的规格检测前，首先应该确定结球甘蓝的叶球类型。《结球甘蓝》（NY/T583-2002）标准文件中给出了三种叶球类型的定义：尖头形，叶球的高度大于宽度，叶球底部宽，顶部显尖形；圆头形，叶球宽度和高度相近；平头形，叶球宽度明显大于高度，顶部扁平。
图像处理处理技术用于形状识别的研究，形状分类的特征参量主要是几何尺寸，几何尺寸可直接体现标准文件中对研宄对象形状的定义。分类器的设计主要有比对法、距离法、BP人工神经网络等，BP人工神经网络作为一种有监督的模式识别方法，基于相同特征参量进行模式识别，正确识别率相对较高。分类器用来替代人工分类，必须体现人工分类的先验知识，BP神经网络是在已有的正确分类结果的基础上，通过网络训练不断调整各层之间的连接权重，使得分类结果更加接近已有的分类结果。
通过图像处理技术，提取结球甘蓝图像高度、宽度、长轴、面积、椭圆面积、外接矩形面积绝对形状参数，在此基础上，又定义了高宽比、圆形度、矩形度、椭形度、球顶形状指数相对形状参数，图像参数以不同的组合形式作为BP神经网络的输入，建立了基于ＢＰ神经网络的模式识别模型。为实现结球甘蓝叶球类形的自动化检测提供技术支持。
通过获取结球甘蓝的可见光图像，机器视觉技术结合模糊聚类分析，建立结球甘蓝等级划分模型。与国标规定的结球甘蓝等级划分指标相对应，提取图像的形状、颜色、纹理特征。根据特征信息，运用模糊聚类分析方法对结球甘蓝进行聚类研究，在聚类的基础上，通过计算待测结球甘蓝图像参数与各等级样本中心的欧氏距离，以最小距离确定待测样品的等级归属。
............................

2.2结球甘蓝球形鉴别
2.2.1材料和方法
试验样品购于中国农业大学东校区周边菜市场，3种球形样品各36颗，共108颗样品，对样本进行编号，尖头形编号为1-36，平头形编号为37-72，圆头形编号为73-108。单体质量范围为500-3100g，所有样品室温保存。
（1）图像采集
结球甘蓝的图像采集在白炽灯光源、背景为黑色的试验箱内进行。首次采样时，将结球甘蓝正对相机放置，调整物距和焦距，使相机采集到的图像达到最佳效果，固定参数以便后续图像采集，并将采集到的图像数据保存至计算机存储。
（2）图像分割
决定结球甘蓝球形的因素是叶球的宽和高的比例关系，以及叶球顶部的形状。将叶球从背景分割是确定叶球类型的关键步骤。

.......................
第三章基于近红外光谱分析技术的结球甘蓝内在品质检测..............49
3.1引言...............49
3.2结球甘蓝维生素C含量预测模型...............50
3.2结球甘蓝可溶性糖PLS预测模型..............56
第四章基于高光谱的马铃薯病害检测..............64
4.1引言....................64
4.2材料和方法...............64
4.3结果与分析..........66
第五章基于高光谱的马铃薯微型种薯分类检测.............76
5.1引言..............76
5.2材料和方法.............76
5.3结果与分析.........77

第五章基于高光谱的马铃薯微型种薯分类检测

5.1引言
马铃薯微型种薯（又称原原种）是用脱毒的试管苗移栽或扦插最初产生的种薯种薯的质量在1-20g左右。微型种薯的繁殖一般都在温室或网室内进行，严格防止蚜虫、粉虱、＿等害虫。马铃薯微型种薯繁殖所得到的种薯是一级原种，一级原种仍在网棚内种植，一级原种要求保持100%的纯度，基本不带任何病毒和类病毒，不能感染任何细菌病害和危险的癌肿病、线虫病，应精细播种，加强管理。
一级原种的块茎比较大，一般比正常的食用马铃薯块茎略小一点。用一级原种生产的种薯称为二级原种。一级原种选择蚜虫特别少的冷凉地点或高山上种植，利用天然的隔离条件种植一级原种，能生产出高质量的二级原种。二级原种的块茎比一级原种大，达到正常标准。二级原种要求基本没有病毒侵染，纯度不低于100%，真菌和细菌病害不能超过0.1%。由二级原种生产的种薯称为良种或合格种。良种是提供生产上用的种薯，良种要求纯度保持99%左右，病毒病不超过3%，不应有环腐病和青枯病。对于检疫性的病害如癌肿病、线虫病和粉痂病应该全部杜绝。只有保证良种质量，才能使农民获得马铃薯高产，取得良好的经济效益。马铃薯微型种薯的标准要求很高。
........................

第六章结论与展望

6.1结论
农产品品质检测是国家重视的产业化方向。机器视觉技术结合模式识别对农产品进行外在品质检测和光谱技术结合化学计量学方法对农产品进行内在品质检测，已经被广泛应用，目前仍然是农产品品质无损检测的有效解决方案。分别以结球甘蓝、马铃薯、马铃薯微型种薯为研究对象，开展了高光谱分析的蔬菜品质检测方法研究，为蔬菜产品规格、等级、外部缺陷检测和品种识别提供理论和技术支持。
6.1.1基于机器视觉技术的结球甘蓝外在品质检测
（1）结球甘蓝的叶球形状，分为尖头，平头，圆头三种。尖头形，叶球底部宽，顶部显尖形，叶球的高度大于宽度；圆头形，叶球的高度和宽度相近；平头形，叶球高度明显小于宽度，顶部扁平，传统叶球形状识别由人工完成。运用图像处理技术，提取了结球甘蓝图像的高度、宽度、长轴、面积4个绝对形状参数，定义了高宽比、圆形度、矩形度、椭形度、球顶形状指数5个相对形状参数。分别以4个绝对参数，5个相对参数，以及上述9个参数作为网络输入，建立BP神经网络叶球形状识别模型。绝对参数作为输入的BP神经网络，叶球形状的正确识别率为62.5%，相对参数作为输入的BP神经网络和9个参数作为输入的BP神经网络正确识别率均达到100%，相对参数作为输入参数的BP神经网络识别模型优于绝对参数作为输入参数的BP神经网络识别模型。相对参数和相对参数结合绝对参数作为输入参数构建的BP网络识别模型可用于生产实践。机器视觉技术结合BP神经网络，建立的结球甘蓝叶球形状识别模型具有较高的识别正确率。
参考文献（略）