基于高光谱成像技术和力学参数的黄桃冲击损伤的定量研究

作     者：张烽 

作者单位：华东交通大学 

学位级别：硕士

导师姓名：欧阳爱国

授予年度：2023年

学科分类：0832[工学-食品科学与工程（可授工学、农学学位）] 07[理学] 08[工学] 070302[理学-分析化学] 0703[理学-化学] 083203[工学-农产品加工及贮藏工程] 

主      题：黄桃 冲击损伤 高光谱成像 光谱信息 图像信息 定量预测 

摘      要：黄桃因其美味的口感和丰富的营养而成为人类饮食结构的重要组成部分。随着农业机械化程度的不断提高,黄桃的机械损伤通常是在采摘、运输和包装等过程中造成的。受损的黄桃不仅更容易发生腐烂而且还会影响其它健康的黄桃,从而造成经济损失。机械损伤主要包括静压损伤、振动损伤、穿刺损伤和冲击损伤,其中冲击损伤是最严重且最容易发生的。如果能够对水果损伤程度进行定量评估,从而根据损伤程度的不同将水果分级处理可以减少经济损失。本文以黄桃为研究对象,利用高光谱成像技术对力学参数进行精准预测,从而实现黄桃冲击损伤程度的定量预测,为黄桃分级提供理论指导。本文主要研究内容和结论如下:(1)基于反射率光谱数据的黄桃冲击损伤的定量研究。采用高光谱成像技术结合力学参数对黄桃的冲击损伤进行定量研究。首先,利用冲击装置获得了黄桃在碰撞过程中其损伤面积、吸收能量、最大接触力和最大应力等力学参数的数值。将力学参数与损伤面积进行相关性分析,结果表明,其中两个参数(吸收能量和最大接触力)与损伤面积的相关性较好,能够准确的表征黄桃的损伤程度。然后,使用SNV、MSC和SG平滑等算法来改善模型的预测精度以及稳定性,并利用CARS在全波长中挑选更具特征性的波长。结果表明,黄桃的光谱数据与力学参数之间具有较强的线性相关性并且SNV-CARS-PLSR模型表现出较好的预测性能,其损伤面积、吸收能量、最大接触力和最大应力的R和RMSEP分别为0.920和86.452 mm、0.845和1.303 J、0.943和49.666 N、0.660和0.146 MPa。(2)基于高光谱图像和光谱信息的黄桃冲击损伤的定量研究。本研究提出结合高光谱图像特征和光谱特征来预测黄桃的力学参数值。搭建了基于单摆原理的碰撞装置以获得最大力、吸收能量和平均压强等力学参数。利用高光谱成像系统采集碰伤黄桃的图像,分别提取黄桃的光谱信息和颜色特征。利用PCA对碰伤黄桃的图像进行降维处理,并利用灰度共生矩阵(GLCM)算法实现黄桃特征波长图像的纹理特征的提取。利用提取的光谱和图像信息建立PLSR模型,结果表明,基于光谱信息结合图像信息建立的PLSR模型在预测损伤面积和最大力方面是最好的。然而,该PLSR模型在预测吸收能量和平均压强方面没有达到令人满意的性能。为了提高PLSR模型对吸收能量和平均压力的预测性能,采用CARS算法提取特征波长并对图像数据和力学参数的相关性进行分析。结果表明,基于特征光谱信息结合图像特征信息建立的PLSR模型对所有力学参数的预测精度均有明显提高。损伤面积、吸收能量、最大力和平均压强的R和RMSEP分别为0.928和86.632 mm、0.826和1.469 J、0.924和61.765 N、0.815和0.050 MPa。(3)基于反射率、吸光度和K-M光谱数据的黄桃冲击损伤的定量研究。在本研究中,基于单摆碰撞装置和智能数据采集系统获得了损伤面积、吸收能量和最大力等力学参数。通过高光谱成像系统采集了黄桃碰伤区域的反射光谱(R)并将其转化为吸光度(A)光谱和Kubelka-Munk(K-M)光谱。采用SNV、MA和GF分别对R、A和K-M光谱进行预处理,并建立PLSR模型和SVR模型。通过分析模型的性能指标,从所有光谱中挑选出预测性能较好的光谱数据(原始光谱或预处理光谱),并利用CARS和UVE两种算法从这些较好的光谱数据中挑选出具有良好预测能力的特征波长。基于筛选的特征波长分别建立PLSR和SVR模型。结果表明,K-M-GF-CARS-PLSR模型对损伤面积、吸收能量和最大力的预测能力是最好的,其R和RMSEP分别为0.870和77.865 mm,0.772和1.065 J,0.895和47.996 N。RPD分别为2.700,1.768和3.050。该模型的特征波长占比分别为18.8%、10.2%和21.6%。本研究结果表明力学参数与K-M光谱之间具有较强的相关性,证明了基于K-M光谱定量预测黄桃损伤程度的可行性。