





























留脐橙表面污染物残留的图像灰度曲线分析构建判别模型小结第三章高光谱图像技术检测水果表面污染物残留的研究高光谱图像技术的研究内容采集原理高光谱图像采集系统实验材料实验步骤高光谱图像处理图像采集图像预处理逐步判别分析统计原理线性判别分析逐步判别分析污染物残留研究与预测模型建立基于激光与高光谱技术的水果表面污染物与农药残留检测污染脐橙图像分析建立检测污染物残留的判别模型农药残留研究与预测模型建立农药残留脐橙图像分析建立检测农药残留的判别模型第四章结论与展望结论基于激光图像技术的检测水果表面污染物残留基于高光谱图像技术的检测水果表面污染物及农药残留总结研究展望参考文献附表致谢基于激光与高光谱技术的水果表面污染物与农药残留检测第章绪论研究目的和意义众所周知,我国是农业大国,但农业生产产值却很低。
其中个主要原因是由于我国农产品收获后加工水平太低,从而制约了农民收入的提高,极大地阻碍了我国国民经济的发展。
为迅速解决这瓶颈问题,我国把农产品加工技术与设备研究开发列为十五重大科技攻关项目的第项,由此可见我国政府和有关部门对这问题的重视程度。
自世纪年代以来,世界果品生产经过发展与竞争,虽有起伏,但总趋势是相对稳定的,第三世界果树发展较快,巴西印度和中国成绩极为突出。
据联合国粮农组织统计年世界水果不包括瓜类总产量已达万,巴西产量居首位,其次是印度和美国,我国居第四位,由于自然经济和人文条件的差异,各国主产果品种类并不样,巴西主产柑橘香蕉印度主产香蕉柑橘和苹果法国主产葡萄和苹果美国主产柑橘苹果葡萄和桃。
我国苹果产量居世界首位,还主产柑橘和梨。
世界水果产类表示浓度样本,组类表示浓度样本,组类表示浓度样本。
图污染物残留浓度判别模型结果结果分析经以上分析结果表明通过公式区分有无污染的脐橙样本,需采用个特征波段,但具有相当好的准基于激光与高光谱技术的水果表面污染物与农药残留检测确性,正确率为,误判率为。
通过公式区分污染浓度的脐橙样本,仅需采用个特征波段,具有定的准确性,正确率为伪,误判率为。
由结果和得知,本研究采用的方法在检测脐橙表面是否存有污染物残留具有很高的准确性,检测污染脐橙的污染程度方面的准确性稍低点。
农药残留研究与预测模型建立农药残留脐橙图像分析图三种脐橙的反射率曲线图为选取的典型无农药脐橙与两种农药残留脐橙的反射率曲线对比图。
从图中不难发现,而在的范围内,浓度的曲线的反射率明显高于浓度农药残留与无农药残留的曲线,而在大部分波段范围下,浓度农药残留与无农药残留的曲线相差并不大。
如图。
图三种脐橙的反射率曲线基于激光与高光谱技术的水果表面污染物与农药残留检测建立检测农药残留的判别模型每张高光谱图像都由个波段组成,因软件限制,无法将所有波段应用于判别分析,因此,应选取适合的波段范围进行判别分析。
经多次数据处理后,选取第波段作为逐步判别分析所用波段。
区分有无农药残留的判别模型将个无农药样本以及个不同程度农药残留样本作为分析用样本。
经逐步判别分析后,得到判别方程公式,用于判别无农药,用于判别有农药。
选取的特征波段为个,波长分别,在公式当中分别用五个变量代表相关波段的反射率均值表示。
将待测样本的各特征波段下的反射率代入公式公式,两个值相比较,哪个值较最大就归于哪类。
公式公式根据判别方程得出,判别正确率为,其中个无农药样本判别正确率为,有个无农药样本被误判为有农药残留样本个不同浓度农药残留样本判别正确率为,有个农药残留样本被误判为无农药残留样本。
如图,其中组类表示无农药残留样本,组类表示有农药残留样本。
图有无农药残留判别模型结果区分农药残留浓度的判别模型将个不同程度农药残留样本作为分析用样本。
经逐步判别分析后,得到判别方程基于激光与高光谱技术的水果表面污染物与农药残留检测公式,用于判别为浓度,用于判别为浓度。
选取的特征波段为个,波长分别为,在公式当中分别用三个变量代表相关波段的反射率均值表示。
将待测样本的各特征波段下的反射率代入公式,三个值哪个值最大就归于哪类浓度。
公式公式根据判别方程得出,判别正确率为。
其中,个浓度样本判别正确率为,个被误判为浓度个浓度样本判别正确率为,个被误判为浓度。
如图,其中组类表示浓度样本,组类表示浓度样本。
图污染物残留浓度判别模型结果结果分析经以上分析结果表明通过公式区分有无农药残留的脐橙样本,需采用个特征波段,具有较好的准确性,正确率为,误判率为。
通过公式区分农药残留浓度的脐橙样本,仅需采用个特征波段,且具有较好的准确性,正确率为伪,误判率为。
由结果和得知,本研究采用的方法在检测脐橙表面是否存有农药残留,以及检测农药残留浓度方面都具有较高的准确性。
基于激光与高光谱技术的水果表面污染物与农药残留检测第四章结论与展望结论基于激光图像技术的检测水果表面污染物残留本文在分析了国内外对水果安全的无损检测技术研究现状的基础上,进行了基于激光技术的水果表面污染物残留检测技术的研究。
采用光谱图像技术对水果的污染物残留进行检测的关键在于找到光谱图像信息与水果表面污染物残留之间的关系模型。
本研究针对这些关键问题进行了有效的探究,主要做了以下几方面的工作研究激光图像处理技术,找到了对激光光谱图像进行处理和分析的方法,利用激光光谱图像技术确定了检测苹果和脐橙两种水果污染物残留的判别函数。
通过对比可知,有无涂抹污染物溶液的苹果图像灰度曲线在灰度值段有明显区分,这段曲线形状近似维线性函数曲线有无涂抹污染物溶液的脐橙图像在灰度值段区分明显,这段曲线形状近似指数函数曲线。
用将苹果图像特征段曲线拟合维线性函数得到二项系数,这两个值为灰度曲线的特征值,也就是水果图像的特征值。
个无污染残留图像与维线性函数拟合得到的系数有个小于,而个有污染残留图像的拟合系数有个大于,因此可以将作为区分有无涂抹污染物溶液的阈值,判别准确率为。
用将脐橙图像特征段曲线拟合指数函数得到二项系数,这两个值为灰度曲线的特征值,也就是水果图像的特征值。
个无污染残留图像与指数函数拟合得到的系数有个小于,而个有污染残留的拟合系数有个大于,因此可以将作为区分有无涂抹污染物溶液的阈值,判别准确率为。
基于高光谱图像技术的检测水果表面污染物及农药残留本文在分析了国内外对水果安全的无损检测技术研究现状的基础上,进行了基于高光谱图像技术的水果表面污染物与农药残留检测技术的研究。
采用高光谱图像技术对水果的污染物残留与农药残留进行检测的关键在于找到高光谱图像信息与水果表面残留之间以及高光谱图像信息与水果表面农药残留之间的关系模型。
本研究针对这些关键问题进行了有效的探究,主要做了以下几方面的工作研究高光谱图像处理技术,找到了对高光谱图像进行处理和分析的方法,利用高光谱图像技术确定了检测脐橙表面污染物残留以及农药残留的判别函数。
通过对比可知,无污染的曲线,在大部分波段下的反射率都明显高于污染过的曲线,而在的基于激光与高光谱技术的水果表面污染物与农药残留检测范围内,污染物残留浓度的曲线的反射率又明显低于浓度与浓度的曲线,而在大部分波段范围下,浓度与浓度的曲线相差并不大而在的范围内,农药残留浓度的曲线的反射率明显高于浓度与无农药残留的曲线,而在大部分波段范围下,浓度与无农药残留的曲线相差并不大。
对污染物残留图像用经逐步判别分析,得出区分有无污染物残留的判别模型,以及区分污染物残留浓度的判别模型。
在区分有无污染物残留的判别模型中,需采用个特征波段,但具有相当好的准确性,正确率为,误判率为在区分污染物残留浓度的判别模型中,仅需采用个特征波段,具有定的准确性,正确率为伪,误判率为。
对农药残留图像用经逐步判别分析,得出区分有无农药残留的判别模型,以及区分农药残留浓度的判别模型。
在区分有无农药残留的判别模型中,需采用个特征波段,具有较好的准确性,正确率为,误判率为在区分农药残留浓度的判别模型中,仅需采用个特征波段,且具有较好的准确性,正确率为伪,误判率为。
总结结果表明,采用激光图像技术检测水果表面污染物残留,在判别有无残留方面,其成功率较高,但无法将残留程度检测出来,需进步研究。
采用高光谱技术检测水果表面农药与污染物残留,无论是在判别有无残留方面还是在判别残留浓度方面,其成功率都比较高。
可见,将这两种方法应用于实际的水果食用安全检测均是可行的。
研究展望利用激光图像技术对水果表面污染物残留的检测,采用了自行搭建的图像采集系统采集水果图像,由于些客观因素,设备精度比较低,虽然无污染的图像与有污染的图像之间区分明显,但污染浓度不同的图像之间区分不大,即此系统只能检测有无污染物残留,而不能区分具体的残留浓度。
以后要使用更高精度的设备,研究其他的图像处理方法,研究不同类型的污染物残留,进步区分残留程度以及残留的污染物类型。
高光谱设备精度较高,但价格昂贵,且获取的高光谱图像较大,对处理器的硬件要求也较高,并不适用于实时在线检测。
需进步研究,建立更加准确的用于检测水果表面污染物与农药残留的多光谱判别模型,开发用于水果食用安全的软件系统,从而实现实时自动检测。
基于激光与高光谱技术的水果表面污染物与农药残留检测研究表明,应用光谱技术检测水果表面污染物与农药残留的潜力是很大的。
本研究目前还处于实验研究阶段,待研究成熟后,光谱技术将大量应用于生产线实时安全检测,届时与气相色谱法等其他方法相结合,将大大提高有害物质残留检测的速度和准确性。
另外,还可以生产便携式的检测设备,普及到家庭当中,用于检测各种农产品的食用安全性,真正做到健康饮食。
分类号学校代码学号学位论文基于激光与高光谱技术的水果表面污染物与农药残留检测刘天昶指导教师刘木华教授申请学位级别硕士专业名称计算机应用技术论文提交日期论文答辩日期学位授予单位和日期年月日独创性声明本人声明,所呈交的学位论文,是在指导教师指导下,通过我的努力取得的成果,并且是自己撰写的。
尽我所知,除了文中作了标注和致谢中已经作了答谢的地方外,论文中不包含其他人发表或撰写过的研究成果,也不包含在江西农业大学或其它教育机构获得学位或证书而使用过的材料。
与我同对本研究做出贡献的同志,都在论文中作了明确的说明并
