基于X射線成像技術(shù)的農(nóng)產(chǎn)品內(nèi)部品質(zhì)無(wú)損檢測(cè)研究.pdf

1、我國(guó)是農(nóng)業(yè)大國(guó)，發(fā)展農(nóng)業(yè)生產(chǎn)，增加農(nóng)民收入是解決“三農(nóng)”問(wèn)題的關(guān)鍵。對(duì)農(nóng)產(chǎn)品進(jìn)行產(chǎn)后加工、品質(zhì)檢測(cè)是確保農(nóng)產(chǎn)品品質(zhì)、提高農(nóng)產(chǎn)品競(jìng)爭(zhēng)力、實(shí)現(xiàn)農(nóng)民增收的有效途徑。傳統(tǒng)的破壞性檢測(cè)方法費(fèi)工、費(fèi)時(shí)，檢測(cè)結(jié)果受檢測(cè)人員主觀因素影響大，并造成大量經(jīng)濟(jì)損失，為解決這一問(wèn)題，有必要實(shí)現(xiàn)農(nóng)產(chǎn)品品質(zhì)的快速、客觀和無(wú)損檢測(cè)，它也正成為當(dāng)前研究的熱點(diǎn)。本論文提出了利用X射線成像技術(shù)對(duì)農(nóng)產(chǎn)品內(nèi)部品質(zhì)進(jìn)行檢測(cè)的思路。以板栗和蘋果(分別作為堅(jiān)果和水果的代表)為對(duì)象，

2、融合X射線成像技術(shù)和圖像處理技術(shù)對(duì)其內(nèi)部品質(zhì)進(jìn)行無(wú)損檢測(cè)。論文的主要內(nèi)容如下： 1.根據(jù)X射線探測(cè)器成像原理和結(jié)構(gòu)，完成了X射線探測(cè)器成像校正；針對(duì)板栗、蘋果兩種物料，通過(guò)試驗(yàn)，確定其品質(zhì)檢測(cè)試驗(yàn)最佳參數(shù)。板栗檢測(cè)最佳試驗(yàn)條件：電壓65KV、電流0.6mA、積分時(shí)間2.22ms、傳送速度18.02cm/s;蘋果檢測(cè)最佳試驗(yàn)條件：電壓70KV、電流0.75mA、積分時(shí)間2.22ms、傳送速度18.02cm/s。 2.討論板

3、栗X射線圖像的去噪方法，確定采用3×3的高斯濾波器對(duì)圖像去噪；采用自動(dòng)閾值法結(jié)合二維插值生成自適應(yīng)閾值圖，分割病害圖像，結(jié)合形態(tài)學(xué)處理，提取病害區(qū)域面積，設(shè)定閾值，判定板栗內(nèi)部品質(zhì)。判準(zhǔn)率達(dá)91.8％。根據(jù)板栗分級(jí)標(biāo)準(zhǔn)，提取板栗圖像灰度參數(shù)，建立板栗重量預(yù)測(cè)模型，模型預(yù)測(cè)相關(guān)系數(shù)R2=0.924。 3.采用Laplacian-Gaussian(Log)邊緣檢測(cè)算子獲得蘋果碰傷邊緣圖像；采用巴特沃斯高通濾波器和Ostu閾值分割法分

4、割出蘋果腐爛、褐變區(qū)域圖像；針對(duì)蘋果水心特點(diǎn)，采用蘋果正負(fù)片圖像相減法增強(qiáng)圖像，利用局部閾值法分割蘋果水心。提取蘋果水心的5個(gè)特征：蘋果圖像初始面積Si、蘋果圖像初始平均灰度Via、水心區(qū)域面積So、初始圖像的水心區(qū)域平均灰度Voa和水心區(qū)域與蘋果面積比R。并以此作為輸入向量建立蘋果水心的k-近鄰法和BP神經(jīng)網(wǎng)絡(luò)分類模型。結(jié)果表明，5×5×1的BP神經(jīng)網(wǎng)絡(luò)分類模型分類效果較好，預(yù)測(cè)準(zhǔn)確率為84.2％。 本文對(duì)板栗、蘋果內(nèi)部品質(zhì)的