基于近紅外光譜的蘋果品種聚類分析系統(tǒng)設(shè)計(jì)

1.64萬字 33頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘要 我國是世界蘋果生產(chǎn)大國，但對于蘋果的加工存儲和質(zhì)量檢測技術(shù)等方面與發(fā)達(dá)國家相比處于落后狀態(tài)。隨著我國經(jīng)濟(jì)的快速發(fā)展，水果的商品化處理逐漸受到人們的重視。本文重點(diǎn)闡述了利用近紅外光譜技術(shù)對蘋果的分類研究。
近紅外光譜技術(shù)(NIRS)的檢測方法是近二十年來發(fā)展最快、最引人注目的光譜技術(shù)之一，具有分析速度快、樣品處理簡單、操作簡便、非破壞性以及不使用化學(xué)試劑等優(yōu)點(diǎn)，越來越受到國內(nèi)外學(xué)者的青睞。論文首先介紹了國內(nèi)外蘋果分類研究的多種方法，包括支持向量機(jī)的分類方法，機(jī)器視覺的分類方法等。介紹了近紅外光譜分析的主要技術(shù)流程和對于光譜信息的處理方法。論文重點(diǎn)分析了主成分分析法、三種聚類算法應(yīng)用于蘋果的分類研究，具體分析了每種算法的基本原理、基本算法分析過程、實(shí)現(xiàn)步驟和基于實(shí)驗(yàn)的結(jié)果分析等。
論文介紹了一種用近紅外光譜技術(shù)快速鑒別蘋果品種的方法，針對光譜數(shù)據(jù)信息量大，維度多不易分析的問題，首先用主成分分析法(PCA)通過數(shù)據(jù)降維來排除眾多信息中相互重疊的部分，提取蘋果的近紅外光譜的特征信息。再將降維后的光譜數(shù)據(jù)通過MATLAB運(yùn)行模糊C-均值聚類（FCM）、可能性C-均值聚類（PCM）、可能性模糊C-均值聚類（PFCM）三種聚類算法，實(shí)現(xiàn)蘋果品種的分類。實(shí)驗(yàn)表明，采用主成分分析結(jié)合聚類分析實(shí)現(xiàn)了特級紅富士，一級紅富士和加納三種蘋果的正確識別。該方法屬于無監(jiān)督學(xué)習(xí)算法，不需要對蘋果樣本進(jìn)行學(xué)習(xí)就可實(shí)現(xiàn)蘋果品種的鑒別，為實(shí)現(xiàn)蘋果品種的鑒別提供了一種無監(jiān)督的快速無損鑒別分析方法。


關(guān)鍵字：蘋果 近紅外光譜 分類 降維 聚類分析