1、基于介电信号分析的苹果内部品质无损检测摘 要当前我国苹果的总产量中最终能够达到出口标准的苹果所占比例仅为 2%左右。其中一个制约因素就是目前对苹果的分选检测技术不能满足市场的要求，而先进的分选检测能力则是建立在苹果品质检测之上的。以前，苹果品质检测主要注重其外观品质，如大小、颜色、有无病斑等，但是除去这些外观特征之外，内部品质更能体现苹果整体的品质，并在近几年来愈发引起人们的重视，所以苹果内部品质高效、准确的检测对于提高农产品质量、增加农业人口收入、促进消费者服务水平具有重要意义。瓜果的综合质量最终由其多种物理化学指标的含量来决定，但是对于物理化学指标的测定，不仅因为需要到专业的检测机构去检测
2、而导致费时费力，更因为其不能在苹果无损的状态下被检测而导致其不具有更广泛的推广和实用价值；随着对介电特性与多种水果内部理化指标研究的深入，已证明介电特性与水果的内部品质具有非常紧密的关系。本研究首先分析了苹果阻抗特征与物理化学特征间的综合线性相关性；然后利用苹果的多种介电特征，创新性地将信息技术领域的特征选择和分类器设计等方法与对苹果介电特征的研究相结合，最后设计了一个检测的框架，即使用阻抗特征去预测瓜果综合品格的框架。主要工作和结论如下：（1）采用了典型相关分析法和稀疏典型相关分析法对苹果介电特征与其内部理化指标进行了关联分析。将介电特征与理化指标各看作一个有机整体，通过提取出双方各自的典型
3、变量来达到对整体相关性的多元统计分析，最后发现苹果的阻抗特征与其内部物理化学特征间接近于高度相关，系数高达 0.793。需要说明的是本研究的关联分析研究仅限于通过分析两套指标间的数值来找到其多指标间的线性关联性，而不从生理角度去解释形成这种关联性的内在机理，该工作可由农产品方面的专家根据本研究成果进行后续分析。（2）采用了多种特征选择的方法对介电特征进行筛选。前人对于水果介电特征的研究只是人为的选择几种进行实验分析，并未根据研究目的进行专门的介电特征性能筛选。本研究中，共有 108 种介电特征参与了实验，为了选择出在苹果品质预测过程中起关键作用的介电特征，降低检测系统的时间和空间复杂度，实现了
4、多种特征选择方法，并结合三种分类器模型对比分析了各种方法在苹果品质预测中的实验效果。（3）基于介电特征子集构造了分类器，实现了苹果品格评估。本研究中苹果的内部品质被预分级为 5 个等级，在得到了筛选之后的介电特征之后，分析了介电特征的低秩性结构，并结合其低秩性的特点验证与分析了压缩感知理论分类器的实验效果；同时通过实验对比分析了当前在模式识别领域主流的分类识别算法在介电特征对苹果品质预测中的效果，包括 SVM 分类器和 ANN 分类器，最终的实验结果表明贪心选择法结合 SVM 分类器的检测效果最优，在选择了 6 个关键介电特征的时候其检测准确率达到了 98.3%。关键词：介电特性；无损检测；关
5、联分析；特征选择；失重率NONDESTRUCTIVE APPLE INTERNAL QUALITYESTIMATION USING DIELECTRICSIGNAL ANALYSISABSTRACTCurrently in the apple total production of our country, only 2% apples can achieve the export standards. One important reason that restricts the apple export is the weak ability to detect and to sort t
6、he apples based on their internal quality. In the previous, the quality detection of apple is mainly based on their appearance quality, i.e. size, color and disease spots. However, compared with these surface features, the internal quality is more representative and attracts more attention recently,
7、 so the effective and accurate detection to the internal quality of apple is very significant, and can improve the quality of agriculture products. Also strong ability to detect the internal quality of fruits can increase the income of the agriculture population and promote the customer service leve
8、l.The fruit internal quality is finally determined by the contents of physicochemical indicators, but in order to test the contents of physicochemical indicators, we not only need the professional testing institutions to finish this laborious work, but also must destruct the apple samples to get the
9、 test data from the fruit juice, thus it decides that the measurement of the physicochemical indicators doesnt have the broad generalization and utility value. With the further research on the relations between dielectric features and physicochemical indicators, it has been demonstrated that fruit d
10、ielectric features have a very close relationship with their internal quality. Our research analyzes the integrated linear correlation between apples dielectric features and their physicochemical indicators firstly, and then employs several apples dielectric features to detect apples quality. Combin
11、ing with the feature selection and classifier methods, we innovatively propose a framework to detect the fruits integrated quality with their dielectric features. Our main research contents and conclusions are as follows:(1) We analyze the integrated linear correlation between apples dielectric feat
12、ures and their physicochemical features using the methods of canonical correlation analysis and sparse canonical correlation analysis. The dielectric features and physicochemical features can be regarded as multivariable systems, and the integrated multivariate statistical analysis can be achieved b
13、y extracting their respective canonical variables. Finally the experimental result shows that the integrated linear correlation coefficient is 0.793, and it indicates the relationship between apples dielectric features and their physicochemical features is close to the highly relevant.(2) Several fe
14、ature selection algorithms are employed to select the best apples dielectric features. In the previous research, dielectric features are chosen manually and have not conducted the dielectric feature selection based on their research purpose. In our research, the number of dielectric features is 108.
15、 In order to select the key features for the prediction of the apples quality, and to reduce time and space complexity of the detection model, we realize several feature selection algorithms. Combining with three classifier models, we also compare and analyze their experimental performance in the pr
16、ocess of apple quality prediction.(3) We construct the apple quality detection model based on their dielectric feature selection. In our experiments, the quality of apples is divided into five classes beforehand. After getting the apples dielectric features, we analyze their low rank character, and
17、then analyze the experimental performance of the sparse representation classifier. Meanwhile, we also compare and analyze the experimental performance of some representative classifier models in pattern recognition fields, i.e. support vector machine classifier and artificial neural network classifi
18、er. The final experimental results show that, the model constructed by the combination of feature selection method of greedy selector and the classifier method of support vector machine achieves the best performance. The detection accuracy of apple quality is 98.3% when 6 key dielectric features are
19、 selected.KEYWORDS: dielectric feature, nondestructive detection, feature selection, correlation analysis, loss weight rate目 录第一章 绪论 .11.1 研究目的与意义.11.2 国内外研究现状.21.2.1 水果无损检测研究现状.21.2.2 水果介电特性研究现状.51.3 研究的主要内容.71.4 论文的组织结构.8第二章 苹果预分级处理及数据准备 .92.1 苹果预分级.92.1.1 苹果失重率法预分级.92.1.2 品尝鉴定法.102.1.3 结合法.102.2
20、苹果介电和理化数据采集.112.2.1 苹果介电特征数值测量.112.2.2 苹果理化特征值测量.122.3 本章小结.13第三章 苹果介电特征与理化特征综合相关性研究 .153.1 典型相关分析法的适用性分析.153.2 CCA 介绍与实验分析 .163.2.1 线性相关系数.163.2.2 典型相关分析数学模型与求解步骤.173.2.3 介电与理化典型相关分析结果与实验分析.203.3 稀疏典型相关分析法对典型变量的改进.243.3.1 Sparse CCA 方法的数据模型 .243.3.2 Sparse CCA 实验结果与分析 .253.4 本章小结.26第四章 苹果介电特征最优子集选择
21、与品质分级 .274.1 特征选择方法的对比与选择.274.1.1 特征选择技术适用性分析.274.1.2 特征选择技术概述.284.1.3 常用特征选择方法分析与选择.294.2 特征选择算法模型介绍.304.2.1 快速聚类特征子集选择法 FAST.314.2.2 稀疏主成分分析法 Sparse PCA .334.2.3 贪心选择法 Greedy Selector.334.2.4 属性排序法 Ranker.344.3 苹果品质检测模型分类器选择.354.4 苹果品质检测模型实验结果与分析.364.4.1 训练数据预处理.364.4.2 降噪前后实验结果对比.364.4.3 不同搜索策略下贪
22、心选择法实验结果对比.384.4.4 不同特征选择法实验结果对比.394.5 本章小结.40第五章 总结与展望 .415.1 总结.415.2 展望.41致 谢 .42第一章 绪论 1第一章 绪论1.1 研究目的与意义自古以来我国以农业立本，即便是到了当前的工业文明时代，农业也仍然是国家发展过程中的基石。统计表明，在我国的各种农作物产品中，水果产业已经成为我国第三大农作物产业，仅次于粮食、蔬菜两个产业。由于我国幅员辽阔以及复杂多样的气候地理条件，使我国在世界的水果产业中，不仅具有物种资源丰富的优势，而且单一品种的水果产量极大；从 2000 年开始，我国已经在水果种植面积和水果年总产量这两个代表
23、国家水果产业发展好坏的重要指标中成为双料世界第一，其中，苹果和梨的总产量都遥居世界第一，两者的总产量在世界总产量中所占比例都超过了 40%(陈晓钰 2011)。这一切的指标数据表明，如果以产量衡量一个国家水果产业的话，那么在世界水果产业版图中，我国是一个水果超级大国。我国水果具有产量和资源优势，但是另一方面，我国在水果产业出口方面却不得不面对一个尴尬的现实。在全球化的今天，我国的水果出口地位却与水果产量地位极不匹配，在水果出口量占总产量比例和出口量占世界总出口量比例这两个衡量一个国家水果产业国际竞争能力的指标中，我国全面落后，分别只占到了 2%和 3.6%(张菲 2011)，且水果出口价格远远
24、低于其他水果出口强国。以我国的水果出口主力苹果为例，2006 年至 2008 年三年之间苹果出口量占总产量的平均比例为 3.56%，苹果出口量占世界苹果总出口量三年平均比例为 13.21%，而同一时间段内智利的对应指标平均值为55.23%和 10.09%，也就是说，虽然在总出口量方面我国比智利高 3.12 个百分点，但是在 100 个苹果中，我国最终只有不到 4 个苹果达到了出口的标准，而智利却有超过 55个苹果达到这个标准。面对我国是一个水果大国但却远远不是水果贸易强国的事实，很多研究旨在发现其中的原因(霍尚一 2008; 林如泉 2007; 楼军文 2005)，并已经取得了一些共识。其中，
25、一个影响水果出口的主要问题是果实采后商品化程度较低，分类和检测能力弱，分拣技术水平不能满足国际市场的需求；而先进的分选检测能力则是建立在水果品质无损检测之上的，所以说快速、准确的水果品质无损检测对于促进我国水果产业的发展具有重要的意义。传统的依靠外观品质判断水果品质的方法已经不再适用，而水果的内部品质更能代表其综合品质。在内部品质检测方面，因为考虑到后期在水果品质分级中的实际意义，无损检测法成为了研究重点，也发展出了一批依据水果光学、物理力学、电学、生物学以及计算机视觉等特性而展开的无损检测法，这些方法不需要化学试剂和繁琐的分析过程，检测过程简单、测试结果准确，有利于最终实现果品品质分级。基于
26、介电信号分析的苹果内部品质无损检测21.2 国内外研究现状水果无损检测法具有广泛的应用前景，近年来国内外学者根据水果各方面的特性进行了大量卓有成效的研究，提出了很多无损检测技术与算法。当前，主流的水果无损检测技术主要包括红外光谱法、计算机视觉分析法、力学或声学等物理特性分析法以及电学特性分析法，在这些方法中，不同的方法有不同的适用性以及优缺点，同时由于水果品种繁多，不同水果有时需要不同的无损检测技术。1.2.1 水果无损检测研究现状苹果等水果的内部品质是其生理、化学以及物理性质的综合反映，并且这三个方面又相互影响( 胥芳等 2001)，其内部品质的构成如图 1-1 所示。到目前为止，有关水果内
27、部品质的研究主要集中在通过一定的技术手段，直接或间接地获得其内部品质中生理、物理和化学方面的某些指标。其中，普遍认为，水果本身的可溶性固形物含量（Soluble Solid Content, SSC） 、水分、糖分、酸度等理化指标与水果本身的内部品质有极其重要的关系，并且可以根据这些理化指标值检测出水果内部品质。因为通常在无损的前提下无法直接获得这些理化特征的数值，通常的做法是使用某种无损的方法对这些内部理化特征指标进行间接的估计，进而实现水果内部品质的检测以及排序，并为自动化分级提供理论基础。（a）近红外光谱（ Near-Infrared Spectrophotometry, NIRS）无损
28、检测法。近红外光谱无损检测法最早从 20 世纪 80 年代就开始成为一种无损检测方法去检测水果的硬度、图 1-1 水果内部品质构成Fig.1-1 Internal quality composition of fruits水果内部品质物理方面 ：硬度内部病害及损伤生理方面 ：成熟度新鲜度化学方面 ：水分糖分酸度等第一章 绪论 3新鲜度、酸度等(Cho 1996)。近红外光谱法可用于水果等的无损检测主要是因为：当近红外光照射到果实上的时候，果实内部酸和糖等成分中的部分化学官能基，如NC、C 、 OH 等能吸收 NIRS 中与分子固有振荡频率一致的特定光谱线，而其他的官能基则不能吸收该波长范围的光
29、谱线。近红外光谱分析技术利用上述性质，估计水果的糖度和酸度，从而达到品质检测的目的(何东健等 2001)。近红外光谱法主要分为两种形式，分别是投射式（Transmission）和漫反射（Reflection） 。近年来，近红外光谱用于无损检测也已经成为研究热点，Sinelli 等人(2008)尝试使用该方法去无损测定蓝莓的内部营养成分，并使用偏最小二乘法进行最终预测。实验结果表明，类黄酮、酚类和花青素等的总含量可以在光谱区域估计得到，但抗坏血成分估计准确率不高； Kandala 等人(2012)成功地使用近红外光谱法检测到了花生中的水分含量。国内的学者(史波林等 2010; 孙通等 2008;
30、 岳绒等 2011)也使用近红外光谱法对多种水果进行了品质检测，并取得了较好的效果。近红外光谱法用于无损检测时具有很多的优点：测试速度较快，缩短了测试周期；能够多指标同时检测；测试过程无污染，检测的成分也较低；测试范围广泛；但是近红外光谱法也有其固有的弱点，具体为：果实穿透能力较弱；测量结果容易受到取样位置的影响(Long and Walsh 2006)；建模工作难度较大，需要有经验的专业人员；对于不同水果穿透能力以及吸收波长范围都不同，因此需要不断对模型进行调整(王多加等 2004)；（b）计算机视觉图像无损评估法。发达国家很早就开始将机器视觉技术和各种作物和果实大小、颜色、形状和表面缺陷等
31、品质检测相结合，并取得了一些成果。计算机视觉用于水果非损坏性评估主要通过电子传感器获取待评估瓜果图像，并利用计算机来分析图像，包括图像分割、特征提取，建立图像特征参数与果实品质特征之间的关系模型( 樊军庆和张宝珍 2007)，从而达到无损检测的目的。当前，国内外的研究者利用计算机视觉法进行品质检测时，更多的是农产品外部品质自动识别，用于果品内部品质检测的研究还不太多。Reyer 等人(1996)研究了利用计算机视觉法检测杏和桃的撞伤问题。最终的实验结果为对伤果的检测准确率为 65%左右；Throop(1989)研究了利用计算机视觉法检测果实的平均灰度，确定可见光在苹果果实中的透射能力，最终可以
32、 100%的检测苹果中是否存在水芯，但是无法确定其严重程度；何东健(1997) 首先得到果实投影图像，然后通过这些图像去直接测定球形果实表面缺陷，同时进行了充分的验证；在预测果实内部品质方面，张亚静等人(2010)基于机器视觉从定性和定量两个方面进行了番茄内部品质预测，首先从获取到的图像上提取番茄表面的纹理特征和颜色特征，并通过 GRB 和 Lab 两个色彩模型分别对颜色特征进行分析，最后通过 BP 神经网络模型对番茄的酸度、糖度、氨基酸含量和水分含量进行预测，取得了最优的 78.57%的预测准确率，但是其实验存在样本较小的问题，其中训练样本只有 50 个，测试样本为 28 个，且检测系统过于
33、复杂。基于介电信号分析的苹果内部品质无损检测4计算机视觉法进行无损检测有很多优点，如功能较多、处理的信息量较大、能够完成多种品质指标的检测，并可以测量定量指标(刘孔绚 2010)，在水果多种品质指标的自动识别中有着良好的应用前景；但是从国内外研究者的文献中可以看出，该方法仍然主要集中于对果品外部品质的检测，这主要是由于其固有的缺陷造成的，如果只利用获取的表面图像去推测果品内部品质，准确率的确没有保障，同时其检测精度和速度均与实际应用还有一定的距离(崔惠英 2008)。（c）果实物理特性分析法。该方法主要根据果实的声学或者力学特性完成果品品格评估与分析。该方法的基本原理是果实在声波或者主观敲打下
34、，形成声波，根据其散射特性、反射特性、吸收特性、传播速度、衰减系数以及本身的固有频率和声阻抗等，来推测果品的内部品质(郭文川等 2001)，达到无损检测的目的，比如日常生活中很多人喜欢在买西瓜等大体型水果时通过敲击果实来判断其成熟度就是利用了果实的物理特性。在国外，Finney 等人(1967)研究了香蕉的振动频率与杨氏模量之间的关系，最后推测出了香蕉的硬度与成熟度之间的变化关系；Sugiyam(1985)等对甜瓜的声学特性进行了充分的研究，从中发现了甜瓜的成熟度与声波具有密切的关系，随着成熟度的增加，声波在果实内部的共振频率和传播速度均呈现降低趋势，变化趋势一致，同时甜瓜果肉的硬度和声波的传
35、播速度相关系数达到 0.832，因此可以利用声波的传播速度预测甜瓜的成熟度，最后结论为：声波在适宜食用的成熟甜瓜果实内的传播速度为 3750 m/s；在国内，王书茂等(1999)根据传统的拍、敲、听的原理，用科学的振动测量方法建立了基于振动频率和西瓜含糖量之间相关性上的力学模型，最终的研究结果表明，西瓜成熟指数与其糖分含量有很高的线性相关性；张索非等(2007)提出了一种对苹果进行品质评价和分类的无损检测方法，该方法分析了果实受敲击之后所发出声音的频谱特性，研究发现，果实受敲击发声的频谱峰值会呈现一定的变化规律，随着苹果存放时间的增加而降低。 利用水果物理特性进行无损测量的主要优点是对人体无害以及成本低等(初旭宏 2006)，有利于按照果实的成熟度对果品进行分级；主要的缺点是其检测结果对敲击时的位置、角度非常敏感，同时水果内部水分的分布也会对结果产生较大影响，同时由于复杂的模型参数，要想在实践中应用还需要一个较长的研究过程。（d）电学特性无损检测法。物质的电特性主要有两种体现形式，分别是介电特性和导电特性，其中，主要用其介电特性进行基于水果电学特性的非损坏性品格评估。利用介电特性进行无损检测是指利用瓜果等农产品在电场中电学参数的变化规律，以此来反映水果品质的一种技术(沈江洁等 2011)。果实内存有大量的带电物质，这些物质在瓜果内构造出生物电场，伴随着瓜
