毕业论文范文——基于介电信号分析的苹果内部品质无损检测

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 the 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, 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 level.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 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 dielectric 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. Combining 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 features 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 by 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 feature 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. 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 process 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 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 classifier. 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 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FAST314.2.2 稀疏主成分分析法Sparse PCA334.2.3 贪心选择法Greedy Selector334.2.4 属性排序法Ranker344.3 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427第一章 绪论第一章 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，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。1.2 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图1-1 水果内部品质构成Fig.1-1 Internal quality composition of fruits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、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; 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，且检测系统过于复杂。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，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，伴随着瓜果的生长、成熟、受损以及腐败变质等生理现象，瓜果内部同时进行着能量与物质的转换，这些转换将导致水果内部组织电场分布的变化，进而影响到生物电场的强度与分布，瓜果的介电特征因此受到影响。无损评估即是利用这种变化来推测果实的内部品格(胥芳等 2002)。常用的宏观阻抗指标包括：复阻抗Z，串联电容Cs，串联电阻Rs、串联电感Ls，并联电容Cp，电导G，并联电阻Rp，并联电感Lp，导纳Y，损耗角，损耗角正切tan ，品质因子Q以及交流电频率F，并通过公式求得介电常数，相对介质损耗因子等。国外对于水果的介电特征与水果本身内部品质关系的研究最早在20世纪70年代左右就开始了，美国的Nelson是果蔬介电特性研究的先驱者之一(Nelson 1972; Nelson 1973a; Nelson 1973b; Nelson 1980; Nelson 1982)，他在从20世纪70年代到80年代，分别研究了多种果蔬介电特性的测量，以及各种农产品如水果、肉类、种子、稻谷等表现出的介电特性规律，分析了部分单一理化特征和单一介电特征之间的相关关系。他的研究发现，水果的介电常数与频率呈现此消彼长的关系，同时，水果的介电常数与果实内部的含水量具有紧密的关系；Ragni等人(2007)分析了蛋类物质在不同存储期内介电信号直接的相关联系，并建立了以存储天数为自变量的一次线性模型。相对于其他的无损检测方法，利用介电特性进行水果的无损检测具有成本低、检测贯穿性好、测量快速准确的优点，因此，各种瓜果的介电特性近些年被研究的非常广泛。本研究就是建立在苹果的介电特征之上的，最终实现了利用苹果的多种介电特征预测其内部品格，实现了自动化的多级别管理。1.2.2 水果介电特性研究现状基于介电特性而进行研究已经走过了三十年左右，很多日常的水果如苹果、梨、猕猴桃和葡萄等的介电特性也已经被众多研究者所研究。我国虽然在这方面的起步较晚，在20世纪末21世纪初才有这方面的研究见文，但是最近十年来基于瓜果介电特性的研究也发展迅速。从2000年至今，国内有关瓜果介电特性的理论和应用方面的文献从60多篇激增到1600多篇，主要集中在分析瓜果的介电特征随着瓜果生长、成熟、受损以及腐败变质过程中的变化规律，应用方面仍然偏少，与国外相比还有较大差距。本小节将分别从国内外对介电特性与瓜果品质之间的关系以及基于介电无损检测法而开展的瓜果品质分级两个方面的研究展开，给予充分的对比与分析，进而发现其中的不足，最后本研究将围绕这些不足进行展开。（1）介电特性与瓜果品级关联研究水果内部品质与其表现出的介电特性规律间的研究，是利用介电特性进行品质预测的基础研究，所以是最早展开的研究。图1-1已经揭示了水果内部品质的构成，所以研究水果内部质量与其表现出的介电特性规律的本质就是研究瓜果内部组织物理化学特性与介电特征之间的关联关系。Thompson等人(1971)在300900 MHz频率区间内对苹果多种理化特征进行了变化规律的分析，结果在实验中发现，苹果的成熟度与介电特性密切相关，虽然在未成熟的苹果果实中，介电常数几乎保持不变，但是在成熟以后的苹果果实内部，介电常数随着频率的增加而显著降低；Nelson等人(1994)通过测量多种新鲜果蔬的组织密度、含水率和可溶性固形物含量以及在200 MHz20 GHz下的多频介电常数，发现导致不同果蔬组织介电特性产生差异性的原因在于：低频下束缚水的松弛性和离子的传导性以及高频下自由水的松弛性；而在国内，王玲(2009)以苹果为材料，研究了果实采后成熟衰老过程中的电学在0.1100KHz频率内的特性，并对电学参数与果品关系尽心了相关性分析。发现0.1KHz可作为嘎啦苹果电学特性的特征频率；在此频率下，并联等效电阻与果肉硬度的相关系数为0.986，与可滴定酸含量的相关系数为0.934。沈江洁等人(2011)通过研究新红星苹果果实采后阻抗、电阻、电容、电感、电导等5个电学指标与硬度、可溶性固形物、有效酸含量和乙烯释放速率4个理化指标之间的关系，提出了多个电学指标与品质理化指标间的一对一回归函数。总结之前关于瓜果内部物理化学等生物学特征与其介电特征之间关联关系的研究发现，在最初的研究中，几乎所有的研究都只是简单围绕着研究水果内部某种理化特征与介电特征的变化趋势之间的联系，如随着水果成熟度的增加，某种介电特征指标也显著增加或者显著降低等；随着研究的深入，在最近几年的研究中，更多的研究是在通过分析两者之间的变化规律然后模拟出相应参数的一对一线性或者多阶回归方程，最后，一个生理特征和一个对应介电特征之间的相关系数被计算出来，从而证明介电特性进行瓜果品格评估的可行性。当前的研究有一个明显的缺点，虽然现有的研究已经足以证明多种瓜果的内部品质与其介电特性有着紧密的关联关系，但却没有从整体上分析出水果介电特性与理化特性间的综合关系。介电特征的种类很广泛，而对应的理化特征也有很多个，而目前的研究只是各从两个大的系统中人为的抽取几种进行研究，更多的只是独立分析了单一指标对间的线性相关性，没有从整体出发去分析两个整体间的关联关系。针对这一现状，本研究从整体出发，同时从定性和定量两个方面分析了两个系统间的关系。（2）根据介电分析法的果品检测研究在利用介电无损检测进行的品质分级研究中，能够明确提出分级模型或者开发出分级系统的研究还比较少，更多还只是停留在理论分析阶段。日本的加藤宏郎(1988)开发了基于电学指标的无损测量系统。在该系统中，使用了一台阻抗分析仪，通过测量果蔬的多种介电特征参数，在一个固定频率范围内进行多点扫描测定，然后通过计微机进行实时处理，该系统投放市场后反映良好，但是缺点是精度不够；在国内，也有人利用介电特性将苹果分为合格品与等外品两个种类，选择单指标等效电容作为区分两个种类的变量，并使用统计的方法进行在线学习以确定满足最小分类误差标准的最佳分类阈值，结果显示，当果实直径在7.08.5cm之间，腐烂部分直径大于2cm，频率为1kHz，分类准确性可以达到80%以上(胥芳等2002)。但是该方法并不实用，首先该方法只是一个二类分级方法，分级模糊性太大，不能够实现水果的细分；而且当等外品腐烂部分直径大于2cm之时，很多已经在水果外部有所表现，根本不需要再经过无损分级的过程。同时，只选择单一指标估算果实品质的判断的主观性较强，不具有适应性；宋金亚(2004)通过在苹果品格归类研究中使用灰色系统的技术，将苹果内部电信号与品质指标联系起来，首先选择标准序列（不同等级的指标），然后将需要对比的苹果组成比较序列与标准序列进行对比，求出比较序列与各标准序列（等级）的灰色关联程度，最后，根据每个样本的最大相关决定对应的品格级别。但是在论文中，作者只选择了用等效电容一个指标进行关联度求解，而且灰色关联理论与刚开始选择的标准序列有很大关系。该理论只能在其使用的介电指标下得到与其选择的标准序列的相似程度，并以此得出以标准序列为参考的水果品质排序，但是该排序是否合理还有待验证，并不能明确的将苹果进行分级。总结以上的研究成果首先表明利用介电信号进行无损检测苹果等的内部品质是可行的，但是利用介电特征进行瓜果无损质量评估并进而实现其级别划分的研究和应用范围并不广；造成介电技术在我国没有被广泛应用的一个重要原因就是由于大量的研究以线性相关分析为出发点，建立的各种回归方程前提条件较多，实际应用中很难满足那些条件，而且大多是单一指标间的关系，而众多介电信号本身就是一个多维复杂系统，单一指标间的分析很不具有实际应用价值；同时介电特征的选取不应该人为的参与，而应该根据它们在品质分级过程的表现能力自动选取，也就是说以往的研究没有考虑到众多介电特征在品质分级过程中的最优子集，本研究从该不足点出发，将信息技术应用到富士苹果的介电特性的非损坏性苹果和自动化分级之中，选取最优介电特征子集，提出了明确的苹果品质的多分类模型。1.3 研究的主要内容通过以上的分析发现现阶段对瓜果介电特征的研究存在诸多缺陷，具体可归纳为：（1）介电特征、理化特征关联分析中的单一性；（2）无损质量评估时没有考虑到介电特征的最优子集；（3）很少明确提出品质多分类模型，实现自动品质分级；针对这些现状，本文具体的研究内容如下：（1）苹果介电特征与物理化学等生理特征综合相关性研究将介电特征与理化特征分别看作一个多维的变量集合，区别于传统的变量间一对一或者一对多的相关性分析，本研究从整体出发，通过分析两个变量集合间多对多的关联性，达到了介电特征与理化特征间的综合相关性研究，从整体上分析出苹果的介电阻抗特性与生理特性的综合关系。（2）苹果介电阻抗特征子集选择研究对大量介电阻抗信号进行有效的筛选。目前常用的单一频率下介电信号种类超过15种，再加上介电频率的变化，导致了最终的介电信号种类数量可以轻易超过100种。通过对比常见的特征筛选算法，选择与本研究合适的特征选择算法，对实验中使用的108种介电特征进行选择。（3）苹果品质分类模型的构建与介电特征筛选相结合，使用当前主流的分类器模型构建苹果品质无损分类模型，实现了苹果品质的5级自动识别与分级。1.4 论文的组织结构论文分析讨论了瓜果的无损检测、关联分析、特征选择和分类器模型的实现技术，并将其应用于苹果介电阻抗特征与物理化学等生理特征的综合关联分析和利用苹果介电阻抗特征的无损质量评估。全文分为五章论述。第一章，绪论。主要阐述了研究的背景及研究将要产生的意义。首先，介绍了各种瓜果非损坏性质量评估方法在国内外的相关研究现状。其次，重点了解了现有介电阻抗特征研究的不足。最后，给出了论文的研究内容及文章的组织结构。第二章，苹果预分级处理及数据准备。对比分析了两种苹果预分级技术，并将两种预分级技术结合起来将实验苹果样本分成了5个等级。最后详细描述了苹果108种介电特征和8种理化特征的构成，以及采集装置和采集过程。第三章，苹果介电特征与理化特征综合相关性研究。论述选择使用典型相关分析法进行苹果介电特征与理化特征综合分析的原因，然后介绍了典型相关分析法与稀疏典型相关分析法的定义，最后给出了介电特征与理化特征联合分析的实验结果。第四章，苹果介电特征最优子集选择与品质分级。研究对众多的介电信号进行有效的筛选，通过对比常见的特征筛选算法，选择合对本研究合适的特征选择算法，结合近年效果比较好的分类模型算法实现苹果的无损质量分级别模型。第五章，总结与展望。对论文的研究进行了回顾，全面概括了本课题所取得的研究成果以及不足，最后给出了后续研究的大致方向。13第二章 苹果预分级处理及数据准备第二章 苹果预分级处理及数据准备与其他如人脸识别、掌纹识别等分类问题不同的是，苹果品质分级不存在天然的类别归属性，同时由于本研究的苹果品质一共被分为了5个级别，而不只是简单的2类分级，如霉心病、水芯病监测等，所以为了能在介电特征和理化特征采集过程中分级别采集以及最后验证基于介电特征选择的苹果品质分级模型的正确率，需要事先确定一种可以将苹果预分级的方法。本章详细介绍了两种苹果预分级技术以及介电和理化数据采集过程。2.1苹果预分级一般的苹果预分级技术主要是根据苹果的外观特性进行预先的分类，但是对于其内部品质，特别是本研究将苹果的品质分为了5个等级，所以依靠苹果的外部特性进行预分级最终很难取得较好的实验效果，考虑到苹果介电特性与苹果内部构成以及理化指标与苹果口味的关系，在实验中，我们重点研究并分析了利用苹果失重率（Weight Loss Rate, WLR)和品尝鉴定法这两种方法进行苹果品质预分级的可行性，并最终将两种方法结合起来实现了实验中苹果的5级预分级。2.1.1 苹果失重率法预分级根据苹果品质研究者的长期经验，苹果果实在失重率为5%左右时外表皮无明显征兆，但是在失重率达到10%左右时苹果果实已开始出现细微褶皱，如果继续失重达到15%左右，苹果果实已出现严重褶皱现象，这时苹果品质已经下降的非常严重，如果继续失重，苹果果心开始出现病变，这时苹果已无法食用，整个过程如图2-1所示。根据上述经验，可以按照苹果失重率分别为0%、5%、10%、15%以及果心病变果将苹果品质分为1、2、3、4、5(末级)共5个品质等级。(a) 无失重 (b) 失重约5% (c) 失重约10% (d) 失重约15% (e) 果心病变 (a) WLR=0% (b) WLR5% (c) WLR10% (d) WLR15% (e) Core browning2.1.2 品尝鉴定法在各种苹果的预分级方法中，最使人信服的方法就是品尝鉴定法。该方法利用专业的品尝人员以及科学的评判指标来达到苹果品质预分级。具体方法为请多位专业品尝员对苹果的感官品质进行打分，具体在本研究的实验中评价指标以及权重构成为：外观鲜度0.4，酸甜适口度0.2，口感脆度0.2，香气 0.1，肉质粗细0.1，每项指标满分为100分，然后计算所有指标加权平均值作为果实的得分值，将最终得分接近的苹果分为一类，每一个类别的分值为类内所有苹果分值的平均值。2.1.3 结合法在2.1.1小节中介绍了利用苹果的失重率这一指标进行苹果品质预分级，该方法具有操作简便的优点，但是该方法目前为止并不能完全使人信服，即在利用失重率进行的苹果品质预分级的苹果中，其本身的失重率是否真的可以对应相应品质等级的苹果并不可知，因为该方法目前为止只是建立在人们的经验之上，并没有量化指标来证明两者之间的等价关系；而品尝鉴定法的优点是可以科学准确的确定苹果的综合品质，但是该方法也具有一个明显的缺点，因为需要专业的品尝员对苹果果实进行品尝打分才能最终确定苹果的级别，这种方法在实验样本较少的情况下是可行的，但是在本研究的实验中，每个级别下都有样本100个，共500个样本。所以在这种情况下，只利用品尝鉴定法进行苹果品质预分级将不具有可操作性，所以需要结合本实验的实际情况对预分级技术进行合理的调整以适合本研究所用。针对上述两种苹果品质预分级方法的优缺点，本研究最终将两者结合起来，扬长避短，达到苹果预分级的目的。在实验中首先利用失重率的方法对苹果进行预分级，然后使用品质鉴定法对失重率法进行验证。具体做法为：在所有的苹果果实测定完所有的介电特征值之后，从每个级别中随机的抽取10个果实，然后请10位品尝员对其进行品尝打分，该级别果实感观品质的总分值就是这10个果实的等分均值，结果如表2-1所示。从表中可看出，5个级别苹果的综合感官品质得分依次下降，这也从科学的角度验证了使用失重率法进行苹果品质预分级的合理性和可行性。等级序号12345实际失重率(%)04.969.8614.75果心病变感官品质总分91.5685.6779.6759.5648.762.2苹果介电和理化数据采集在该小节中详细介绍了苹果的预处理以及介电和理化数据的采集过程，其中介电特征数据共108种，理化特征数据共8种，样本数量为500个。2.2.1苹果介电特征数值测量实验所用苹果品种为富士，商品成熟期（10月中下旬）从陕西省白水县西北农林科技大学苹果实验基地采集得到。果实去梗并套发泡网并装于瓦楞纸箱中，采收后当天运回实验室。待室温平衡24h后，选择成熟度和色泽相近、大小均匀、无明显损伤和病虫害果实1200个，祼果于塑料框中室温（202）下贮藏；另选300个果实置于高浓度CO2（10%左右）包装袋内，同样于室温下贮藏，待出现第一个可见病果时停止，然后进行相关数据的测量工作。苹果贮藏期间跟踪测定果实失重率，分别于失重率为0%、5%、10%、15%左右时随机抽取100个外表无伤、无病果，然后对其进行编号并逐个测定其在158、251、398、15800、25100、39800、1580000、2510000、3980000Hz共9个频率点下的介电特征值。介电频率点选取的原则是参考之前的大量研究表明在以10为底的对数下时，苹果的理化特征与介电特征间的关系更加明显，而158、251、398在对数关系下是等距的，后面6个频率值分别对应其在对数关系下增加了一个常数值（2和4）。另从经过X光照射从10%浓度的CO2包装处理中选出的果心褐变果100个一同进行介电参数的测量工作。介电参数的测量采用日本日置3532-50型LCR测试仪和计算机组成，如图2-2所示。该测试仪的可测定42Hz5MHz频率范围内的介电信号。测试仪与计算机通过RS-232串行接口进行通讯。参数设定由计算机完成，电学参数自动在线测量，并传送至计算机端进行