10.11975/j.issn.1002-6819.2018.05.017
基于电学特征的苹果水心病无损检测
为了探寻快速而准确的苹果水心病无损检测新方法,该文以'秦冠'水心病疑似病果和好果作为试材,逐果采集11个电学指标在100 Hz~3.98 MHz间13个频率点的特征值,然后切开并统计真实发病情况.利用主成分分析结合不同分类模型进行好果与病果判别分析,结果选取方差累积贡献率大于90%的主成分15个,Fisher判别、多层感知器人工神经网络(multi-layer perceptron,MLP)对好果和病果的判断正确率均随着主成分数的增加而增大,并分别在主成分数量达到前13、10时趋于稳定水平93.3%、95.4%.径向基人工神经网络(radical basis function,RBF)结合15个主成分判别的正确率75.1%.水心病引起介电损耗系数D、复阻抗相角deg、串联等效电容Cs和并联等效电容Cp及相对介电常数(ε")、损耗因子(ε")共6个参数在低频区(100~10000 Hz)的观测值高于好果,是电学法能够对水心病果和好果进行'识别'的原因.同时发现,利用低频率下(100~25100 Hz)损耗因子(ε")值结合MLP或RBF人工神经网络模型对水心病果和好果识别正确率均能达到100%,是一种简便而高效的苹果水心病无损检测方法,可为今后进一步研发苹果果实水心病在线无损检测仪器提供理论与技术依据.
病害、无损检测、神经网络、苹果水心病、电学特征
34
S661.1(果树园艺)
陕省农业科技创新与攻关项目2015NY023;农业部现代苹果产业技术体系项目CARS-28
2018-03-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
129-136