面向红枣品质无损检测的多源信息处理与融合机理研究

本课题以面向灵武长枣品质无损检测为应用和研究对象，以反映灵武长枣品质的NIRS特征数据、多光谱信息和PC视觉图象处理为基础；从模式识别的神经网络和统计学习理论出发，综合图象信号处理、人工智能、数学建模和分析检测等学科的相关技术；以理论和方法研究为主线，拟通过NIRS分析、PC视觉信号处理以及多光谱数据与图象信息融合的手段；研究快速无损分析/检测灵武长枣水分、糖度、酸度和成熟/新鲜度等主要成份含量的有效方法和关键技术，准确识别灵武长枣的表面色泽、硬伤、裂纹、生理缺陷及内部虫眼、虫蚀、病害等品质的高效算法，尝试建立性质更好、精度更高的基于模式识别理论的灵武长枣综合品质评判与分级数学模型。期望在果品品质在线无损检测的研究方法技术上有所突破和创新；探索不引入数据级处理误差的更高级别数据融合的思路及方法；为在我区创建一个红枣智能无损检测分级技术平台这一最终目标的实现，提供理论参考和技术支撑。

本课题的研究和应用背景是鲜枣品质无损检测，以反映鲜枣品质信息的NIRS数据、可视图象和高光谱图像数据为基础；从模式识别的神经网络和统计学习理论出发，理论和方法研究为主线，跟踪并综合运用信息处理、人工智能、数学建模以及分析检测等相关学科的新进展与关键技术，通过NIRS数据分析处理、图像信号处理以及光谱与图像特征信息融合的手法；研究了快速无损分析/检测鲜枣糖度、酸度的有效方法和技术实现途径，识别鲜枣的表面色泽、裂纹和内部虫眼/虫蚀等品质以及分类判决六种鲜枣的准确、高效算法，建立了性质更好、精度更高的基于模式识别理论的鲜枣综合品质评判与分级数学模型。课题的实施和带动下，使人才培养质量、团队建设水平以及持续创新能力提升方面有所突破；研究方法和技术应用在红枣智能化快速无损检测分级生产线上有所创新；为我区创建一个红枣智能无损检测分级技术平台的目标实现，提供了理论参考和技术支撑。