基于近红外光谱的苹果品种聚类分析系统设计.doc

基于近红外光谱的苹果品种聚类分析系统设计

1.64万字 33页 原创作品，已通过查重系统


摘要 我国是世界苹果生产大国，但对于苹果的加工存储和质量检测技术等方面与发达国家相比处于落后状态。随着我国经济的快速发展，水果的商品化处理逐渐受到人们的重视。本文重点阐述了利用近红外光谱技术对苹果的分类研究。
近红外光谱技术(NIRS)的检测方法是近二十年来发展最快、最引人注目的光谱技术之一，具有分析速度快、样品处理简单、操作简便、非破坏性以及不使用化学试剂等优点，越来越受到国内外学者的青睐。论文首先介绍了国内外苹果分类研究的多种方法，包括支持向量机的分类方法，机器视觉的分类方法等。介绍了近红外光谱分析的主要技术流程和对于光谱信息的处理方法。论文重点分析了主成分分析法、三种聚类算法应用于苹果的分类研究，具体分析了每种算法的基本原理、基本算法分析过程、实现步骤和基于实验的结果分析等。
论文介绍了一种用近红外光谱技术快速鉴别苹果品种的方法，针对光谱数据信息量大，维度多不易分析的问题，首先用主成分分析法(PCA)通过数据降维来排除众多信息中相互重叠的部分，提取苹果的近红外光谱的特征信息。再将降维后的光谱数据通过MATLAB运行模糊C-均值聚类（FCM）、可能性C-均值聚类（PCM）、可能性模糊C-均值聚类（PFCM）三种聚类算法，实现苹果品种的分类。实验表明，采用主成分分析结合聚类分析实现了特级红富士，一级红富士和加纳三种苹果的正确识别。该方法属于无监督学习算法，不需要对苹果样本进行学习就可实现苹果品种的鉴别，为实现苹果品种的鉴别提供了一种无监督的快速无损鉴别分析方法。


关键字：苹果 近红外光谱 分类 降维 聚类分析