摘要
我国是芒果种植和生产大国，芒果年产量位居世界第二。芒果产业已经成为我国南方水果产区果农经济收入的主要来源。但是我国芒果采后品质参差不齐，导致了产品附加值低、品牌效应弱和市场竞争力低等问题，制约我国芒果产业进一步发展。针对以上问题，本研究设计开发一款基于可见/近红外光谱的便携式芒果品质（糖度、硬度、内部褐变）无损检测装置，旨在通过芒果采后品质检测分级提高我国芒果的附加值，提升芒果产品的市场竞争力。 本文完成的主要工作如下: （1）便携式检测装置软硬件设计。通过对比芒果两种不同放置姿态（水平和竖直）下光谱的变异系数，确定以竖直放置作为光谱采集姿态。在此基础上分别对便携式装置的光源、光谱采集单元、自动升降单元、控制单元、散热单元和供电单元选型设计。为实现装置光谱采集、品质检测等功能，对装置控制模块的下位机和上位机进行编程开发。其中，下位机基于ArduinoIDE软件，使用C/C++语言对其功能进行开发，实现与上位机通讯及驱动控制自动升降单元。上位机通过PyQt5工具包实现PyCharm与QtDesigner的联合开发，开发语言为Python,实现与下位机通讯、驱动控制光谱仪、连接触摸屏等功能。通过对软硬件的协调整合，实现了装置一键升降检测。 （2）芒果内部褐变判别模型的建立与验证。根据内部褐变程度将“凯特”芒果样本划分为无褐变、轻度褐变和重度褐变3个等级，采集不同等级芒果的漫透射光谱，建立CNN、SVM和PLSDA判别模型。结果表明，CNN、SVM和PLSDA模型预测集平均判别准确率分别为65％、58.3％、93.3％。为提升预测集判别准确率，提出一种基于DCGAN的可见/近红外光谱数据扩充方法，扩充不同内部褐变等级的芒果光谱数据，并利用扩充后数据建立CNN、SVM和PLSDA判别模型。试验结果表明,经数据扩充后建立的CNN、SVM和PLSDA模型对不同内部褐变等级芒果的预测集平均判别准确率分别提升到98.3％、96.7％和95％。其中，CNN模型提升最明显，这是由于建模数据增加后深度学习判别模型得到了更加充分的训练，大幅减少了模型的过拟合程度;SVM判别模型过拟合问题同样得到很大改善;PLSDA模型的提升效果最小，但PLSDA模型在少量样本下就能达到较高的判别准确率。将CNN判别模型导入装置，并使用一批新的芒果作为外部验证样本。结果显示，平均判别准确率为90％。 （3）糖度与硬度预测模型的建立与验证。采用研发的便携式芒果内部品质检测装置采集“凯特芒果光谱信息，并建立糖度和硬度的PLSR预测模型。对比原始、SG卷积平滑预处理、MSC预处理和SNV预处理光谱的PLSR建模结果，结果表明，SNV预处理后的光谱对糖度预测效果最好,Rp和RMSEP分别可达0.8608、0.8185％;MSC预处理后的光谱对硬度预测效果最好，Rp和RMSEP分别可达0.7604、1.2477kg·cm-2。外部验证结果显示，装置对糖度和硬度的预测R分别为0.8344和0.7512,RMSE分别为0.9026％和1.3532kg·cm-2。
NETL