基于高光谱的菠菜新鲜度识别开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

本课题的意义、国内外研究概况、应用前景等（列出主要参考文献）一、 本课题的意义我国是农业大国，种植业发展迅速。

其中，蔬菜种植面积广，产量大，是我国的第一大农产品[1]。

随着生活水平提高，人们对蔬菜的品质有了较高的要求。

2. 研究的基本内容和问题

一、 研究目标（1） 对原有的分组精英策略进行算法改进,通过改良的分组精英策略寻找较好的能够区分菠菜新鲜度等级的波长。

（2） 根据找到的波长提取相应波长的样本图片，分割叶片,建立样本库。

（3） 根据深度学习技术,基于python平台实现对这些样本图片的学习与识别。

3. 研究的方法与方案

一、 研究方法（1） 对原有的分组精英策略进行算法改进,采用优化的分组精英策略筛选出能够区分菠菜新鲜度等级的波长。

（2） 根据筛选的波长，从高光谱图像集从提取相应波长的图像样本。

（3） 分割图中的叶片，除去叶柄、叶脉部分，提取图像，建立样本库。

4. 研究创新点

特色或创新之处（1） 对原有的分组精英策略进行算法改进,利用优化的分组精英策略选取能够区分菠菜新鲜度等级的波长。

（2） 利用筛选出的波长从高光谱图像样本中提取相应波长的图像样本。

（3） 利用深度学习技术，建立基于python平台的菠菜新鲜度识别模型。

5. 研究计划与进展

研究计划及预期进展（1）2018年1月-1月底，处理菠菜样本数据，优化分组精英策略算法，筛选波长。

（2）2018年2月-2月底，根据筛选的波长提取图像，分割叶片，建立样本库。

（3）2018年3月-3月底，开发基于深度学习的菠菜新鲜度识别模型。