基于高光谱图像纹理特征的牛肉嫩度分布评价

传统牛肉品质的检测方法耗时长,效率低,破坏样品,已不能满足现代化生产的需要。为了实现对牛肉嫩度品质的快速无损检测和评价,该文利用高光谱成像系统,以西门塔尔牛多个胴体的背最长肌部位为研究对象,采集56个有效样本的高光谱立体图像,研究无损评价牛肉样品的嫩度分布。通过提取样本的反射光谱信息,并利用逐步回归算法结合遗传算法(GA,genetic algorithm)筛选出牛肉剪切力值(WBSF,warner-bratzler shear force)的特征波段。利用主成分分析(PCA,principle component analysis)提取样品的3个主成分。基于选出的特征波段图像和提取的主成分,通过计算图像灰度共生矩阵求取每幅图像8个主要纹理特征参数,分别建立了基于支持向量机(SVM,support vector machine)和线性判别(LDA,linear discriminant analysis)法的嫩度等级判别模型。经分析比较,基于主成分纹理特征优于基于特征波段图像建立的预测模型,并且,线性判别模型识别准确率相比支持向量机模型较高。基于主成分纹理特征建立的线性判别模型预测集判别精度为94.44%。研究结果证明,基于高光谱图像纹理特征分析,可以建立牛肉的嫩度判别模型,对牛肉嫩度快速无损检测技术研究提供理论参考。     

基于高光谱成像技术的青香蕉碰撞损伤检测

针对青香蕉早期轻微碰撞损伤无法用肉眼和RGB图像识别的问题，该研究利用光谱数据与图像信息，实现青香蕉早期轻微碰伤的检测和碰伤程度区分。通过高光谱成像仪获取碰撞损伤试验样品的光谱数据和图像信息，对原始光谱数据进行预处理和异常样本的剔除。通过特征波长提取，获取特征波长下的低维图像中创面区域像素点的分布数据，同时结合全像素点下的光谱反射率数据，将其作为BP神经网络模型的训练集和测试集，建立青香蕉碰撞损伤程度界定的无损检测模型。试验结果表明，利用高光谱技术可以识别肉眼不可见的轻微碰撞损伤，形成的BP神经网络检测模型的总体识别准确率为95.06%，并且可输出碰伤等级的可视化图像。研究为开发青香蕉碰伤快速无损检测系统提供理论依据。     

叶菜中噻菌灵农药的SERS快速检测研究

为了检测叶菜中噻菌灵农药残留,利用快速前处理方法提取空心菜菜汁,分别采集不同浓度噻菌灵水溶液的表面增强拉曼信号和以菜汁为基质的噻菌灵溶液表面增强拉曼光谱信号。结果表明,噻菌灵水溶液的表面增强拉曼信号在0.1~10 mg·L-1范围内具有良好的线性关系,选取1 009cm-1特征峰强度制定噻菌灵的标准曲线,相关系数为0.9922。以菜汁为基质的噻菌灵溶液表面增强拉曼光谱最低检测浓度为0.2 mg·L-1,在该浓度下,990、1 225和1 527cm-1处的特征峰明显,与噻菌灵水溶液的特征峰振动归属一致,可作为鉴别叶菜中噻菌灵农药残留的依据。研究结果为叶菜中农药残留的快速检测提供了方法支持。     

拉曼光谱在精细农业土壤成分快速检测中的研究进展

拉曼光谱分析技术利用分子运动对入射光产生非弹性散射的原理对分子成分进行检测,具有受水分干扰小、样本预处理小、与红外光谱信息互补等特点,在土壤成分快速分析方面展现了很大的优势。但是拉曼光谱信号弱,受荧光干扰强,为土壤拉曼信号的有效获取带来困难。为了分析拉曼光谱在土壤成分检测中的应用潜力,该研究综述了移频激发差分拉曼光谱技术、共焦显微拉曼技术以及表面增强技术等基于拉曼光谱的土壤成分检测技术,分析了土壤成分拉曼光谱检测的研究进展,并提出进一步研究建议。结果表明：1)脂肪族化合物以及芳香族化合物都具有拉曼活性,为基于拉曼光谱的土壤有机质含量的定性、定量分析提供了理论依据。为了弥补拉曼光谱对有机质整体定量预测精度的不足,采用红外-拉曼光谱融合方式补偿单独拉曼光谱数据中缺失的土壤有机质信息,可显著改善预测精度。2)利用表面增强技术可以增强土壤溶液中可溶性氮与土壤有效氮拉曼特征波峰的强度,获得了良好的定量预测效果,回归模型决定系数R²达到0.91～0.99。3)土壤中很多含磷的化合物都具有拉曼活性,拉曼光谱是识别土壤中不同磷酸盐形态的极其有效的工具,在土壤磷素含量的分析中,应用...     

基于高光谱成像技术的马铃薯外部缺陷检测

为了实现马铃薯的准确快速分级,提出基于高光谱成像技术的马铃薯外部缺陷检测方法。通过反射高光谱成像技术采集马铃薯干腐、表面碰伤、机械损伤、绿皮、孔洞以及发芽等6类外部缺陷样本及合格样本的高光谱图像。提取合格及各类缺陷样本感兴趣区域的光谱曲线并进行光谱特性分析,采用主成分分析法确定了5个特征波段(480、676、750、800和960nm),以5个波段的主成分分析的第二主成分图像作为分类图像,识别率仅为61.52%;为了提高识别率,提出波段比算法与均匀二次差分算法相结合的方法,使缺陷识别率提高到95.65%。试验结果表明:通过高光谱成像技术可以准确有效地对常见马铃薯外部缺陷进行检测,为马铃薯在线无损检测分级提供了参考。     

基于特征光谱的苹果霉心病无损检测设备设计

针对现有农产品内部品质无损检测多采用宽波段光谱技术,集成应用光谱仪与计算机完成品质分析,存在成本高、能耗大、分析过程复杂以及光谱信息冗余等问题。该文结合苹果霉心病在果心发病的特征,采用透射光谱检测方式,设计实现了基于窄带LED光源与光敏二极管的苹果霉心病无损检测设备。通过霉心病发病特征的分析可得果径和特征光谱波段的透射强度是进行霉心病检测的关键影响因素,设计光谱特性试验,对多组宽波段光谱数据采用相关性分析法得到特征光谱波段为690～730 nm。设计果径与透射光谱信息采集的基础平台,该平台包括LED光源及其驱动模块、光电转换与检测模块以及基于丝杠滑台组件与限位传感器的果径在线测量模块;采用基础平台对样品进行数据获取,以果径与透射光谱强度值为输入,建立基于误差反向传播网络的霉心病判别模型。结果表明,采用该文所述测试试验样本进行验证,设备判别准确率达到95.83%。该研究结果表明,基于特征光谱采用 LED 光源的霉心病无损检测方法是可行的,可为其他果品内部病害的检测提供借鉴思路。     

波段比算法结合高光谱图像技术检测柑橘果锈

为克服柑橘表面不平整导致光线反射不均匀的影响,研究提出了波段比算法,使高光谱图像技术能够快速有效地检测柑橘果锈。首先根据Sheffield指数（SI）确定最佳波段（625 nm和717 nm）,经比值变换后得到第一幅比值图像;然后选取特征波长625 nm的邻近波段（621 nm）,与其比值变换后得到第二幅比值图像,提取轮廓,构建掩膜以消除第一幅比值图像的背景噪声,最后进行阈值分割和数字形态学运算,完成果锈区域的特征检测。试验结果表明,基于波段比算法的高光谱图像技术可有效检测柑橘果锈,检测率达到92%。研究表明波段比算法在高光谱图像技术快速无损地检测柑橘果锈中,能够有效地降低光照反射不均匀的影响,增强谱间差异,提高检测的精度。     

土壤盐渍化高光谱特征分析与建模

基于高光谱遥感技术快速、无损的检测优势,以新疆渭干河-库车河三角洲绿洲为例,探讨利用反射光谱来预测土壤含盐量的可行性。利用野外采集的土壤样本,在实验室内测得了土壤含盐量及原始光谱反射率。利用光谱分析技术计算高光谱指数,与土壤样本含盐量进行相关性分析,筛选出土壤含盐量的光谱特征波段,基于逐步多元线性回归和偏最小二乘回归建立土壤盐分动态监测模型。通过精度检验,结果表明:基于偏最小二乘回归方法,以对数二阶微分光谱特征波段所构建的盐渍化遥感监测模型最优,模型的稳定性和预测精度最高。利用反射光谱来预测土壤含盐量可实现区域尺度上的土壤盐渍化实时监测和评价。     

基于高光谱成像的苹果虫害检测特征向量的选取

利用高光谱成像技术,明确苹果虫害无损检测的最优特征向量,以实现对苹果虫害的快速、准确、无损检测。本文首先对646 nm波长的特征图像进行阈值分割、膨胀与腐蚀运算获得掩膜图像,并利用掩模图像对高光谱图像进行掩模和主成分分析,对获得的PC1(the first principal component,第一主成分)图像进行最大熵阈值分割以有效提取虫害区域。然后对比分析虫害区域与正常区域图像的纹理特征,提取灰度共生矩阵的4个方向的4个纹理参数(能量、熵、惯性矩和相关性),并且采用基于高光谱图像的光谱差值获取了2个特征波长对应的光谱相对反射率作为光谱特征。优化组合纹理特征和光谱特征成4个特征向量组,采用BP(back propagation,反向传播)神经网络对正常苹果和虫害苹果进行检测。结果表明,融合0度方向的能量、熵、惯性矩和相关性的纹理特征和646、824 nm波段的相对光谱反射率的光谱特征进行检测识别效果最好,正常果的识别率为100%,虫害果的识别率为100%,并且速度快、误差小。该研究所获得的特征向量可为开发多光谱成像的苹果品质检测和分级系统提供参考。     

应用可见/近红外高光谱成像测定鲑鱼片脂肪含量分布(英文)

脂肪作为一种重要的品质参数,在大西洋鲑鱼片中的分布很不均匀。为寻找一种能替代脂肪化学检测的快速无损的方法,该研究应用可见/近红外高光谱成像测定大西洋鲑鱼片的脂肪含量分布。分别采用可见/短波近红外(400-1100 nm)和近红外(900-1700 nm)系统获取大西洋鲑鱼片样本的高光谱图像。提取样本图像的平均光谱并与其相应的脂肪含量化学值采用偏最小二乘回归(partial least squares regression,PLSR)和最小二乘支持向量机(least-squares support vector machines,LS-SVM)建立相关性模型。为降低高光谱图像的共线性和冗余度,基于竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)分别在可见/短波近红外和近红外光谱区间提取16个(468,479,728,734,785,822,863,890,895,899,920,978,1005,1033,1040,1051 nm)和15个(975,995,1023,1047,1095,1124,1167,1210,1273,1316,1354,1368,1575,1632,1661 nm)特征波长,并分别建立PLSR和LS-SVM模型。特征波长模型的性能优于全波段模型,且近红外区间的特征波长PLSR模型为最优,预测决定系数(R2p)为0.92,预测均方根误差(root mean square error of prediction,RMSEP)为0.92%,剩余预测偏差(residual predictive deviation,RPD)为3.50。最后,将最优模型用于预测高光谱图像上所有像素点的脂肪含量以展示样本上脂肪的分布。此外,还基于该技术对大西洋鲑整鱼片实现了脂肪分布可视化。结果表明高光谱成像技术结合化学计量学方法在大西洋鲑鱼片脂肪的定量和分布可视化上有一定的研究和应用前景。     

基于高光谱成像的肉品检测去条带噪声方法

推扫式高光谱成像系统通常因电荷耦合器件（Charge Coupled Device,CCD）各像元响应不一致而产生条带噪声,该研究以猪肉为研究对象,设计一种基于多块标准反射率板进行逐波段逐像素相对辐射定标的去除条带噪声方法。该方法基于最小二乘法,利用不同反射率标准板的反射率值与CCD输出值,采用多项式拟合出接近于各个波段逐像元真实响应函数的拟合响应函数;选取每一波段图像中的任一像元作为参考,将其余像元与参考像元的拟合响应函数做差,作为其余像元的补偿函数,再采用样本的输出值加补偿值以校正样本。分别采用逐波段逐像素相对辐射定标法和传统矩匹配法对猪肉高光谱图像进行处理,并以四阶标准反射率板各反射区均值与参考值的绝对误差评估反射率校正结果。结果表明,逐波段逐像素相对辐射定法在有效去除条带噪声的同时,不会产生新的噪声,同时能够保持原始图像的灰度分布,校正后图像条带系数最大值比原始图像减少63.5%;相比矩匹配法,反射率误差大幅下降,其中条带系数最大波段（200波段）4个反射区的绝对误差为0.003～0.089,随机抽取波段（300波段）4个反射区的绝对误差为0.009～0.083。该研究为消除条带噪声提供了一种可靠方法,同时为提高后续基于推扫式光谱成像的指标空间可视化精度奠定了良好的基础。     

高光谱图像技术在水果品质无损检测中的应用

传统的近红外光谱分析法和可见光图像技术应用于水果品质无损检测中存在的检测区域小、检测时间长、仅能检测表面情况等局限性。高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的。根据不同的采集设备,简介了两种获得高光谱图像的方法。综述了国内外将该技术应用于水果品质检测方面的研究进展,检测内容包括外观品质、损伤与缺陷,成熟度和坚实度,含糖量、含水率等内部品质,着重介绍了各高光谱图像的成像波段范围、分辨率、成像源,实验数据处理的方法以及实验结果等。根据综述所得提出了高光谱图像技术应用中需要解决的光谱降维、降低样品差异影响和实时检测平台搭建等问题。     

基于骨蛋白拉曼光谱特异性的肉骨粉种属鉴别方法

为了快速检测肉骨粉的种属来源,该研究开发了一种简便、可靠、科学、高效的肉骨粉种属鉴别方法。以87个肉骨粉(猪,鸡,牛和羊肉骨粉)为研究对象,利用拉曼光谱技术,结合化学计量学方法,建立了基于骨蛋白拉曼光谱特性的肉骨粉种属鉴别分析方法与模型。研究结果表明:根据偏最小二乘判别分析(PartialLeastSquaresDiscriminant Analysis,PLS-DA)模型,发现鸡和哺乳动物(猪,牛和羊)肉骨粉主要在1 659、2 930、2 852、1 246和1 455 cm-1附近的特征谱带具有差异性;猪和反刍动物(牛和羊)肉骨粉主要是在2 852、1 659和1 246 cm-1附近的特征谱带具有差异性;牛和羊肉骨粉主要是在878、853、2 930、2 852、1 246、1 455和1 659 cm-1附近的特征谱带具有差异性,并且PLS-DA模型鉴别肉骨粉的灵敏度和特异度均大于93.8%。研究结果可以丰富肉骨粉种属鉴别方法体系以及为开发便携式拉曼光谱仪提供参考。     

高光谱图像技术在掺假大米检测中的应用

为了有效判别出优质大米中是否掺入劣质大米,该文研究了一种针对大米掺假问题的快速、无损检测方法。从市场上购买了东北长粒香大米和江苏溧水大米,按纯东北长粒香大米、3∶1、2∶2、1∶3和纯江苏溧水大米共5个掺合水平进行大米试验样本的制备。利用可见-近红外高光谱图像采集系统(390~1050 nm)获取了200个大米样本的高光谱图像。采用ENVI软件确定高光谱图像的感兴趣区域(region of interest,ROI),并提取出所有样本在ROI内的平均高光谱数据。采用支持向量机(support vector machine,SVM)建立全光谱波段下的大米掺假判别模型,径向基(radial basis function,RBF)核函数模型交叉验证准确率为93%、预测集正确率为98%。由于高光谱信息量大、冗余性强且受噪声的影响较大,该文采用主成分分析方法(principal component analysis,PCA)分别对大米高光谱图像和高光谱数据进行处理,从特征选择和特征提取2个角度对原始高光谱数据进行处理,通过主成分权重系数图选择了531.1、702.7、714.3、724.7、888.2和930.6 nm 6个特征波长,通过留一交叉验证法(leave-one-out cross-validation,LOOCV)确定并提取出PCA降维后的最优主成分数(number of principal component,PCs)为9。最后分别将优选出的特征波长和提取出的最优主成分数作为模型的输入,建立SVM模型。试验结果表明,基于特征波长SVM模型的交叉验证准确率为95%、预测集正确率为96%,基于最优主成分数SVM模型的交叉验证准确率为94%、预测集正确率为98%。该研究结果表明,该文建立的基于特征波长和基于最优主成分数的SVM模型均具有较优的预测性能,且利用高光谱图像技术对大米掺假问题进行检测是可行的。     

Liquid chromatography-tandem mass spectrometry (LC-MS/MS) method extension to quantify simultaneously melamine and cyanuric acid in egg powder and soy protein in addition to milk products

As a consequence of the adulteration of infant formulas and milk powders with melamine (MEL) in China in 2008, much attention has been devoted to the analysis of MEL [and cyanuric acid (CA)] in dairy products. Several methods based on high-performance liquid chromatography (HPLC), liquid chromatography-tandem mass spectrometry (LC-MS/MS), nuclear magnetic resonance (NMR), or Raman spectroscopy have been described in the literature. However, no method is available for the simultaneous determination of MEL and CA in other raw materials, which are considered as high-risk materials for economically motivated adulteration. The present paper reports the results of an interlaboratory-based performance evaluation conducted with seven laboratories worldwide. The purpose was to demonstrate the ability of a cleanup-free LC-MS/MS method, originally developed for cow's milk and milk-powdered infant formula, to quantify MEL and CA in egg powder and soy protein. Limit of detection (LOD) and limit of quantification (LOQ) were 0.02 and 0.05 mg/kg for MEL in egg powder and soy protein, respectively. For CA, LOD and LOQ were 0.05 and 0.10 mg/kg in egg powder and 1.0 and 1.50 mg/kg in soy protein, respectively. Recoveries ranged within a 97-113% range for both MEL and CA in egg powder and soy protein. Reproducibility values (RSD(R)) from seven laboratories were within a 5.4-11.7% range for both analytes in the considered matrices. Horwitz ratio (HorRat) values between 0.4 and 0.7 indicate acceptable among-laboratory precision for the method described.     

Size-dependent lipid content in human milk fat globules

Human milk fat globules (HMFGs) are considered to constitute a triglyceride-rich source of fat and energy. However, milk contains lipid particles at different sizes ranging from tens of micrometers to less than 1 microm. In particular, the physical, chemical, and biological properties of submicron sized particles are poorly described. Individual HMFGs were analyzed using laser trapping confocal Raman spectroscopy, and their chemical signature was obtained and compared to 1, 5, and 10 microm globules. Significant differences in both lipid composition and relative lipid content were found between the classes of particles with different diameters. A strong Raman peak at 1742 cm(-1) corresponding to the triacylglycerol core was detected in the 5 and 10 microm diameter globules, whereas in the smaller HMFGs no detectable peak was found. In addition, the submicron particles produced Raman signals consistent with large quantities of unsaturated fatty acids. Moreover, cis and trans isomers of unsaturated fatty acids were found to be unequally distributed between large and small milk fat globules. Interestingly, trans unsaturated fatty acids were found only in 1 and 5 microm globules although more prominent in the 5 microm diameter range. This is the first evidence for size related differential lipid composition of various diameter classes of HMFGs. The results suggest that the milk fat globule size distribution determines milk lipid composition. In addition, large portions of the HMFGs are secreted into milk conspicuously not for fat delivery. Thus, small HMFGs may offer novel metabolic and nutritional functions.     

Development of an immunochromatographic strip test for rapid detection of melamine in raw milk, milk products and animal feed

A simple, rapid and sensitive immunogold chromatographic strip test based on a monoclonal antibody was developed for the detection of melamine (MEL) residues in raw milk, milk products and animal feed. The limit of detection was estimated to be 0.05 μg/mL in raw milk, since the detection test line on the strip test completely disappeared at this concentration. The limit of detection was 2 μg/mL (or 2 μg/g) for milk drinks, yogurt, condensed milk, cheese, and animal feed and 1 μg/g for milk powder. Sample pretreatment was simple and rapid, and the results can be obtained within 3-10 min. A parallel analysis of MEL in 52 blind raw milk samples conducted by gas chromatography-mass spectrometry showed comparable results to those obtained from the strip test. The results demonstrate that the developed method is suitable for the onsite determination of MEL residues in a large number of samples.     

高光谱遥感数据植被信息提取方法

利用高光谱分辨率遥感卫星影像提取植被分布信息时,需要考虑混合像元和训练样本大小的影响,以提高植被信息提取的精度。该文以广州市北部为例,利用线性光谱混合模型和支持向量机方法进行Hyperion影像分类,估计荔枝分布信息。将其结果与QuickBird 1 m空间分辨率影像进行对比,利用地图方格网中随机选取的验证点评价精度,信息提取精度达到85.7%,而光谱角度制图提取的精度仅为74.3%。结果表明,混合像元分解模型和支持向量机结合的方法和其他传统的利用光谱信息提取方法相比,能够提高植被分布信息提取的精度。     

Considerations regarding the use of hyperspectral imaging data in classifications of food products, exemplified by analysis of maize kernels

Development of robust analytical procedures is critical when using hyperspectral imaging technology in food technology and agriculture. This study used near-isogenic inbred corn lines to address two basic questions: (1) To what extent is classification accuracy increased by grinding maize kernels? (2) Can the classification accuracy of two near-isogenic inbred lines be increased by using a spectral filter to classify only certain hyperspectral profiles from each image cube? Whole kernels and ground kernels in two particle intervals, 0.250-0.354 mm (size 1) and 0.354-0.841 mm (size 2), were examined. Spectral profiles acquired from ground kernels had higher spectral repeatability than data collected from whole kernels. The classification error of discriminant functions from whole kernels was >3 times lower than that of size 1 ground particles. Applying a spectral filter to input data had negligible effect on classifications of hyperspectral profiles from whole kernels and size 2 ground particles, but for size 1 ground particles a considerable increase in accuracy was observed. Independent validation confirmed that distinction between wild type and mutant inbred maize lines could be conducted with >80% accuracy after the proposed spectral filter had been applied to hyperspectral profiles of size 1 ground particles. A combination of discriminant analysis and regression analysis could be used to accurately predict mixture ratios of the two inbred lines. The use of spectral filtering to increase the level of spectral repeatability and the use of hyperspectral imaging technology in large-scale commercial operations are discussed.     

基于高光谱信息融合和相关向量机的种蛋无损检测

为了尽可能早的检测出无精蛋和受精蛋,该文提出采用透射高光谱成像技术,融合图像和光谱信息,对其受精信息进行检测。利用高光谱图像系统采集孵化前种蛋在400~1 000 nm的高光谱图像,提取图像特征(长短轴之比、伸长度、圆度、蛋黄面积与整蛋面积之比);筛选出400~760 nm的波段,通过Normalize预处理结合相关系数法提取155个光谱特征变量;运用主成分分析法对图像和光谱的融合信息进行降维,采用相关向量机(relevance vector machine,RVM)分别建立基于图像、光谱和图像-光谱融合信息的受精蛋和无精蛋分类判别模型,并与支持向量机(support vector machine,SVM)模型进行比较,RVM模型检测正确率分别为90%,91%,96%;测试集检测时间分别为0.6619,1.0821,0.5016 s。SVM模型检测正确率分别为84%,90%,93%;测试集检测时间分别为5.9386,5.9886,5.6672 s。结果表明,基于图像-光谱融合所建立的模型优于单一信息的模型,在分类精度上,采用RVM分类精度高于SVM的分类精度;在分类时间上,RVM的分类时间比SVM短,因此,利用高光谱融合信息和相关向量机可以提高种蛋检测精度,研究结果为孵前无精蛋和受精蛋的在线实时检测提供参考。