高光谱成像在农产品无损检测中的应用

：随着计算机技术和光谱技术的发展,高光谱成像技术逐渐成为农产品检测的重要手段之一。高光 谱成像技术将图像分析和光谱分析有机结合起来,而图像信息可以表现出农产品的外部品质和特征,光谱信 息则可以用来检测农产品的内部品质,农产品的内外部品质信息可以完全反映出来,实现对农产品内外品质 的快速、无损检测。介绍了高光谱成像的基本原理,总结了国内外高光谱成像技术在果蔬、肉类、谷物等农产 品无损检测中的应用。     

机器学习在苹果智慧生产中的应用

苹果是我国重要的园艺作物,机器学习和计算机视觉融合促进了苹果检测与识别技术的发展,为苹果智慧生产提供了新的支撑.文章以苹果智慧生产中苹果果实识别、苹果品质和营养的无损检测、苹果品质分级技术为重点,介绍了机器学习在苹果智慧生产领域中的应用进展.包括基于支持向量机的苹果果实识别方法,基于深度学习的在树水果实时识别方法,光谱技术结合机器学习的苹果品质检测,电子鼻结合机器学习的苹果品质检测,以及机器学习在苹果分级中的应用.最后分析指出机器学习在苹果智慧生产应用中的存在问题,展望了未来的发展方向.     

高光谱成像技术在农产品检测中的应用

新时期计算机及光谱技术得到快速发展,高光谱成像技术以其自身准确性、实用性在各个行业广泛应用,成为农产品检测重要方式之一。高光谱成像技术其将图像和光谱结合起来,展现出农产品外部特点特征的同时,也可以通过光谱信息了解农产品内部品质,反映农产品全面情况,实现产品迅速无损检测。本文对高光谱成像技术介绍后,对其在农产品检测中的实际应用详细分析,为农产品检测机构更好应用高光谱成像技术打下坚实基础。     

基于光谱技术的禽蛋内部品质无损检测研究进展

禽蛋品质检测是食品安全和消费者权益的重要保障措施,传统禽蛋品质检测主要依赖人工进行,存在工作强度大、效率低且准确率波动大等弊端。光谱检测技术具有快速、安全、无损等优点,近些年来在禽蛋内部品质检测领域发展迅速。本文基于禽蛋的新鲜度、蛋白含量、脂肪含量、血斑肉斑、受精信息、种蛋性别、胚蛋活性等内部品质指标检测的有关研究,概述了近红外光谱、可见-近红外光谱、高光谱成像及拉曼光谱等光谱检测技术在禽蛋内部品质无损检测中的研究进展,分析总结了光谱检测技术在禽蛋无损检测中的应用特点与难点,并展望了其未来发展趋势,以期为我国蛋品无损检测研究及行业质量安全监管提供参考。     

机器人视觉的苹果无损检测技术

将机器视觉技术应用到苹果外部品质的缺陷检测,通过摄像头获取苹果外观的颜色特征,利用LabVIEW虚拟仪器软件开发图像处理程序,通过纹理分析进行区分,由纹理特征提取方法,实现苹果表面缺陷的无损检测。     

基于高光谱图像和3D-CNN的苹果多品质参数无损检测

[目的]为解决水果品质无损检测中成本、效率、精度问题,提出了一种基于高光谱图像和三维卷积神经网络(3D-CNN)的苹果高光谱多品质参数同时检测方法。[方法]使用高光谱成像系统获取400～1 000 nm波段的苹果样本的高光谱反射图像并使用S-G平滑法对原始图像进行去噪处理,在此基础上,对采集到的高光谱图像通过多感兴趣位置的选取以及间隔波段抽取重组的方法进行样本扩充,再利用三维卷积神经网络建立样本扩充后的苹果高光谱图像与苹果糖度、硬度、含水量的多任务学习模型,通过该模型实现对苹果的糖度、硬度、含水量等品质参数的无损检测。[结果]采集245个苹果的高光谱图像及其对应的品质参数信息,通过样本扩充的方法将原始数据集扩充至9 800个样本后进行建模和验证。结果表明:本算法建立的苹果糖度、硬度、水分的分类模型,在糖度类间隔为1°Brix、硬度类间隔为0.5 kg·cm~(-2)、含水量类间隔为10%的情况下,糖度、硬度、水分的预测准确率分别为93.97%、92.29%和93.36%,回归模型糖度、硬度和水分的相关系数最高分别达到0.827、0.775和0.862,比最优的传统算法分别提高15.0%、17.0%和17.2%。[结论]本算法能够较准确实现苹果高光谱多品质参数同时检测,且相对传统方法预测精度有较大提升。     

高光谱成像技术在水果品质无损检测中的研究进展

优质水果的生产和销售离不开水果品质检测,传统的水果品质检测手段精度低、成本高、时效性差、破坏性强。近年来,随着科学技术的不断进步,低成本、高效率的水果品质无损检测技术得到飞速发展。其中,高光谱成像技术逐渐成为研究热点。综述了该技术在水果品质无损检测方面的技术原理、应用和发展现状,探讨其在水果品质无损检测领域的应用潜力、存在问题、发展趋势以及应用前景。整体来看,高光谱成像技术能够实现不同水果种类、多个水果品质指标的无损、高效检测,如成熟度、糖度、酸度、红色指数等;受硬件技术限制,其发展侧重于数据挖掘方向,即在硬件发展有限的情况下,通过不断更新和优化的针对性算法获得精准的解析结果;另一方面,设备昂贵、数据处理复杂、模型普适性较差是该技术需要进一步优化和改进的主要问题;其未来发展将基于云计算和人工智能的高效数据处理、适用范围更广的水果品质高光谱检测设备研发、多源综合无损检测等研究方向。随着技术的不断发展,高光谱成像技术在水果品质无损检测方面的应用前景广阔,未来将成为水果品质检测的重要手段之一。     

无损检测技术在果蔬品质检测中的应用研究进展

果蔬品质是影响其市场价格和消费者满意度的重要因素之一。无损检测技术作为快速、低成本的质量评价方法,为果蔬品质检测提供了一种有效手段。本文综述了无损检测在果蔬品质检测领域中的相关应用研究,从检测原理、应用情况和技术特点3个方面对近红外光谱检测技术、机器视觉检测技术、高光谱成像检测技术、声学分析检测技术、电子鼻检测技术、介电性质分析检测技术、核磁共振检测技术等无损检测技术在果蔬品质检测中的研究情况进行总结,同时分析了各项技术目前存在的问题,并对未来的应用前景做出展望,以期为果蔬无损检测应用研究提供参考。     

基于多传感器融合技术的苹果成熟度检测研究

苹果是消费者十分喜爱的水果之一,其成熟程度直接决定其口感和可接受性等消费指标,因此对其成熟度的研究有着十分重要的意义[1].以往对苹果成熟度的测定都是采用单一的检测方法,或者是2种方法简单地叠加来,而苹果的成熟度指标是多方面的,单一的检测手段往往是不全面的[2].如计算机视觉可以较好的分析检测苹果的外部品质,却无法检测内部品质;敲击振动可以和苹果的硬度、脆性等联系紧密,在外形、颜色等方面显得无能为力.如何充分利用各种检测方法的长处,取长补短,提高检测的全面性、可靠性和灵敏度,是苹果成熟度快速无损检测的新趋势.为此我们拟探讨一种基于计算机视觉和敲击振动两传感器信息融合技术进行无损检测苹果成熟度的方法.     

无损检测技术及其在果品质量安全检测中的应用

无损检测技术是近年来发展起来的高科技检测技术,广泛应用于农产品质量安全分析领域。本文综述了近红外光谱检测技术、高光谱成像技术、X射线检测技术、激光诱导荧光技术和生物传感器法等主要无损检测技术的进展及其在果品农药残留、重金属污染、微生物污染及病害等品质安全检测中的应用情况,并对其前景进行了展望。     

便携式苹果品质快速无损检测系统设计

为可移动、快速、便携的利用可见/近红外光谱技术检测苹果糖度,基于嵌入式系统和可见/近红外光谱检测技术,开发了便携式苹果品质快速无损检测系统。以ARM11处理器为核心,以卤素灯光源和USB2000+可见/近红外光谱仪为光谱检测平台,在ARM11内嵌的Win CE6.0系统上,采用VS2005编程工具,设计出人性化的软件系统,并实现苹果的糖度值输出到LCD触摸屏上。以寒富苹果样本作为研究的对象,采集寒富苹果样本的可见/近红外光谱数据值,采取二阶微分、多元散射校正、平滑等方法对光谱进行预处理,选取485.01~900.71nm共1231个波长点建立寒富苹果糖度的偏最小二乘数学模型,预测模型决定系数R~2=0.9852,预测均方根误差RMSEP(0.0958)校正均方根误差RMSEC(0.1172),偏差值Bias=-0.0133。经过试验验证,绝大多数样本的预测值和测量值的绝对偏差值均在0.15以内,绝对偏差值很小,表明该监测检测系统能比较好地满足苹果糖度的快速无损检测要求,实现可便携的苹果糖度的快速无损检测,对寒富苹果产中和产后的管理提供依据。同时,该检测系统可以将经过试验研究得到的不同品种的果蔬糖度、酸度、色度(L*,A*,B*)模型导入该检测系统,实现不同品种果蔬多品质参数的同时检测。     

高光谱成像技术及其在木材无损检测中的研究进展

开展木材无损检测是提高木材利用率,优化木材资源的重要手段。高光谱成像技术作为一种先进的无损检测技术,能同时获取待测物的光谱与图像信息,具有图谱合一的优点。介绍了高光谱成像技术的原理、装置以及数据处理方法,并首次详细介绍了该技术在木材及木制品的缺陷识别、重要物理力学性质检测以及化学性质预测等方面的研究进展。通过综合分析已有的研究,表明高光谱成像技术在木材及木制品品质无损检测中具有良好的应用前景。     

基于高光谱成像的苹果病害无损检测方法

苹果果实易发生病害,传统的苹果病害的检测不适应苹果分级在线检测的要求。为了实现病害苹果快速、有效的在线检测,采用高光谱成像技术对寒富苹果的炭疽病、苦痘病、黑腐病和褐斑病的病害果进行无损检测研究。根据正常区域与病害区域光谱相对反射率差异,提出改进流形距离方法。综合计算病害与正常区域,病害与果梗/花萼区域,正常与果梗/花萼区域的光谱相对反射率的总改进流行距离L值,从而从全波段中选择了3个特征波段,分别为700,765,904nm。对700nm特征波段下的图像进行阈值分割,以此获得掩膜图像,并对掩膜后的图像二次阈值分割提取感兴趣区域。将3个特征波段下对应的光谱相对反射率分别组合,作为BP神经网络的输入矢量,检测苹果是否为病害果。结果表明:选择700nm与904nm波段下的光谱相对反射率为最佳组合,病害果的检测率达96.25%。说明高光谱成像技术所获得的2个特征波段可以有效对苹果病害进行检测,为开发多光谱成像的苹果品质在线检测和分级系统提供参考。     

苹果任意姿态下高光谱图像感兴趣区域选取方法

针对实际生产线上基于高光谱成像技术检测苹果内部品质时由于高亮区、果梗和果萼等区域光谱差异大导致的糖度误差问题,本研究提出了一种随机姿态下苹果高光谱图像感兴趣区域的选取方法,可实现感兴趣区域的自动选取。该方法首先将高光谱图像各像素点按照700 nm波长的光谱强度值进行直方图统计,获取各像素点光谱强度的大小关系,保留光谱强度前40%的区域,对其进行形态学腐蚀操作,去除其中700 nm光谱强度值大于3 900的过度曝光像素点,获得苹果原始感兴趣区域;然后基于原始感兴趣区域,建立不同大小感兴趣区域对应的平均光谱与苹果糖度的偏最小二乘回归(PLSR)模型,探究苹果感兴趣区域大小与预测精度的关系,进一步缩小感兴趣区域。最终选取原始感兴趣区域光谱强度前70%的区域作为感兴趣区域对任意姿态下的苹果糖度进行预测。基于该方法,建立了基于高光谱成像技术的苹果糖度无损检测模型,实测验证结果表明,经黑白校正、标准正态变换(SNV)预处理后建立的竞争性自适应重加权算法偏最小二乘回归模型(CARS-PLSR)的预测精度最高,其校正集决定系数(R■)为0.9206,校正集均方根误差(RMSECV)为0.3203°Br...     

基于高光谱成像技术的富士苹果轻微机械损伤检测研究

为降低苹果损伤造成的商业损失,延长苹果的储存期,利用高光谱成像技术实现了基于特征波段的苹果表面轻微机械损伤的快速、无损检测。以120个富士苹果为研究对象,首先利用波段范围在400～1 000nm的高光谱成像光谱仪获取完好和轻微损伤0、2、4 h的富士苹果的高光谱图像,并提取感兴趣区域的平均光谱数据,然后通过两次连续投影法进行分析,去除光谱波段间的冗余信息,找到共线性最小的波段组合(821 nm和940 nm);其次,对特征波段图像进行主成分分析,选择完好与损伤区域差异明显的第二主成分(PC2)作为检测损伤的有效图像;最后,对有效图像进行固定阈值分割和形态学处理,得到苹果表面机械损伤的检测结果。利用该方法对验证组40个正常和轻微损伤不同时间段的苹果进行测试,总体正确率达到94. 4%。     

基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究

对新疆冰糖心红富士苹果采用高光谱成像技术进行分级和糖度预测研究.在糖度预测分析中,使用正交试验设计方法确定影响预测效果的主要因素是预测回归方法、光谱预处理方法和波长合并,次要因素是光谱校正处理方法、数据类型和实测值归一化处理.提取平均光谱,经过白板校正,采用一阶微分光谱预处理,10个波长的光谱合并,基于多元线性回归方法建立苹果糖度的预测模型,其验证集苹果糖度的预测模型相关系数为0.911,预测均方根误差为0.76％ Brix,相对分析误差为2.44.在分级研究中,选择712 nm波长图像,Gamma灰度变换增强图像,大津算法阈值确定后分割图像,基于形态学处理剔除果梗区域,提取苹果分割后区域的面积、充实度、周长、平均灰度等特征,采用二次判别分析分级苹果,验证集苹果分级准确率达到89.5％.结果表明,高光谱图像技术既能够准确预测新疆冰糖心红富士苹果糖度品质,也可以用于基于外部品质特征的分级研究.     

猪肉品质无损检测研究进展

猪肉是我国消费量最大的肉品,其品质关系国民生活质量、营养水平及饮食安全,受到质量管理者和肉制品工业的重视.无损检测技术是猪肉品质检测和监控体系的关键技术.论文介绍了国外近10年来猪肉品质无损检测技术的研究情况,包括以肉品声学特性为基础的超声波检测,以光学特性为基础的图像和光谱检测技术,以及电子鼻、核磁共振等技术.研究表明利用上述技术可实现对活猪、猪肉胴体、猪肉脂肪组织等检测对象的一个或多个品质指标进行快速准确的检测.同时指出开展实时检测、屠宰与生产加工过程中复杂环境下的在线检测、活体品质与生长状态的检测,以及融合多种无损检测技术实施不同阶段、不同角度全面检测是猪肉品质检测的发展趋势.     

基于高光谱成像技术生长发育后期苹果糖度的无损检测

【目的】研究应用高光谱成像技术无损检测生长发育后期苹果糖度的可行性。【方法】以生长发育后期的"富士"苹果为对象,基于采集到的波长900~1 700nm高光谱数据,建立预测苹果糖度的偏最小二乘(PLS)、支持向量机(SVM)和极限学习机(ELM)模型,并比较主成分分析(PCA)和连续投影算法(SPA)2种数据压缩或特征波提取方法对预测模型精度的影响。【结果】采用PCA方法可将全光谱压缩至9个主成分,采用SPA从全光谱的230个波长中提取出了13个特征波长,两者相比,SPA能更有效地提高模型预测能力。预测生长发育后期苹果糖度的最佳模型为基于SPA的PLS模型,其预测集相关系数为0.945,均方根误差为0.628°Brix。【结论】高光谱图像技术可以用于生长发育后期苹果糖度的无损检测,该技术的应用将有助于指导苹果的种植和适时采收。     

近红外光谱及高光谱技术在茶叶上的应用

光谱技术作为一种绿色、快速、高效、准确的无损检测技术,在茶叶及茶制品的理化检测、品质评价等方面显现出较大的应用潜力。综述了近红外光谱及高光谱技术在茶叶理化成分定量分析,茶叶种类、产地及品种的判别以及茶叶等级判别等方面的应用和研究进展,同时对该技术在茶叶上的应用前景进行展望。     

水果品质无损检测研究进展及应用现状

针对市场上存在的水果品质良莠不齐的现状及消费者对水果品质逐步提高的需求，水果售前品质分级显得尤为重要。水果售前品质分级可有效保证市场品质、促进品牌打造、提升商品竞争力、指导采后处理。已有的理化指标检测法和感官评定法均存在检测效率低、劳动强度大等缺陷，无法完全满足实际产业大批量水果无损分级的要求。无损检测作为一种新兴技术在水果品质分级上具有广泛的市场需求和应用前景，至今已形成了光谱、机器视觉、高光谱成像、电子鼻、声特征、介电特性和低场核磁共振等系列水果品质无损检测方法。这些方法针对水果结构、外形、品质指标等差异检测时各具优势，但受环境噪声、漂移噪声、样本差异、检测效率和检测成本等因素影响，并未全部应用于实际生产。介绍了水果品质无损检测领域已有技术的特性及其可行对应检测的水果品质参数，阐述分析了无损检测技术在水果品质分级行业的实际应用现状，讨论了水果品质无损检测领域尚存在的难点，并对下一步研究方向提出建议。