基于太赫兹衰减全反射技术的花生霉变程度判别

为了能够可靠、快速、便捷地检测花生仁不同程度的霉变,研究了一种基于太赫兹时域光谱技术、分别结合误差反向传播(Back propagation,BP)神经网络算法与支持向量机算法(Support vector machine,SVM)的霉变花生定性分析方法。为排除不同样本带来的偶然性,实验随机采集花育36号、鲁花9号两个花生品种进行霉变培养。依据花生的感官特征与前人的研究经验,将花生分为正常、轻度霉变、中度霉变与严重霉变4类,采用太赫兹衰减全反射技术采集花生仁样本光谱(波段0. 3～3. 6 THz)。利用傅里叶变换方法对时域光谱信号进行频域变换并进行加窗处理,然后对所得频域信号进行光学常数吸光度与吸收系数的提取,得到样本的光学常数信号,并进行特征波段筛选。在此基础上分别建立BP神经网络定性分析模型与SVM定性分析模型。实验表明,BP神经网络模型对花育36号花生霉变模型的预测集识别正确率为88. 57%,对鲁花9号花生霉变模型的预测集识别正确率为91. 40%;Lib-SVM模型对两个品种花生霉变的二分类模型、3类霉变花生的三分类模型的预测集识别正确率均为100%。应用太赫兹时域光谱技术结合SVM算法检测霉变花生仁效果良好,具有一定的可行性。     

基于太赫兹衰减全反射技术的花生品种快速鉴别

利用太赫兹衰减全反射技术,结合距离匹配算法,对不同品种花生进行快速分类鉴别。实验随机采集花育36号、鲁花1号和鲁花9号共3个花生品种、总计60个花生样本在0.3~3.6 THz的太赫兹衰减全反射光谱,随后对其吸收系数进行一阶导数及归一化预处理,并建立花生品种的距离匹配快速鉴别模型。距离匹配模型结果显示:3个类别的总体识别准确率可达93.3%,仅有1个样本预测错误。研究结果表明,利用太赫兹衰减全反射技术实现花生品种快速鉴别具有一定的可行性,具有操作简单且快速高效等特点。