蛋壳品质的近红外光谱检测分析

蛋壳品质对蛋品孵化、贮存和运输均有重要影响。为了探索近红外光谱技术快速检测蛋壳品质的方法,该文在鸡蛋蛋壳品质指标相关性分析的基础上进行了蛋壳品质的近红外光谱检测分析,研究比较了不同建模方法、不同光谱预处理方法和不同波段范围对预测结果的影响。结果表明：在5段特征波长范围内建立的经过多元散射校正的偏最小二乘回归（PLSR,partial least squares regression）模型对蛋壳强度的预测结果最好,相关系数r为0.86,校正、预测均方根误差分别为4.42、7.53 N;同时蛋壳百分比（蛋壳质量/蛋质量）的PLSR模型的相关系数r为0.92,校正、预测误差分别为0.313%、0.529%;蛋壳厚度的PLSR模型的相关系数r为0.81,校正、预测误差分别为0.0176、0.0234 mm。研究结果表明应用近红外光谱技术预测蛋壳品质是可行的,为蛋壳品质的快速无损检测提供了一种新的方法。     

全光谱匹配算法在苹果分类识别中的应用

为进一步提高光谱匹配准确率,该研究对杰卡德相似性原理（jaccard similarity coefficient,JSC）进行改进并提出新的光谱相似度的计算方法。同时,对光谱进行一阶导数二值化,以保证改进后的算法适用于光谱的匹配。此外,对不同光谱分辨率对该算法的影响进行了研究。试验样本选用阿克苏红富士、山东红将军、陕西红富士和陕西金帅4个品种的苹果进行算法能力验证,在2～128 cm-1之间,共7个不同水平的分辨率上进行比较。试验结果表明：该研究提出的算法正确分类识别率为94.5%;研究提出算法在8或16cm-1分辨率水平下取得最佳分类识别结果。因此,基于JSC的全谱匹配算法在光谱数据库系统中的应用将有助于光谱查询精度的提高。