基于近红外光谱技术苹果尺寸差异对糖度模型适用性的影响

为消除水果自身尺寸差异对其糖度预测模型的不利影响，进一步提高水果分选模型精度，应用近红外光谱在线检测装置采集不同果径苹果的近红外光谱，对光谱进行多种预处理后，分别建立苹果可溶性固形物的偏最小二乘法模型，再用苹果果径75~85 mm组中的建模集预测苹果果径分别为65~75、85~95 mm组中的预测集样品，最后用果径组65~75、75~85、85~95 mm中的建模集和预测集，分别作为混合苹果尺寸糖度预测模型的建模集和预测集，并利用特征光谱选择算法对模型进行简化，建立苹果糖度通用预测模型。结果显示：与建模集和预测集果径不同时所建立的苹果糖度预测模型最优组相比，其相关系数R_p由0.805提高至0.943，预测集均方根误差值RMSEP由0.778减小至0.480，RPD由0.96增加至3.05，再对建立的通用模型进行简化，可以降低苹果尺寸对苹果糖度模型的影响，提高模型预测性能。     

基于可见/近红外光谱的柑橘糖度在线检测分选系统的设计与试验

在6GF–4型林果无损检测与分选成套设备中,设计了基于可见/近红外光谱的柑橘糖度在线检测分选系统,系统主要包括传输装置、光谱采集装置、控制系统以及分选装置。系统在柑橘果实运动状态中采集其光谱信息,并通过所建立的果实糖度模型进行同步计算,根据所得糖度值对柑橘果实实现在线分选。在光谱采集装置中设计了双透镜式光路,可改变投射于柑橘果实上的光斑大小,通过研究比较试验参数积分时间和光斑尺寸大小,得出系统的最佳采集参数为积分时间100 ms,光斑尺寸设置为小,样本移动速率为5个/s。建立的SPXY–CARS–PLSR柑橘糖度在线检测模型校准集和预测集的决定系数分别为0.938和0.836,校准集和预测集的均方根误差分别为0.273°Brix和0.418°Brix。使用未参与建模的25个柑橘果实样本进行外部验证集的在线检测和分选,结果在1°Brix的误差范围内,检测糖度的准确率为92%;当样本分为4个等级时,系统分选正确率为92%;当样本分为3个等级时,系统分选正确率可达100%。     

火炬松针叶儿茶素含量近红外预测模型的建立

【目的】建立火炬松针叶儿茶素含量近红外预测模型,为选育高生物活性成分火炬松良种奠定基础。【方法】以102个火炬松单株的针叶为试验材料,利用液相色谱 质谱联用技术（LC-MS）测定其儿茶素含量。使用近红外成分分析仪采集样品的近红外光谱信息,对采集的光谱信息采用不同的方式（一阶导数（FD）、标准正态变量转换法(SNV)、平滑算法、乘积分散校正法（MSC）和标准化预处理以及FD+SNV、MSC+FD）进行预处理,结合偏最小二乘法建立回归模型,比较不同预处理方法建立的回归模型参数,选择最佳光谱预处理方法,建立火炬松针叶儿茶素含量近红外预测模型,并对模型的预测准确性进行验证。【结果】FD+SNV为最佳的近红外光谱信息预处理方法;建立了火炬松针叶儿茶素含量的近红外预测模型,该模型的主成分数为14,校正集相关系数（R_C）为0.969 6,校正集均方根误差（RMSE_C）为1.308 4,交互验证集相关系数（R_V）为0.817 1,交互验证集均方根误差（RMSE_V）为3.105 2。经过外部验证,验证集火炬松针叶样品的儿茶素含量实测值与预测值有显著相关性（R=0.880 7）。【结论】建立了火炬松针叶儿茶素含量近红外预测模型,该模型可以准确、高效地预测火炬松针叶的儿茶素含量。     

脐橙可溶性固形物的在线近红外光谱检测

【目的】应用近红外光谱漫反射技术在线检测脐橙内部的可溶性固形物含量(SSC)。【方法】以0.3m/s的速度、400W的光照强度获取脐橙(脐橙样品为97个,其中74个为校正集,23个样品为预测集)的漫反射光谱;对比不同光谱预处理方法(平滑、一阶微分、二阶微分等)对偏最小二乘回归(PLSR)所建预测模型性能的影响,建立PLSR、主成分回归(PCR)和多元线性回归(MLR)在线检测脐橙可溶性固形物含量的预测模型。【结果】在520~1 000nm光谱范围,卷积平滑(S-G)能有效提高光谱的信噪比,改善模型预测精度;基于PLSR所建立的预测模型较PCR和MLR更为理想,其预测相关系数(RP)为0.90,预测均方根误差(RMSEP)为0.61。【结论】利用在线近红外光谱技术检测脐橙可溶性固形物含量是可行的。     

寒富苹果品质无损检测光谱信息在线分析

苹果深加工和商品化等问题已成为制约苹果产业发展的瓶颈问题,针对苹果品质的无损检测具有现实意义。应用USB2000+可见/近红外光纤光谱仪对寒富苹果内部品质信息在线检测的可行性进行研究,分析在检测距离(37±1)mm,果盘运行速度0.2m·s-1,检测时间间隔为1s的前提下,不同的光谱预处理方法对苹果各品质模型的影响,并应用偏最小二乘法(PLS)对寒富苹果的可溶性固形物、总酸度及硬度做出相应的预测模型。结果表明:经二阶导数结合标准正态变量变化(SD+SNV)预处理方法建立的可溶性固形物预测模型最优,模型的测定系数(R2)0.9743,校验标准差(RMSEC)0.1503,预测标准差(RMSEP)0.1636。模型检验结果表明:残差分布小于4%,相对误差小于3%,说明模型预测能力可靠,应用USB2000+光纤光谱仪在线检测寒富苹果内部品质可行,满足苹果品质检测要求。     

基于可见/近红外光谱西葫芦硬度的无损检测模型的建立

利用近红外光谱(350～2 500 nm)系统采集180个西葫芦样本的光谱数据,运用多种预处理方法对原始光谱数据进行处理,建立西葫芦果肉硬度的PCR、SMLR和PLSR预测模型;并通过对不同的建模模型进行分析,对西葫芦硬度进行快速检测,实现可见/近红外光谱技术对西葫芦的硬度品质在线无损检测。结果表明,经过卷积平滑法和标准正态变换(S-G+SNV)处理建立的PLSR硬度预测模型效果最好,校正集相关系数为0.979,预测集相关系数为0.976;验证模型结果预测相关系数为0.886,预测均方根误差为0.126。运用可见/近红外光谱技术对西葫芦硬度指标的预测研究具有可行性,研究结果可为今后在线快速无损检测果蔬硬度提供理论依据。     

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。     

基于BP神经网络的苹果高光谱图像糖度定量分析

使用高光谱成像技术在主成分空间的距离作为样本相似性的判断依据,选择出训练子集,实现了一种基于主成分空间样品光谱特征分类的局部建模方法,并将这种方法与BP神经网络结合,用于苹果糖度的高光谱图像技术的定量分析,增强了检测效果。该方法首先提取高光谱图像的光谱信息并划分为训练集、验证集和测试集,对训练集的光谱进行主成分分析;然后在主成分空间根据欧氏距离和马氏距离选择训练子集,并建立基于BP神经网络的局部回归模型对验证集进行预测;使用全光谱+BP神经网络、全光谱+PCA+BP神经网络、欧氏距离+PCA+BP神经网络和马氏距离+PCA+BP神经网络,选取出的训练子集建立的模型对验证集糖度进行预测。结果表明,与全光谱相比,局部变量建模相关系数r提高,RMSEP降低,提高了检测效果;局部变量建模中,马氏距离+PCA+BP神经网络建立的局部预测模型预测能力更强。将这种建模方法应用于测试集的糖度预测,均方根误差为0.106 61,相关系数r为0.890 81,可以较好的实现苹果中糖度含量高光谱定量分析。因此马氏距离+PCA+BP神经网络模型有望成为一种有潜力的苹果糖度检测方法,对提高模型的精度有重要的意义...     

滑皮金桔糖度的近红外光谱无损检测技术

[目的]采用近红外光谱技术对滑皮金桔的糖度开展无损检测技术研究,为今后实现滑皮金桔在线糖度品质分级分选提供参考依据.[方法]以NIR Magic 1100型便携式果品近红外光谱分析仪为主要研究设备,对采集的滑皮金桔光谱分别进行S-G卷积平滑(SG-smooth)、标准正态变量变换(SNV)和多元散射校正(MSC)处理,结合偏最小二乘法建立滑皮金桔糖度预测模型并进行验证.[结果]建模的最佳光谱波段为720~920 nm;光谱采用SG-smooth处理后建立模型的校正集相关系数为0.9531,校正集均方根误差为0.6436,相对分析误差为3.55,均优于采用SNV和MSC处理建立的模型效果.对预测模型进行验证显示,糖度预测值与实际值的相关系数为0.9582,均方根误差为0.5187,相对分析误差为3.24.[结论]采用近红外光谱快速检测滑皮金桔糖度可行,建立的预测模型稳定性好、精度较高,可为滑皮金桔在线分选及无损检测设备的开发提供技术参考.     

基于偏最小二乘法和深度学习的近红外糖度预测

为准确预测苹果糖度,基于傅里叶变换近红外光谱、偏最小二乘法和深度学习技术,建立了不同的苹果糖度预测模型.使用傅里叶变换近红外光谱仪和折光仪采集160个苹果的光谱与糖度信息,建立不同光谱预处理方法的偏最小二乘法(Partial least square,PLS)模型,通过常用的竞争性自适应重加权算法减少PLS模型计算量,...     

脐橙糖度近红外光谱在线检测的建模变量优选

【目的】采用小波压缩结合遗传算法,优选脐橙糖度近红外光谱在线检测的建模变量,提高在线检测精度。【方法】利用近红外光谱检测装置采集脐橙样品的光谱,并将其转换为反射比光谱,在700.28～933.79 nm波段,利用小波变换将一阶微分处理后的近红外反射比光谱变量压缩成小波系数变量。经遗传算法优选后,建立偏最小二乘法（PLS）模型,并对该模型的预测结果进行评价。【结果】利用小波压缩结合遗传算法优选变量建立的脐橙糖度PLS模型,预测效果最优,模型的相关系数为0.759,模型预测均方根误差为0.468 °Brix。【结论】采用小波压缩结合遗传算法对变量进行优选,可提高脐橙糖度近红外光谱在线检测的精度。     

苹果糖度无损检测模型研究

【目的】对套袋和不套袋苹果分别建立反射光谱与糖度预测模型,并对模型的精度进行比较分析,为构建苹果品质分级系统提供理论支撑。【方法】采用美国ASD公司的便携式光谱仪和数显折光计分别测量套袋和不套袋烟富3号红富士苹果,以苹果赤道位置4个取样点的反射率光谱和对应位置的糖度为数据源,原始光谱经多元散射校正后,与糖度数据一同用偏最小二乘回归算法,分别建立套袋和不套袋苹果的反射率光谱糖度模型,进行糖度预测。【结果】(1)套袋苹果校正集相关系数Rc=0.76,均方根误差RMSEP=0.8375 Brix;预测集相关系数Rv=0.72,均方根误差RMSEP=0.8702 Brix;(2)不套袋苹果校正集相关系数Rc=0.69,均方根误差RMSEP=0.9040 Brix;预测集相关系数Rv=0.63,均方根误差RMSEP=0.9134 Brix。【结论】不套袋苹果的模型精度低于套袋苹果模型精度。相对复杂的表面情况导致不套袋苹果模型精度较差,不套袋苹果的无损检测误差会高于套袋苹果。     

白粉病胁迫下小麦叶片光谱响应与智能分类识别

目的 开展基于高光谱技术的白粉病胁迫下田间小麦光谱的响应研究,实现小麦白粉病感染等级的快速确定。方法 采用光纤光谱仪配合积分球和叶片夹采集大田活体小麦叶片可见-近红外光谱;通过光谱数据拟合得到的SF-SPAD (Spectrum fitting SPAD)值来反映叶绿素含量,对叶片感染白粉病进行初步判定;使用PROSPECT模型进行光谱敏感度分析确定敏感波段;结合主成分分析(Principal component analysis, PCA)降维和支持向量机(Support vector machine,SVM)建模,实现对光谱数据的二分类;根据二分类模型判断的病点百分比对小麦病虫害感染程度进行分级。结果 SF-SPAD值随自下而上的叶序的增大而逐渐上升;SF-SPAD值≤0.90的全是病点,≥1.05的全是好点。光谱敏感度分析确定了敏感波段为可见光波段440~500和540~780 nm,降低了数据维度。确定了感染等级(R)与病点百分比(%)的关系为R₁：0~30%、R₂：30%~50%、R₃：50%~70%、R₄：70%~100%。本研究所建模型适用的检测株数最少为20株。结论 结合SF-SPAD值和光谱PCA-SVM二分类建立的监测模型可以准确、快速地判定小麦白粉病感染与否及感染等级,同时可以降低采样数量、减少地面检测工作量、提高检测效率,是一项实用性强、简单、易推广的智能化监测技术。     

加味黄连温胆汤对糖尿病周围神经病变患者神经功能的保护作用观察

目的 观察黄连温胆汤对糖尿病周围神经病变（diabeitic peripheral neuropathy,DPN）患者神经功能的保护作用。方法 选择88例糖尿病周围神经病变患者,随机分为观察组与对照组各44例。两组均口服降糖药或胰岛素控制血糖,对照组口服甲钴胺片,观察组在对照组基础上联合黄连温胆汤治疗,疗程均4周。比较两组治疗前后的中医证候积分、正中神经与腓总神经的运动神经传导速度（MNCV）和感觉神经传导速度（SNCV）、治疗总有效率及不良反应总发生率。结果 治疗后两组主症积分、次症积分与总积分较治疗前均下降,且观察组低于对照组,差异有统计学意义（P<0.05或P<0.01）。两组治疗后的正中神经与腓总神经的MNCV与SNCV均较治疗前升高（P<0.05或P<0.01）,观察组治疗后的正中神经的MNCV与SNCV为（52.14±4.20）m/s和（44.28±4.01）m/s,高于对照组（50.04±3.97）m/s和（42.35±3.96）m/s;腓总神经的MNCV与SNCV为（47.58±3.99）m/s和（42.77±4.05）m/s,高于对照组（45.46±4.17）m/s和（40.34±3.92）m/s,差异均有统计学意义（P<0.05或P<0.01）。观察组总有效率为81.82%,高于对照组61.36%,差异有统计学意义（P<0.05）。两组不良反应总发生率分别为9.09%和4.55%,差异无统计学意义（P>0.05）。结论 黄连温胆汤具有益气活血、通脉清热作用,治疗DPN有助于改善患者中医证候并提高神经传导速度,疗效佳且安全性高,值得推广。     

基于光声光谱深度扫描的单粒玉米种子发芽率无损检测方法

目的 针对目前玉米种子发芽率快速无损检测方法易受种子表皮颜色影响的问题,拟采用光声光谱深度扫描技术提高玉米种子发芽率的检测精度。方法 选取3种不同颜色、6个品种的玉米样本,利用人工老化方法得到8种不同老化时间的玉米种子;通过调制光谱频率获得7种不同深度的光声光谱信息,并利用主成分分析分别得到最佳扫描频率和特征光谱,比较偏最小二乘法回归、BP神经网络、广义回归神经网络和支持向量回归等发芽率预测模型精度。结果 光声光谱最佳扫描频率为500 Hz,支持向量回归的预测模型精度最高,相关系数均超过0.980 0。6个品种玉米种子的发芽率预测相关系数分别为0.983 8,0.984 7,0.983 6,0.987 8,0.983 3和0.994 7,6个品种混合的玉米种子发芽率预测相关系数为0.942 1。结论 通过拓展光谱、声音和深度信息,光声光谱深度扫描技术适用于不同颜色的玉米发芽率高精度检测,具有较好的泛化能力。     

人参皂苷Rg1对H2O2诱导的HT22细胞凋亡及胞内Ca2+变化的影响

目的 研究人参皂苷Rg₁对H₂O₂诱导的HT22细胞凋亡及胞内Ca²⁺浓度变化的影响。方法 以0、6.25、12.5、25、50、100μg/L人参皂苷Rg₁预处理细胞24 h,采用Ca²⁺荧光染料探针Fluo-3/AM负载细胞1 h后,50 mmol/L H₂O₂刺激细胞,多功能酶标仪测定荧光强度,激光共聚焦显微镜实时监测[Ca²⁺]i变化,Hoechst 33258染色检测细胞凋亡。结果 H₂O₂可诱导细胞内Ca²⁺浓度增加（P<0.01）,并增加细胞凋亡率（P<0.01）。不同浓度人参皂苷Rg₁可呈剂量依赖性的抑制H₂O₂诱导的HT22[Ca²⁺]i增加（P<0.01）,抑制细胞凋亡（P<0.01）,以50μg/L的作用为最强（P<0.01）。结论 人参皂苷Rg₁可通过降低H₂O₂诱导的HT22细胞内Ca²⁺水平的升高,抑制氧化应激引起的细胞凋亡。     

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.     

基于冠层高光谱信息的苹果树花量估测

【目的】研究基于盛花期冠层高光谱数据的苹果花量估测技术,为植株花果管理和生产力预测技术的建立奠定基础。【方法】以5年生M₉无性系砧木‘米奇嘎啦’苹果（Malus pumila‘Mitch Gala’）、树形为高纺锤形的植株为试材,在盛花期采集植株冠层可见-近红外高光谱图像,人工统计供试植株花量,比对分析基于原始光谱反射率（original reflectance spectra,OS）与Savitzky-Golay平滑法（savitzky-golay smoothing,SG）、正态变量标准化（standardization of normal variables,SNV）、标准化（Normalize）、一阶求导（first derivation,l^st Der）、二阶求导（second derivation,2^nd Der）共5种预处理的高光谱数据的偏最小二乘法（partial least squares method,PLS）模型,以及基于载荷系数法（x-loading weight,x-LW）提取的特征波长的PLS模型、人工神经网络（the back-propagation neural network,BPNN）、最小二乘支持向量机（the least squares support vector machines,LS-SVM）等模型对单株单位面积花量实时估测精度的影响。【结果】苹果树单株花量与单株单位面积花量具有较高的相关系数,表明采用冠层单位面积花量替代单株总花量进行树体花量估测可行。单株单位面积花量与植株冠层光谱反射率在紫外-可见光波长（308—700 nm）呈极显著正相关,在近红外波长（750—1 000 nm）相关性不显著。基于全波长,以Normalize预处理光谱建立的PLS模型对单株单位面积花量的预测效果最好,校正集决定系数（R_c²）和预测集决定系数（R_p²）分别为0.794和0.804,校正集均方根误差（RMSEC）和预测集均方根误差（RMSEP）分别为0.084、0.062,预测相对误差（RE%）为3.940。基于特征波长的BPNN模型稳定性差,而LS-SVM模型的建模效果较好,R_c²和R_p²分别为0.826和0.804,RMSEC和RMSEP分别为0.077、0.064,RE%为12.160。【结论】基于Normalize预处理的PLS模型对高纺锤形苹果树冠层单位面积花量的预测效果最优,同时,本研究利用高光谱成像仪获取的数据,经过分析处理对提取特征信息进行简化,可为多光谱遥感数据的应用提供依据。     

基于YOLOv5改进模型的杂交稻芽种快速分级检测

目的 提高杂交稻种子活力分级检测精度和速度。方法 提出了一种基于YOLOv5改进模型(YOLOv5-I)的杂交稻芽种快速分级检测方法,该方法引入SE (Squeeze-and-excitation)注意力机制模块以提高目标通道的特征提取能力,并采用CIoU损失函数策略以提高模型的收敛速度。结果 YOLOv5-I算法能有效实现杂交稻芽种快速分级检测,检测精度和准确率高,检测速度快。在测试集上,YOLOv5-I算法目标检测的平均精度为97.52%,平均检测时间为3.745 ms,模型占用内存空间小,仅为13.7 MB;YOLOv5-I算法的检测精度和速度均优于YOLOv5s、Faster-RCNN、YOLOv4和SSD模型。结论 YOLOv5-I算法优于现有的算法,提升了检测精度和速度,能够满足杂交稻芽种分级检测的实用要求。     

草莓品质光谱检测方法比较研究

为快速、无损检测草莓色度及糖度,采用近红外光谱和高光谱成像技术对草莓的色度和糖度进行光谱分析,采用偏最小二乘法构建预测模型,并对这两种光谱检测方式进行简单的对比分析。近红外光谱试验采用近红外光谱仪结合SpectraSuite光谱采集软件对草莓进行近红外光谱信息提取,高光谱成型技术采用高光谱成像系统结合高光谱图像采集软件Hyper Spectral Image以及图像处理软件HSI Analyzer采集草莓图像,并利用ENVI软件从图像中提取高光谱信息,最后利用The Unscrambler9.7软件对草莓的色度和糖度进行这两种光谱的建模和预测。结果表明:对于红色度值,通过近红外光谱建模得到的判定系数R²=0.9913,校正均方根误差RMSEC=0.1313,预测均方根误差RMSEP=0.1307,通过高光谱建模得到的R²=0.9894,RMSEC=0.1559,RMSEP=0.1528;对于可溶性固形物含量,通过近红外光谱建模得到的R²=0.9917,RMSEC=0.1092,RMSEP=0.1028,通过高光谱建模得到...