基于体积修正的苹果霉心病近红外快速识别

【目的】霉心病是苹果主要的内部缺陷之一,极大影响苹果的品质,未能及时剔除将不利于苹果品牌建设,严重影响苹果产业发展。为实现霉心病精准快速识别,提高霉心病果识别正确率,笔者探索不同摆放姿态下经苹果体积修正后对苹果霉心病检测的影响,探索不同体积修正方法对苹果霉心病检测的影响。【方法】利用近红外光谱技术获取苹果在不同摆放姿态和90°模式下的光谱,利用β系数圆球体积法、纵径横径体积法对三种不同摆放姿态的苹果样品光谱进行体积修正,采用去趋势（Detrend）、基线校正（Baseline）、二阶导数（Second Derivative, SD）、标准正态变量变换（Standard Normal Variate, SNV）方法对原始光谱进行预处理,应用支持向量机（Support Vector Machine, SVM）方法建立苹果霉心病判别模型。【结果】在果梗向上姿态下,与未进行体积修正模型精度较好的光谱相比,经β系数体积法和纵径横径体积法进行体积修正的光谱其敏感性和特异性提升效果不佳,可能是在体积修正时部分光谱的重要信息丢失;在果梗向前姿态下,采用纵径横径体积法和SD预处理的模型有最佳的性能,其校...     

基于主成分分析的苹果霉心病近红外漫反射光谱判别

为了探讨利用近红外漫反射光谱技术判别苹果霉心病的可行性,将健康苹果和霉心病苹果的近红外光谱经不同光谱预处理方法处理,将主成分分析提取的主成分作为自变量,对苹果霉心病进行了判别研究。结果表明,光谱经矢量归一化处理后提取到的20个主成分建立的Fisher判别函数判别率最高,性能稳定,建模集正确判别率为89.9%,对检验集正确判别率为87.8%。     

苹果霉心病可见/近红外透射能量光谱识别方法

针对苹果霉心病从外表无法识别的难题,提出基于可见/近红外透射能量光谱进行快速无损识别的模型和方法。在200~1 100 nm波段内采集了200个苹果的透射能量光谱数据,随机选取140个样品作为训练集,剩余60个样品作为测试集。用平滑法和多元散射校正对光谱数据进行预处理。基于全光谱、连续投影算法(SPA)提取的12个特征波长、主成分分析(PCA)提取的9个主成分,分别建立了偏最小二乘判别法、误差反向传播人工神经网络和支持向量机(SVM)识别模型。实验结果说明,应用PCA-SVM建立的模型识别性能最优,该模型对测试集和训练集中霉心病果和健康果的识别正确率分别为99.3%和96.7%。基于SPA和PCA所建模型的输入变量数仅相当于基于全光谱所建模型输入变量数的0.99%和0.74%,极大降低了模型的复杂度。研究结果表明,该方法是可行的且具有较高识别准确度,为苹果在线内部品质分级和便携式苹果霉心病检测仪的研究提供了技术依据。     

基于介电特征的苹果霉心病检测方法

针对苹果霉心病无法有效根据外表进行识别,且传统检测方法具有设备复杂、成本高昂等问题,本研究通过采集苹果介电参数构建苹果霉心病检测模型,从而实现简单快速的苹果霉心病无损检测.基于LCR测量仪采集220个苹果的108项介电指标(9个频率下的12项介电指标)作为原始参数,使用数据标准化、主成分分析算法等对数据进行预处理,并利...     

基于计算机视觉的苹果霉心病病变程度测量方法

利用近红外光谱技术进行苹果霉心病的无损检测是目前的主流方法,其光谱与霉心病的病变程度密切相关。为了实现苹果霉心病病变程度的精确测量,设计并实现了一种基于计算机视觉的苹果霉心病病变程度测量方法。首先,基于Otsu算法,利用果实区域与背景反差较大的特点,实现果实、病变与背景区域的分割,并对分割图像进行区域填充等预处理操作;然后,针对分割后包含病变的苹果图像,运用Otsu算法进行二次分割,分别提取腐烂病斑区域与整个苹果区域的面积;最后,计算出病变区域的比例,得到其病变程度。为了验证算法的有效性,利用多幅图像进行了测试,并与利用Photoshop手工选取的实际病斑面积进行了对比。试验结果表明,利用该方法得到的腐烂程度误检率为8.87%,可以有效地实现苹果霉心病病变程度的测量。     

运用近红外透射光谱技术检测苹果内部品质

通过运用近红外透射光谱技术快速分析了苹果的糖度和硬度,使用偏最小二乘法建立预测模型,得出校正集苹果糖度的最佳主因子维数为3,相关系数R为0.9943,校正标准差为0.2476;校正集苹果硬度交叉校验的最佳主因子维数为3,相关系数R为0.9644,校正标准差为0.3529。研究结果表明：运用近红外透射光谱技术可以准确地无损快速定量分析苹果糖度和硬度。     

苹果水心病的光学无损检测

通过密度法和自行研制的水心病检测仪器对苹果样品进行检测 ,结果表明 :密度无法分离该样品水心病 ;而 1～ 4级水心病的透光强度之间存在显著差异 ,可以进行水心病判断。把近红外 810 nm的计算透光强度2 5 0 0 0作为界限值可以将好果 (1级 )与 3、4级果完全分离 ,2级果有 2 9%分离     

苹果可溶性固形物近红外光谱在线检测影响因素研究

光谱仪的性能和样品运动速度是影响近红外光谱在线检测精度的重要因素.三款配置了不同光栅的短波光谱仪被用于在线检测苹果的可溶性固形物含量.分别考察不同光谱仪和五种苹果运动速度对苹果可溶性固形物在线检测精度的影响.经比较,在0.190m/s速度下,使用QE65000光谱仪建立的偏最小二乘模型预测结果最优.最优预测模型的相关系数为0.814,预测均方根误差为0.776.Brix.结果表明选择合适的样品运动速度和光谱仪可提高苹果可溶性固形物在线检测的精度.     

近红外光谱技术在苹果品质无损检测中的应用

近红外光谱技术是一种高新分析技术,被越来越多地应用于农业领域。概述近年来国内外近红外光谱技术在苹果品质无损检测中的应用情况,分析近红外光谱技术在苹果质检中的应用方向,为果品无损检测技术的发展提供参考。     

苹果品质多光谱图像分析方法

本文提出了一种基于多光谱图像分析的苹果质量检测方法,通过苹果多光谱图像的算术和逻辑运算,提取图像的多光谱特征参数,并探索这些特征参数与苹果品质的关系。结果表明:利用可见光图像与近红外图像的异或运算,提取了多光谱图像的颜色特征参数,发现异或图像中黑点像素所占百分比与苹果品质显著相关;通过苹果可见光图像与近红外图像的和运算,实现苹果外形特征的提取和计算;利用可见光图像与近红外图像的相减运算完成了苹果缺陷区域的提取和计算。     

基于透射光谱的玉米叶片含水率快速检测仪研究

为快速、无损检测玉米叶片含水率,根据透射光谱原理设计一款便携式植物叶片水分快速检测仪。检测仪主要由数据采集节点和数据接收节点两部分组成,数据采集节点采用夹持叶室结构,由信号采集、处理和发送模块组成,数据接收节点由信号接收模块和PDA组成。测量时玉米叶片被放入采集节点的夹持叶室,两路LED主动光源(890 nm和980 nm)发光照射叶片,采用PIN型Si光电传感器在叶片的另一面进行透射光探测,透射光信号经调理电路放大、滤波后,通过ZigBee网络发送至数据接收节点。根据采集的光信号计算透射率(T890和T980)、比值植被指数(RVI)和调整型归一化差异水分指数(MNDWI)等参数,分析了各植被指数与不同叶位含水率之间的相关性,结果显示仪器应用的最佳叶位为完全展开叶片的倒二叶中部,含水率检测范围为70%~80%,且分辨率为0.3%。选取了T890、T980和MNDWI建立了含水率检测模型,其R_C~2为0.854,R_V~2为0.849,RMSE为0.010 3。     

基于近红外光谱技术的发育后期苹果内部品质检测

为了解发育后期苹果内部品质与近红外光谱特性之间的关系,给田间管理、实时采收等提供依据,利用近红外漫反射技术测量了发育后期3个月内富士苹果在833~2 500 nm波长范围内的光谱特性,并测量了各样品的内部品质参数(可溶性固形物含量、硬度、p H值和含水率),分析了单一波长下吸光强度与各内部品质参数之间的线性关系。结果表明,单一波长下吸光强度与苹果各内部品质参数之间的线性相关性均较弱,基于单一波长下的吸光强度很难预测苹果的内部品质。为此,结合化学计量学方法建立了预测可溶性固形物含量、硬度、p H值和含水率的最小二乘支持向量机和极限学习机(ELM)模型,并分析了主成分分析(PCA)、连续投影算法(SPA)和无信息变量消除法等3种降维方法对模型预测性能的影响。结果表明,预测可溶性固形物含量、p H值的最优模型为SPA-ELM,其RMSEP分别为0.443 5°Brix和0.006 8;预测硬度、含水率的最优模型为PCA-ELM,其RMSEP分别为0.2612 kg/cm2和0.623 5%。     

基于调制近红外反射光谱的土壤养分近场遥测方法研究

土壤养分作为农业生产的重要指标,含量过少会降低农作物产量,过多则会造成环境污染。因此,快速、准确检测土壤养分对于精准施肥和提高作物产量具有重要意义。基于取样和化学分析的传统方法能够全面准确地检测土壤养分,但检测过程中土壤的取样及预处理过程繁琐、操作复杂、费时费力,不能实现土壤养分的原位快速检测。本研究基于调制近红外光谱,提出了一种土壤养分主动式近场遥测方法,可有效避免土壤反射自然光的干扰。该方法使用波长范围1260~1610 nm的8通道窄带激光二极管作为近红外光源,通过测量8通道激光光束的土壤反射率,建立土壤养分中氮（N）关于土壤反射率的计量模型,实现了N的快速检测。在74组已知N含量的土壤样品中,选取54组作为训练集,20组作为预测集。基于一般线性模型,对训练集中土壤N含量与土壤反射率的定量化参数进行训练,筛选显著波段后的计量模型R²达到0.97。基于建立的计量模型,预测集中土壤N含量预测值与参考值的决定系数R²达到0.9,结果表明该方法具有土壤养分现场快速检测的能力。     

水果糖度近红外光谱在线检测装置

采用短波近红外光谱仪,进行机械传送、光谱采集处理、自动控制等系统的设计和集成,研制水果糖度近红外光谱在线检测装置。在550~850nm范围,采用偏最小二乘法,建立了苹果糖度近红外光谱在线检测数学模型。经比较,标准正交校正和一阶导数处理后的光谱建立的数学模型预测效果最优,模型的相关系数为0.78,模型预测均方根误差为0.67°Brix。实验表明:水果糖度近红外光谱在线检测装置可准确地检测苹果糖度含量。     

基于近红外光谱的核桃仁蛋白质含量检测分析

为了实现核桃仁蛋白质的快速无损检测,采用近红外光谱技术,建立了核桃仁蛋白质含量预测模型,并对近红外光谱波段筛选方法进行了研究。首先针对3种不同粒度核桃仁样本,采集了1040~2560nm范围全波段信息,采用多元散射校正法和标准正态化方法对原始光谱进行了预处理。然后,采用间隔偏最小二乘算法筛选了光谱特征波段,并建立了全波段和特征波段下核桃仁蛋白质含量偏最小二乘算法预测模型。通过对不同粒度核桃仁样本近红外光谱分析表明,核桃仁粒度大小对核桃仁蛋白质含量预测效果并无显著影响。采用间隔偏最小二乘算法的波段筛选,核桃整仁样本验证集的均方根误差和相关系数分别为0.021和0.913, 表明该方法能够优化模型质量并降低模型复杂度。     

苹果表面缺陷红外热成像检测装置及处理方法

红外热成像技术是一种可用于农产品检测的新型无损检测技术。简介了红外热成像原理及该技术用于苹果表面缺陷检测的方法。实验装置以IR790为核心,将苹果表面温场转换为热图像显示,经计算机处理与分析,最终得到苹果缺陷信息。     

基于可见/近红外光谱技术的板栗产地识别

采用可见/近红外光谱分析技术对河北和安徽两个产地的板栗进行检测分级,获得板栗样品在600～1100 nm波长区间的可见/近红外光谱,采用偏最小二乘判别分析(PLSDA)进行建模,比较不同预处理方法和波长范围对PLSDA模型精度的影响.结果 显示,不同预处理方法对模型性能影响较大,一阶导数预处理在全波长范围所建PLSDA...