基于高光谱图像光谱与纹理信息的生菜氮素含量检测

高光谱图像包含丰富的光谱与图像信息,该文基于此试图构建生菜氮素检测模型。利用高光谱图像采集系统获取可见-近红外(390~1 050 nm)范围内的生菜叶片高光谱图像,同时利用凯氏定氮法获取对应叶片的氮素值。将光谱反射值较大波长图像与反射值较小波长图像相除并用阈值化法构建掩膜图像,获取感兴趣区域(ROI,region of interest)。由于高光谱数据量大、且数据间冗余性强,因此如何有效的提取一些特征波长十分重要。该文采用主成分分析(PCA,principal component analysis)对原始高光谱图像进行处理,根据前3个主成分图像(PC1、PC2、PC3)在全波长下的权重系数分布图选出662.9、711.7、735.0、934.6 nm 4个特征波长及对应的光谱特征,并且分别提取4个特征波长图像、主成分图像PC1、PC2、PC3在ROI下的基于灰度共生矩阵的纹理特征,最后利用支持向量机回归(SVR,support vector machine regression)分别建立生菜叶片基于特征波长光谱特征、特征波长图像与主成分图像的纹理特征及光谱纹理融合特征与对应氮素值之间的关系模型。结果表明,在校正性能指标决定系数R2C上,基于光谱特征+特征波长图像纹理特征的模型较好,R2C=0.996,校正集均方根误差RMSEC为0.034;在预测性能指标决定系数R2P上,基于光谱特征的模型较好,R2P=0.86,预测集均方根误差RMSEP为0.22。该研究结果可为农作物氮素的快速、无损检测提供一定的参考价值。     

加热温度和时间对牛肉嫩度影响的主成分分析评价

为研究加热温度及时间对不同部位牛肉嫩度的影响,该研究以夏南牛肩肉、外脊和米龙3个部位肉为例,分别代表牛胴体前、中、后躯部位肉,提出了一种基于主成分分析的高熟度牛肉嫩度综合评价方法。利用剪切力测定法和质构剖面分析测定了6头夏南牛3个部位(肩肉、外脊、米龙)4个加热温度(70、80、90、100℃)6个保温时间(0、30、60、90、120、180 min)的剪切力值和质构指标,对不同加热处理牛肉的蒸煮损失、剪切力值、硬度、黏附性、弹性、内聚性、胶着性、咀嚼性和回复性等9个指标进行主成分分析,从中提取了3个主成分,方差贡献率分别为56.53%、24.43%、8.62%,分别代表牛肉的咀嚼特性、抗压特性和剪切特性,累积方差贡献率达89.58%,并建立了综合评价模型。试验结果表明,在高熟度牛肉的评价过程中,以剪切力值作为主要载荷的第3主成分在肉品嫩度综合评价中仅占很小的比例,并不能代表肉品嫩度的全部信息,因此不能把剪切力值作为高熟度牛肉嫩度评价的主要指标,在评价过程中应综合考虑与内聚性、胶着性、咀嚼性和回复性等与肉品质地相关的指标进行分析评价;加热温度和时间对牛肉嫩度综合得分影响较大,当肉块中心温度小于80℃时,随着加热时间的延长,牛肉嫩度综合得分整体变化比较平稳;而当肉块中心温度高于80℃时,随着加热时间的延长,牛肉嫩度品质综合得分整体呈下降趋势,且中心温度越高,加热时间越长,得分值越低。运用主成分分析减少了牛肉嫩度品质的评价指标,简化评价流程,为高熟度牛肉嫩度评价提供理论依据。     

基于高光谱图像处理的大豆品种识别(英文)

大豆组分(油,蛋白质,脂肪等)在不同的大豆品种间差异很大。对于提高大豆品质来说,大豆品种识别是一个关键因素。该文利用高光谱图像技术对不同的大豆品种进行识别。利用高光谱成像系统获取大豆样本1 000～2 500 nm范围的光谱反射数据;应用主成分分析法(PCA,principal component analysis)对获取到的光谱数据进行数据降维并去除冗余数据;在分类算法中将得分高的主成分值作为输入特征,通过PCA方法从每个特征图像中提取4个特征变量(能量、熵、惯性矩和相关性);对于具体特征提取,从16个特征变量中提取8个重要特征参数;根据选择的特征,应用神经网络方法构建分类器;训练精度精度达到97.50%,平均测试精度达到93.88%以上。结果表明,应用高光谱图像技术结合神将网络建模方法可以对大豆品种进行分类。     

超声辅助氯化钙浸泡处理对牛肉嫩度的影响

探讨超声辅助氯化钙（CaCl2）浸泡处理牛肉,以加速CaCl2浸泡法嫩化牛肉过程中钙离子的渗透,提高嫩化效果。采用Box-Behnken响应曲面中心组合设计法,建立超声辅助CaCl2浸泡处理对牛肉嫩度影响的响应模型,对超声强度、CaCl2浓度、超声处理时间3因素及其两两交互作用进行分析,并对超声处理的肉样作石蜡切片染色,测定肌纤维间距和直径,进行嫩化效果比较。结果表明：响应模型的拟合度高,试验误差小,该模型可以对超声处理牛肉嫩化效果进行分析和预测;超声强度、CaCl2浓度、超声处理时间及超声强度和CaCl2浓度的交互作用对牛肉嫩化效果极显著（p＜0.01）;超声强度和超声处理时间交互作用对牛肉嫩化效果显著（p＜0.05）;超声辅助处理CaCl2浸泡嫩化牛肉理想条件为：超声强度为200～220 W/m2、CaCl2浓度为0.25～0.30 g/L、超声处理时间为10～15 min,在上述条件下,秦川公牛背最长肌剪切力在36.65～39.89 N之间,肌纤维直径显著变小,肌纤维间距显著增大,嫩化效果较好。     

基于自组织神经网络模型与质构特性的牛肉嫩度评定方法

为了实现对牛肉嫩度品质的快速无损检测和评价。该文选取60头牛的眼肌部位作为试验样本,经在75~80℃的水浴中加热并煮至肉的内部温度达到70℃后取出,冷却至室温(20℃)。利用质构仪测得牛肉黏力、黏性、弹力、弹性长度、内聚性、弹性、胶着性和咀嚼性等质构特性参数,并分析各参数与牛肉嫩度等级之间的相关性,黏力和黏性与牛肉嫩度的相关性较低,相关系数为0.246和0.096;弹力、弹性长度、内聚性、弹性、胶着性和咀嚼性与牛肉嫩度相关性较大,且成负相关,说明上述流变学参数值会随着牛肉嫩度等级的增大而下降,相关系数为-0.92、-0.939、-0.771、-0.776、-0.815、-0.882。结合感官评定法构建BP网络模型、RBF网络模型和自组织竞争神经网络模型,用其预测牛肉嫩度等级,3种模型训练误差均为1×10-6。另选取20头牛的背最长肌中间部位作为测试样本,对3种网络模型进行比较分析。研究结果证明,自组织竞争神经网络预测模型较为准确,预测牛肉嫩度等级的准确率达到90%,说明此方法能够准确地对牛肉嫩度等级进行评定,研究结果为未来牛肉嫩度评定方法提供参考。     

基于高光谱成像的苹果虫害检测特征向量的选取

利用高光谱成像技术,明确苹果虫害无损检测的最优特征向量,以实现对苹果虫害的快速、准确、无损检测。本文首先对646 nm波长的特征图像进行阈值分割、膨胀与腐蚀运算获得掩膜图像,并利用掩模图像对高光谱图像进行掩模和主成分分析,对获得的PC1(the first principal component,第一主成分)图像进行最大熵阈值分割以有效提取虫害区域。然后对比分析虫害区域与正常区域图像的纹理特征,提取灰度共生矩阵的4个方向的4个纹理参数(能量、熵、惯性矩和相关性),并且采用基于高光谱图像的光谱差值获取了2个特征波长对应的光谱相对反射率作为光谱特征。优化组合纹理特征和光谱特征成4个特征向量组,采用BP(back propagation,反向传播)神经网络对正常苹果和虫害苹果进行检测。结果表明,融合0度方向的能量、熵、惯性矩和相关性的纹理特征和646、824 nm波段的相对光谱反射率的光谱特征进行检测识别效果最好,正常果的识别率为100%,虫害果的识别率为100%,并且速度快、误差小。该研究所获得的特征向量可为开发多光谱成像的苹果品质检测和分级系统提供参考。     

基于高光谱成像技术的马铃薯外部缺陷检测

为了实现马铃薯的准确快速分级,提出基于高光谱成像技术的马铃薯外部缺陷检测方法。通过反射高光谱成像技术采集马铃薯干腐、表面碰伤、机械损伤、绿皮、孔洞以及发芽等6类外部缺陷样本及合格样本的高光谱图像。提取合格及各类缺陷样本感兴趣区域的光谱曲线并进行光谱特性分析,采用主成分分析法确定了5个特征波段(480、676、750、800和960nm),以5个波段的主成分分析的第二主成分图像作为分类图像,识别率仅为61.52%;为了提高识别率,提出波段比算法与均匀二次差分算法相结合的方法,使缺陷识别率提高到95.65%。试验结果表明:通过高光谱成像技术可以准确有效地对常见马铃薯外部缺陷进行检测,为马铃薯在线无损检测分级提供了参考。     

高光谱图像技术快速预测发酵醋醅总酸分布

固态发酵是镇江香醋生产的重要环节之一,直接决定着成品醋的风味和品质。但目前固态发酵的生产控制主要依赖人工经验,难以有效保障镇江香醋的品质。该文分析了总酸（total acid content,TAC）、pH值、含水率在不同阶段的变化规律;采用高光谱图像技术结合联合区间偏最小二乘法（synergy interval partial least squares,siPLS）快速预测固态发酵基质（醋醅）的TAC、pH值和含水率,其最佳模型的相关系数R分别为0.8316、0.9455和0.8503;同时利用主成分分析和逐步多元线性回归模型（stepwise multiple linear regression,SMLR）对醋醅高光谱图像进行分析,研究了总酸在醋醅中的分布情况,以此来快速判断醋醅发酵的均匀性。研究表明,利用高光谱图像技术快速预测醋醅的理化参数及其分布的方法是可行的,结果可为镇江香醋固态发酵的工艺控制提供基础数据和技术手段。     

基于高光谱图像和遗传优化神经网络的茶叶病斑识别

为实现茶叶病害的快速高效识别,提出了基于高光谱成像技术和图像处理技术融合的茶叶病斑识别方法。利用高光谱成像技术采集了炭疽病、赤叶斑病、茶白星病、健康叶片等4类样本的高光谱图像。提取感兴趣区域敏感波段的相对光谱反射率作为光谱特征。通过2次主成分分析,确定第二次主成分分析后的第二主成分图像为特征图像,基于颜色矩和灰度共生矩阵提取特征图像的颜色特征和纹理特征。利用BP神经网络对颜色、纹理和光谱特征向量融合数据进行检验,识别率为89.59%;为提高识别率,提出遗传算法优化BP神经网络的方法,使病斑识别率提高到94.17%,建模时间也缩短至1.7 s。试验结果表明:高光谱成像技术和遗传优化神经网络可以快速准确的实现对茶叶病斑的识别,可为植保无人机超低空遥感病害监测提供参考。     

基于高光谱成像技术检测脐橙溃疡

为了研究从带有不同缺陷的柑橘类水果中快速识别出溃疡果的有效方法,基于高光谱成像技术,该文提出特征波段主成分分析法及波段比算法。以脐橙为研究对象,选取包括溃疡在内常见的10类脐橙果皮缺陷果及正常果。首先,提取并分析11类果皮感兴趣区域（ROI）光谱曲线并结合主成分分析法确定5个最佳波段（630、685、720、810和 875 nm）;然后基于特征波段做主成分分析,选取第5主成分（PC-5）作为分类识别图像,识别率达到80%。为了进一步提高溃疡识别率,该文又提出采用特征波段主成分分析法与波段比算法相结合的方法,基于此算法溃疡正确识别率提高到95.4%。试验结果表明,基于高光谱成像技术可以有效地对带有溃疡病斑的脐橙分类识别。     

基于颜色及纹理特征的果蔬种类识别方法

为更好地表述果蔬图像纹理特征,提高智能果蔬识别系统识别准确性,提出一种颜色完全局部二值模式纹理特征提取算法。果蔬识别系统模型利用颜色完全局部二值模式提取图像纹理特征,利用HSV颜色直方图、外点/内点颜色直方图提取图像颜色特征,采用匹配得分融合算法将颜色和纹理特征相融合,采用最近邻分类器实现果蔬农产品分类。通过不同光照条件下和不同数量训练样本条件下的试验得出：颜色完全局部二值模式的果蔬图像纹理表述能力明显优于和差直方图等果蔬图像纹理操作子,识别率提升最小在5%以上,更适合果蔬分类;对比其他纹理特征提取算法,采用颜色完全局部二值模式与颜色特征进行融合时,识别率最优,时间开销约为1.1 s。该方法能够应用到智能果蔬识别系统中,提升系统识别准确性。     

基于高光谱成像的苹果轻微损伤检测有效波长选取

为了确定可用于苹果早期轻微损伤检测的有效波长,以具有代表性的阿克苏苹果为研究对象,采用高光谱成像技术和分段主成分分析方法对损伤发生仅为半小时之内的苹果进行损伤检测研究,对比分析不同光谱区域主成分分析对识别结果的影响,优选出识别光谱区域(780～1000nm)。基于此光谱区域结合主成分图像权重系数获取2个有效波长(820和970nm),并利用这2个波长和全局阈值理论开发了多光谱轻微损伤提取算法。利用独立测试集中25个正常苹果和25个损伤苹果对算法的性能进行评估,结果表明,正常果的识别率为100%,损伤果的识别率为96%,整体检测精度为98%。该研究所获得的有效波长可为开发基于多光谱成像技术的苹果损伤检测系统提供参考。     

基于图像特征融合的苹果在线分级方法

苹果在线分级是提升苹果商品化价值的重要环节,需要同时满足分级准确度和速度要求。为进一步提高苹果在线分级效率,该文借助机器视觉技术动态采集苹果传输过程中的实时图像,提出改进的三层Canny边缘检测算法来提取苹果轮廓以克服采集图像中的光线噪声影响,通过分析苹果分级指标,采用判别树对苹果的果径、缺陷面积、色泽等特征进行初步分级判断,并采用粒子群参数优化的支持向量机对果形、果面纹理、颜色分布等特征进行模型构建与分级,最后,通过将两种分级判断结果进行决策融合来实现样本精确分级。同时,采取图像压缩和特征降维方法提高实时性。试验结果表明,基于图像特征决策融合的苹果分级准确率可达到95%,平均分级速率可达到4个/s。研究结果为水果的在线分级提供参考。     

基于离散元法的牛肉咀嚼破碎模型构建

为了实现准确、便捷、客观地牛肉嫩度分级检测。该文利用离散单元法构建牛肉块在口腔中咀嚼破碎模型,并进行仿真模拟。研究中选取50头牛的眼肉作为试验样品,30头牛用于构建模型,20头牛用于验证仿真模型的准确性。试验牛样品在75~80℃的恒温水浴中加热至样品内部温度达到70℃时取出,冷却至室温(20℃)。利用质构仪测得牛肉样品的剪切模量、法向刚度等参数,同时测得密度、碰撞恢复系数、摩擦系数等构建离散元模型需要的相关参数。利用测得的参数构建牛肉咀嚼破碎的离散元仿真模型。将咀嚼破碎的牛肉微颗粒作为离散单元模拟仿真中的最小单位,利用Hertz-Mindlin with bonding模型中的颗粒体积力将牛肉块替换为微颗粒黏结的颗粒簇。在咀嚼作用下,当任意2个微颗粒之间的法向应力和切向应力超过最大极限值时,颗粒簇就开始破碎,仿真牛肉的咀嚼破碎过程。研究中利用离散元模拟仿真4个咀嚼周期并记录力和牛肉颗粒的变化。采用感官评定法和剪切力测定分别验证仿真的准确性,准确率都达到90%。研究表明,利用离散元模拟仿真能有效地实现牛肉嫩度等级的预测评定,为牛肉嫩度品质检测提供新方法。