脐橙糖度的高光谱图像无损检测技术

提出了利用高光谱图像系统来检测脐橙糖度的方法.由脐橙反射光谱图像获取反映脐橙糖度的光谱特征波长;应用人工神经网络系统建立了脐橙糖度的预测模型.结果表明,脐橙糖度预测模型相关系数R为0.831,采用高光谱图像无损检测脐橙糖度是可行的.     

蜜瓜糖度透射光谱检测技术

采用便携式USB光纤光谱仪建立了蜜瓜糖度透射光谱检测系统,光源能量300W,光谱采集积分时间500ms,离散光谱累计采集次数为4次,光谱平滑采用厢车法,平滑点数为4点。利用该系统对140个非网纹类蜜瓜糖度进行了检测试验,采用经典最小二乘法(CLS)、逐步多元线性回归(SMLR)、主成分回归分析(PCR)和偏最小二乘法(PLS)对样品光谱和糖度的建模与预测结果表明,PLS法的建模与预测结果较好,相关系数r为0.857,均方根校正误差为0.655,均方根预测误差为0.838。     

近红外光谱在南疆红枣糖度无损检测中的应用

南疆红枣的分级目前还停留在外部品质,然而红枣的内部品质比外部品质更重要。红枣的内部品质包括糖度、酸度等。利用近红外漫反射光谱技术对南疆红枣糖度进行无损检测,应用傅立叶变换近红外光谱仪采集红枣光谱图,糖度的测定选用数字阿贝折射仪。分别选用偏最小二乘法(PLS)和主成分回归分析法(PCR)的化学计量学方法建立红枣校正模型,光谱数据预处理选择一阶导数光谱、平滑等,得到的校正相关系数(Rc)为0.942 5,预测相关系数(Rp)为0.910 4,校正标准偏差(SEC)值为1.02。预测标准偏差(SEP)值为0.836,主因子数为5。     

基于高光谱成像技术的柑橘缺陷无损检测

应用高光谱成像技术无损检测柑橘的缺陷。选取蒂腐、黑斑、褐腐、结痂缺陷果和正常果各30个,提取并分析了5类果皮感兴趣区域光谱曲线并结合主成分分析法确定2个最佳波长(615nm和680nm),然后基于特征波长作主成分分析,选取第2主成分作为分类识别图像,提出采用特征波长主成分分析法与波段比算法相结合的方法,识别率达到94%。试验结果表明,高光谱成像技术可以有效地对带有蒂腐、黑斑、褐腐、结痂缺陷的柑橘进行分类识别。     

近红外透射光谱无损检测赣南脐橙糖度的研究

探讨了近红外透射光谱无损检测赣南脐橙内部糖度指标的可行性,并建立近红外透射光谱与赣南脐橙内部糖度指标之间的关系.以80个赣南脐橙为研究对象,利用透射光谱测定法获取完整赣南脐橙的近红外光谱(200～1100nm),选取不同的光谱波段范围对水果样本的透射光谱进行有效信息的提取,并结合多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘法(PLS)3种不同的数学校正方法对赣南脐橙的糖度(SC)进行定量分析.实验结果为:在550～900nm波段范围内,PLS校正模型的预测精度最好,其相关系数为0.9032,预测样本均方根误差为0.2421.实验结果表明,近红外透射光谱可以作为一种准确、可靠、无损的检测方法,用于检测赣南脐橙内部的糖度指标.     

高光谱成像技术在水果无损检测中的应用

高光谱成像技术结合了光谱学和成像技术的主要优势,可以同时获得一个样本的空间分布及物理和化学性能,是水果无损检测的发展趋势。为此,主要介绍了高光谱成像原理、装置、数据处理方法,以及国内外水果内外品质无损检测的应用,并对高光谱成像技术在水果无损检测中的不足及未来趋势进行了分析。     

基于近红外漫反射光谱技术的芒果糖度无损检测方法研究

近红外光谱分析技术是近年迅速发展的一门绿色分析技术,具有快速、准确、无损伤检测的特点,正越来越广泛地应用于水果内部品质的无损检测。为此,应用近红外漫反射光谱技术无损检测芒果糖度,光谱数据经一阶微分和Savitzk-Golay预处理后,分别采用主成分回归法(PCR)和偏最小二乘法(PLS)建立芒果糖度近红外分析模型,当主成分数为10时,预测相关系数R分别为0.838 69,0.976 59,RMSEC分别为1.628 4,0.205 8,MEP为1.235 0,0.738 3;采用BP神经网络对70个样品光谱进行训练,建模集相关系数达到0.983 3,而对36个预测样品集的相关系数只有0.663 9;调整建模集和预测集样品,相关系数增大到0.683 6,平均相对误差由10.336 9%降到8.057 6%。研究结果表明,利用近红外漫反射光谱技术对芒果糖度进行无损检测是可行的。     

高光谱成像技术无损检测水果缺陷的研究进展

水果缺陷无损检测是水果分级的重要依据。随着图像技术与光谱信息的发展、高光谱成像系统硬件成本的下降和性能的提升,高光谱成像技术在水果缺陷无损检测方面获得了越来越多的应用。为了能充分利用最新研究成果,从高光谱成像技术在水果的缺陷无损检测方面,综述了水果损伤、病害、虫害等缺陷无损检测的研究进展,并对其发展方向进行了展望。     

苹果糖度高光谱图像可视化预测的光强度校正方法

针对类球形水果表面曲率变化引起高光谱图像光响应强度差异较大,难以有效预测各部位的品质信息的问题,以富士苹果为研究对象,对高光谱图像进行黑白标定后,以糖度测试部位为感兴趣区域提取平均光谱并建立糖度的定量预测模型,校正集相关系数Rc为0.930 5,校正均方根误差RMSEC为0.433 1;高光谱图像经构建掩模消除样本背景噪声后,提出了高光谱图像光强度校正方法,比较校正前后的高光谱图像能量分布图可以发现光强度得到有效补偿,对校正后的高光谱图像标记空间信息并提取对应光谱,用已建立的苹果糖度模型计算各像素点对应的糖度值,绘制苹果糖度的伪彩色分布图。研究结果表明,高光谱图像经强度校正可以快速无损的预测苹果的糖度及其分布。     

近红外技术对南疆冬枣糖度无损检测的研究

筛选具有代表性的100个新疆南疆和田冬枣作为试验样品,采用近红外光谱分析技术对冬枣样品的糖度进行分析。结果表明:通过相关系数法选取特征波长区间的波数分别为5 303~5 600 cm-1、6 205~6 302cm-1、7 308~7 405 cm-1,然后作多元散射校正、一阶导数和Savitzky-Golay卷积平滑法预处理后,建立的偏最小二乘法(PLS)校正模型效果最好,校正标准偏差(SEC)为0.613,预测标准偏差(SEP)为0.573,相关系数(R)为0.967,具有良好的预测效果,满足生产实践的要求。试验表明,近红外光谱分析技术适合南疆冬枣的糖度无损检测。     

基于高光谱成像的柑橘黄龙病无损检测

采用高光谱成像技术,结合最小二乘支持向量机(LS-SVM)和偏最小二乘判别分析(PLS-DA)2种方法,探索柑橘黄龙病快速无损检测的可行性。在380~1 080 nm光谱范围内,采集正常、轻度黄龙病、中度黄龙病、重度黄龙病和缺素5种柑橘叶片的高光谱图像。采用方差分析方法,分析了正常、轻度黄龙病、中度黄龙病、重度黄龙病和缺素5种叶片的叶绿素、淀粉和可溶性糖含量间的差异,表明3指标可作为判别黄龙病的指示性指标。采用偏最小二乘法,建立了叶绿素、可溶性糖及淀粉3指标含量的定量分析数学模型,模型预测均方根误差分别为7.46、5.51、5.88,提供了柑橘黄龙病高光谱成像快速检测依据。提取高光谱图像感兴趣区域的平均光谱,通过分析正常、轻度黄龙病、中度黄龙病、重度黄龙病和缺素5种叶片的代表性光谱,在750 nm处吸光度存在差异。采用2阶导数处理样品光谱,消除了450~650 nm和800~1 000 nm波段的基线漂移,放大了有效光谱信息。采用主成分分析(PCA)和连续投影算法(SPA)筛选柑橘黄龙病LS-SVM定性判别模型的输入变量,建立了LS-SVM定性判别模型,同时与PLS-DA进行对比。采用未参与建模的预测集样品评价模型性能,结果表明PLS-DA模型判别柑橘黄龙病的准确率更高,模型误判率为5.6%。实验结果表明,高光谱成像技术结合偏最小二乘判别分析方法可实现柑橘黄龙病快速无损检测与黄龙病病情等级判别。     

基于高光谱技术的牛肉含水率无损检测

牛肉含水率的高低不仅直接影响牛肉品质,而且会对消费者造成经济损失。为此,通过实验探究了采用高光谱图像技术对牛肉含水率进行检测的可行性,为检测牛肉品质提供依据。采用82个牛肉后腿样本作为实验材料,按5×4×1cm的规格通过国际烘干法测量其真实含水量,并采集它们的光谱图像;获取样本的光谱信息后,通过ENVI及Mat Lab软件获取感兴趣区域。同时,利用不同的预处理方法,分别建立BP神经网络和偏最小二乘校正模型,通过比对两种模型结果,偏最小二乘校正模型能够更有效预测牛肉含水率,校正集相关系数为0.91,校正标准差为0.121,预测集的相关系数为0.89,预测标准差为0.118。研究结果证实,利用高光谱图像技术可以快速无损检测牛肉含水率。     

基于混合线性分析的苹果糖度近红外光谱检测

将主要用于纯组分定量分析的混合线性分析法的一种变形算法（HLA/XS法）移植到苹果糖度这一非纯组分含量指标的近红外光谱检测中,并与偏最小二乘法（PLS）进行比较.应用结果表明,虽然最佳的HLA/XS校正模型（18个主因子）比最佳PLS校正模型（11个主因子）复杂,但其精度却明显优于PLS模型：利用校正集的28个苹果样本建立的糖度HLA/XS校正模型,其相关系数r2和校正标准偏差SEC分别为0.925 09和0.406 18;该校正模型经预测集的11个样本验证,r2和预测标准偏差SEP分别达到0.876 11和0.484 80.HLA/XS糖度模型对苹果光谱的SEC和SEP分别比PLS法的SEC（0.414 73）和SEP（0.504 73）减小了2%和3.9%.结果表明,在诸如苹果糖度这一类农产品品质综合指标（非纯组分含量指标）的光谱检测中,应用混合线性分析法（HLA/XS）进行定量分析是可行的.并且其结果可与偏最小二乘法（PLS）的结果相同.     

基于高光谱图像技术的农产品品质无损检测

高光谱图像技术结合了计算机图像与光谱技术两者的优点,是农产品品质无损检测技术的发展趋势.为此,阐述了农产品品质检测中高光谱图像技术的基本原理;介绍了高光谱图像技术在农产品外部品质和内部品质检测中的应用现状及信息处理方法;并对高光谱图像技术应用于农产品品质检测技术的发展提出了建议.     

高光谱成像技术在水果品质无损检测中的研究现状

高光谱成像技术能实现"图谱合一",被广泛应用于各种水果的品质检测.为了深入了解高光谱成像技术在水果品质检测中的应用研究,介绍了高光谱成像技术的基本原理与数据处理方法以及高光谱成像技术在水果品质检测的进展,讨论了高光谱成像技术在水果品质检测中的发展趋势及存在的不足.     

猕猴桃糖度红外光谱检测的试验研究

运用DRS回归分析软件对猕猴桃糖度与红外光谱曲线二次微分波峰处对应的吸光值进行了多元回归分析,建立了最佳单波数、最佳双波数组合、最佳三波数组合和最佳四波数组合的回归方程,相关系数R分别为0.637、0.731、0.991和0.67;标准校正误差分别为0.585、0.614、0.0379和0.712;相对校正误差分别为0.039、0.029、0.044和0.03.     

高光谱成像结合模式识别无损检测猕猴桃成熟度

为实现“贵长”猕猴桃成熟度的快速无损检测,提出高光谱成像结合模式识别建立识别模型的检测方法。首先利用可见/近红外(390～1 030 nm)高光谱成像系统采集不同成熟阶段猕猴桃样本的高光谱图像,并获取整个样本区域的光谱反射率。然后对比3种光谱预处理方法：二阶导数、标准正态变换以及多元散射校正对原始光谱的预处理效果。最后分析偏最小二乘判别分析(PLS-DA)和简化的K最近邻(SKNN)模式识别方法对猕猴桃成熟度的识别性能。结果表明：相对于标准正态变换和多元散射校正两种光谱预处理方法,二阶导数预处理方法对原始光谱的预处理效果相对较好。另外,PLS-DA识别模型对猕猴桃成熟度的识别性能要优于SKNN识别模型,其正确识别率达到100%。表明采用高光谱成像技术结合模式识别方法判别“贵长”猕猴桃成熟度是可行的。     

基于水果无损糖度检测结果的分拣技术研究

【目的】为了解决传统水果糖度检测装置体积庞大、造价昂贵、不易推广、检测过程中需要破坏样品等问题。【方法】课题组设计了一款基于安卓手机进行苹果无损糖度检测并结合柔性分拣技术进行苹果多级分拣的系统,分析了该系统的创新点及软硬件设计,并选取80个无外部机械损伤和缺陷的红富士苹果进行了系统调试与试验,通过手机对每个苹果拍摄4次照片,在手机App中将光谱信息转化为数字信号,再进行模型分析和处理,最终将测量糖度数值显示在手机App上。【结果】经过多次测量,该系统检测误差为0.64%～8.37%,精度较高,能够较好地与模型拟合。【结论】1）该系统能够很好地实现苹果糖度无损检测,并且通过糖度和大小两项指标对苹果进行多级柔性分拣可以提高苹果质量,收获口碑,提高区域知名度,以点带面,带动地方经济发展,推动乡村振兴;2）目前试验中所采用的水果均为无外部机械损伤和缺陷、无病害的苹果、梨等薄皮水果,针对内部有损害或表面有破损的苹果或其他类型水果的糖度检测模型还需要进一步研究。     

农产品无损检测中高光谱成像技术的应用研究

高光谱成像技术集成了计算机成像技术和光谱技术的优势,能够在连续空间内同时获得被测物的光谱信息和图像信息,可对农产品内外部品质进行可视化研究.尽管高光谱成像技术起源于高空遥感,但近几年仍以高效快速的检测分析方法出现在农产品无损检测领域,成为该领域重要研究方向.为此,对高光谱成像技术的原理特点以及其成像技术在农产品无损检测中应用的最新研究进展进行了综述,分析总结了国内外高光谱成像技术在农产品品质无损检测发展中存在的问题以及应用前景,以期该技术在我国农产品品质无损检测领域中发挥更大的作用.     

高光谱成像技术在水果多品质无损检测中的应用

简介高光谱成像系统的原理及优势,综述国内外高光谱技术在水果内部和外部品质检测方面的应用,分析其在相关检测中存在的主要不足,展望其未来发展方向,为提高高光谱成像技术在水果多品质无损检测中的检测准确性提供参考。