利用荧光高光谱图像技术无损检测猕猴桃糖度

将405nm激光照射到猕猴桃样品上,当激光透过样品内部时,部分单色光被样品内部成分吸收,释放出荧光,再用高光谱成像系统采集诱导出的荧光散射图像.在荧光散射图像上选取感兴趣荧光区域(ROIs),提取感兴趣区域在波长400～1000nm范围内的特征变量.当提取12个特征变量时,建立的猕猴桃糖度多元线性回归(MLR)模型的校正集相关系数Rc为0.932,预测均方根误差(RMSEC)为0.4764°Brix,预测集相关系数Rp为0.8227,预测均方根误差(RMSEP)为0.5645°Brix.研究结果表明,采用激光诱导荧光成像技术无损检测猕猴桃糖度是可行的.     

苹果任意姿态下高光谱图像感兴趣区域选取方法

针对实际生产线上基于高光谱成像技术检测苹果内部品质时由于高亮区、果梗和果萼等区域光谱差异大导致的糖度误差问题,本研究提出了一种随机姿态下苹果高光谱图像感兴趣区域的选取方法,可实现感兴趣区域的自动选取。该方法首先将高光谱图像各像素点按照700 nm波长的光谱强度值进行直方图统计,获取各像素点光谱强度的大小关系,保留光谱强度前40%的区域,对其进行形态学腐蚀操作,去除其中700 nm光谱强度值大于3 900的过度曝光像素点,获得苹果原始感兴趣区域;然后基于原始感兴趣区域,建立不同大小感兴趣区域对应的平均光谱与苹果糖度的偏最小二乘回归(PLSR)模型,探究苹果感兴趣区域大小与预测精度的关系,进一步缩小感兴趣区域。最终选取原始感兴趣区域光谱强度前70%的区域作为感兴趣区域对任意姿态下的苹果糖度进行预测。基于该方法,建立了基于高光谱成像技术的苹果糖度无损检测模型,实测验证结果表明,经黑白校正、标准正态变换(SNV)预处理后建立的竞争性自适应重加权算法偏最小二乘回归模型(CARS-PLSR)的预测精度最高,其校正集决定系数(R■)为0.9206,校正集均方根误差(RMSECV)为0.3203°Br...     

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R~2=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R~2=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R~2=0.9917,RMSEC=0.1092,RMSEP=0.1028,通过高光谱建模得到的R~2=0.9849,RMSEC=0.1489,RMSEP=0.1397。通过分析发现绝大多数样本的残差值都在±1.0之间,检验集样本真实值和预测值之间的有很强的相关性,通过两种光谱建立模型的各指标数据均能达到要求。近红外光谱技术相比于高光谱成像技术更加稳定和准确。     

基于高光谱图像技术的沙梨无损检测

为探讨基于高光谱图像技术对沙梨糖度无损检测的可行性,采集80个沙梨样本在400～1 000 nm内的高光谱图像数据及其对应的糖度,采用变量标准化、多元散射校正(MSC)、平滑滤波、基线校正等方法对原始光谱数据进行预处理,发现MSC预处理效果最佳,再通过无信息变量消除法对MSC预处理后的光谱数据进行压缩,最后分别建立BP神经网络和PLS沙梨糖度预测模型.结果表明:无信息变量消除法将光谱变量压缩到234个,有效减少了建模的输入变量,建立的PLS预测模型和BP神经网络的预测相关系数均在0.85以上,而PLS预测模型的相关系数为0.9508,均方根误差为0.268,优于BP神经网络模型.     

近红外漫反射无损检测梨果糖度及pH值的研究

【目的】应用近红外漫反射光谱技术无损检测梨果的糖度和pH值。【方法】采集完整梨果的近红外漫反射光谱(350~1 800 nm),光谱经移动窗口平滑处理、一阶微分和多元散射校正预处理后,再分别采用多元线性回归、主成分回归和偏最小二乘法,建立梨果糖度和pH值的定量预测数学模型。【结果】采用一阶微分结合偏最小二乘法所建模型的预测效果较好,糖度和pH值定量预测数学模型的相关系数分别为0.928 5和0.858 4,均方根误差分别为0.436 4和0.120 5。【结论】近红外漫反射光谱作为一种无损的检测方法,可用于评价梨果的糖度和pH值。     

基于高光谱成像的猕猴桃表面疤痕无损识别

为实现猕猴桃表面疤痕的快速无损识别,以贵长猕猴桃为研究对象,采用高光谱图像采集系统(400~1 000 nm)采集完好无损猕猴桃和表面有疤痕猕猴桃的高光谱图像。对采集到的高光谱图像进行了最小噪声分离变换,结合阈值分割及数学形态学处理方法提出了猕猴桃表面疤痕的识别方法。结果表明:采用最小噪声分离变换可有效地消除高光谱图像中的噪声;完好无损和表面有疤痕的猕猴桃样本在700~810 nm以及810~1 000 nm的光谱反射率值具有明显的差异,选取785.98 nm处的光谱反射率值为0.30~0.56以及982.59 nm处的光谱反射率值为0.54~0.73作为区分猕猴桃正常区域和表面疤痕区域的阈值条件,进一步利用阈值分割方法对60个完好无损的和60个表面有疤痕的猕猴桃进行识别,正确识别率分别为98.3%和95.0%,说明高光谱成像技术可用于猕猴桃表面疤痕的快速无损识别。     

基于高光谱图像技术的大豆品种无损鉴别

为解决传统大豆品种检测方法存在的效率低和精度差等问题,应用高光谱图像分析技术展开大豆品种甄别研究。采集10个品种(每品种100粒,共1 000粒)大豆样本400.92~999.53 nm的高光谱反射图像,分别进行中值平滑、多元散射校正和数据标准归一化预处理去噪,提取样本图像中心30×30 pixels感兴趣区域的平均光谱曲线和标准差曲线。分别以样本平均光谱值主成分得分、标准差光谱值主成分得分及两者结合作为模型输入,基于T-S模糊神经网络和随机森林思想组合分类器构建鉴别模型。经中值平滑的光谱平均值和标准差作输入,结合随机森林思想的组合分类模型鉴别效果最佳,训练集、测试集的平均鉴别率分别达99.6%和97.6%。结果表明,采用高光谱图像技术可实现大豆品种高精度无损鉴别。     

基于高光谱图像和3D-CNN的苹果多品质参数无损检测

[目的]为解决水果品质无损检测中成本、效率、精度问题,提出了一种基于高光谱图像和三维卷积神经网络(3D-CNN)的苹果高光谱多品质参数同时检测方法。[方法]使用高光谱成像系统获取400～1 000 nm波段的苹果样本的高光谱反射图像并使用S-G平滑法对原始图像进行去噪处理,在此基础上,对采集到的高光谱图像通过多感兴趣位置的选取以及间隔波段抽取重组的方法进行样本扩充,再利用三维卷积神经网络建立样本扩充后的苹果高光谱图像与苹果糖度、硬度、含水量的多任务学习模型,通过该模型实现对苹果的糖度、硬度、含水量等品质参数的无损检测。[结果]采集245个苹果的高光谱图像及其对应的品质参数信息,通过样本扩充的方法将原始数据集扩充至9 800个样本后进行建模和验证。结果表明:本算法建立的苹果糖度、硬度、水分的分类模型,在糖度类间隔为1°Brix、硬度类间隔为0.5 kg·cm~(-2)、含水量类间隔为10%的情况下,糖度、硬度、水分的预测准确率分别为93.97%、92.29%和93.36%,回归模型糖度、硬度和水分的相关系数最高分别达到0.827、0.775和0.862,比最优的传统算法分别提高15.0%、17.0%和17.2%。[结论]本算法能够较准确实现苹果高光谱多品质参数同时检测,且相对传统方法预测精度有较大提升。     

基于高光谱成像技术的富士苹果轻微机械损伤检测研究

为降低苹果损伤造成的商业损失,延长苹果的储存期,利用高光谱成像技术实现了基于特征波段的苹果表面轻微机械损伤的快速、无损检测。以120个富士苹果为研究对象,首先利用波段范围在400～1 000nm的高光谱成像光谱仪获取完好和轻微损伤0、2、4 h的富士苹果的高光谱图像,并提取感兴趣区域的平均光谱数据,然后通过两次连续投影法进行分析,去除光谱波段间的冗余信息,找到共线性最小的波段组合(821 nm和940 nm);其次,对特征波段图像进行主成分分析,选择完好与损伤区域差异明显的第二主成分(PC2)作为检测损伤的有效图像;最后,对有效图像进行固定阈值分割和形态学处理,得到苹果表面机械损伤的检测结果。利用该方法对验证组40个正常和轻微损伤不同时间段的苹果进行测试,总体正确率达到94. 4%。     

基于高光谱成像技术生长发育后期苹果糖度的无损检测

【目的】研究应用高光谱成像技术无损检测生长发育后期苹果糖度的可行性。【方法】以生长发育后期的"富士"苹果为对象,基于采集到的波长900~1 700nm高光谱数据,建立预测苹果糖度的偏最小二乘(PLS)、支持向量机(SVM)和极限学习机(ELM)模型,并比较主成分分析(PCA)和连续投影算法(SPA)2种数据压缩或特征波提取方法对预测模型精度的影响。【结果】采用PCA方法可将全光谱压缩至9个主成分,采用SPA从全光谱的230个波长中提取出了13个特征波长,两者相比,SPA能更有效地提高模型预测能力。预测生长发育后期苹果糖度的最佳模型为基于SPA的PLS模型,其预测集相关系数为0.945,均方根误差为0.628°Brix。【结论】高光谱图像技术可以用于生长发育后期苹果糖度的无损检测,该技术的应用将有助于指导苹果的种植和适时采收。     

脐橙糖度光谱图像检测技术研究

对采集到的不同波长的光谱图像灰度分布进行洛伦茨分布(LD)、高斯分布(GD)、指数分布(ED)函数拟合,通过比较发现洛伦茨分布为最优灰度分布拟合函数.将脐橙的糖度与洛伦茨分布函数拟合所得参数分别进行多元线性回归,建立最佳单波长、最佳双波长组合、最佳三波长组合和最佳四波长组合的校正方程.结果表明:利用光谱图像技术无损检测脐橙糖度是可行性的.     

脐橙表面农药残留的计算机视觉检测方法研究

经不同种类农药处理后,采集脐橙激光散射图像,通过对表面是否喷洒农药,以及表面喷洒不同种类农药的水果图像进行处理,用一元非线性方程拟合脐橙图像灰度值分布曲线。结果表明,脐橙图像灰度值在10~100范围内的灰度曲线拟合模型与农药残留是密切相关的,能用于区分脐橙表面是否存在农药残留。     

纽荷尔脐橙变异株系果实品质分析研究

对9份纽荷尔脐橙试材(6个变异株系+3个对照)进行了果实品质的测定分析,研究结果表明,与对照纽荷尔脐橙相比,6个变异株系在可食率、可溶性同形物含量、固酸比、Vc含量、出汁率等多项果实品质指数上表现出优势,且变异株系母子代果实品质性状具有较好的稳定性.     

留树保鲜对‘纽荷尔’脐橙果实糖酸及色泽的影响

为研究留树保鲜与低温冷藏对‘纽荷尔’脐橙果实糖酸及色泽的影响,以‘纽荷尔’脐橙为试验材料,对留树保鲜和低温冷藏过程中果实色差指数、可溶性固形物、可溶性糖及有机酸含量变化进行测定。在2种贮藏方式下,‘纽荷尔’脐橙果实色差指数和总糖含量呈上升趋势,可滴定酸含量在整个贮藏过程中不断下降,而可溶性固形物含量变化不大;留树保鲜的果实糖酸比在贮藏40 d前低于低温贮藏,但在40 d后留树保鲜的糖酸比值迅速增加并超过冷藏果实的糖酸比;‘纽荷尔’脐橙果实蔗糖含量最高,其次是果糖和葡萄糖,且果实蔗糖、葡萄糖和果糖含量变化趋势表现一致,均随贮藏时间变化呈上升趋势;果实柠檬酸含量呈现下降趋势,酒石酸含量比较稳定,奎尼酸和苹果酸含量呈先下降后上升再下降的趋势。与低温冷藏相比,留树保鲜能显著提高‘纽荷尔’脐橙果实色差指数,延缓果实有机酸含量的下降,但可溶性固形物和可溶性糖含量无显著性差异,说明留树保鲜能提高‘纽荷尔’脐橙果实的贮藏品质。     

天达2116植物营养液对柑橘果实产量和质量的影响

以纽荷尔脐橙为试材,用天达2116植物营养液在不同时期进行叶片施用,树干涂抹和灌根等措施的田间肥效试验,结果表明天达2116植物营养液促进了柑橘枝梢生长发育,在怀化橘园单产比0.3%磷酸二氢钾和清水两个对照分别提高了18.53%和37.25%,在永顺橘园单产比0.3%磷酸二氢钾和清水两个对照分别提高了12.63%和21.05%。天达2116提高了果实可溶性总糖、可溶性固形物、Vc含量。怀化橘园施用天达2116与清水对照相比,全氮、全钾、全钙和全镁含量降低了,全磷含量提高了,永顺橘园全氮和全钾含量降低了,而全磷和全钙含量提高了,全镁含量没有差异。     

采后葡萄可溶性固形物含量的高光谱成像检测研究

提出一种应用高光谱成像技术检测葡萄可溶性固形物含量的方法。使用高光谱成像系统采集葡萄漫反射光谱,在500~1 000 nm光谱,采用多元散射校正(MSC)、标准正态变换(SNV)进行光程校正,结合一阶微分(1-Der)、二阶微分(2-Der)、Savitzky-Golay(S-G)平滑方法及其组合对原始光谱进行预处理,建立可溶性固形物含量的偏最小二乘法(PLS)和逐步多元线性回归(SMLR)模型。结果表明:采用PLS和SMLR建模方法均取得较好的预测效果。采用经过MSC、1-Der和S-G平滑相结合预处理后的光谱建立PLS预测模型,校正集的相关系数Rc为0.979 1,RMSEC为0.265,预测集的相关系数Rp为0.962 0,RMSEP为0.372;采用原始光谱、1-Der和SG平滑相结合预处理后的光谱建立SMLR预测模型,校正集的相关系数Rc为0.967 8,RMSEC为0.327,预测集的相关系数Rp为0.947 2,RMSEP为0.394。以上表明,基于高光谱成像技术可以实现采后葡萄可溶性固形物含量的准确无损检测。     

湿法消解-原子荧光光谱法测定赣南脐橙果皮和果肉中的砷含量

以检测水果中有害元素(以As为例)含量为目的,实验选用赣南脐橙作为样品,采用湿法消解-原子荧光光谱法测定其果皮和果肉中有害元素砷的含量。实验先用湿法消解的方法预处理赣南脐橙的果皮和果肉,制备好样品,再用原子荧光光谱仪测定样品中痕量砷的含量。结果表明,脐橙果皮和果肉中含有微量砷元素,所检测的脐橙中平均含砷量为0.096 mg/kg(果皮)、0.020 mg/kg(果肉),脐橙样品中元素砷主要累积在果皮。     

中晚熟脐橙新品种园丰脐橙特性与高接鉴定

园丰脐橙系湖南省园艺研究所1993年从资兴市坪石乡华盛顿脐橙园中选出的具有自主知识产权的优良变异株系,经过10多年的观察鉴定,其主要经济性状稳定。多点试验结果表明:该品种适应性强,树势生长强壮,树姿较开张,结果早,花量中等,自然坐果率高,以树冠内堂和下部结果为主,无明显大小年结果现象,丰产稳产;果实近圆形,平均单果重264 g,果型指数:1.03,果形较整齐,l2月上中旬成熟。果实含可溶性固形物12.1%,总糖9.87 g/100mL,总酸0.85 g/100mL,维生素C为59.74mg/100mL,固酸比14.24,可食率71.20%。果皮橙红或深橙红,果肉脆嫩化渣,酸甜可口,品质上乘。高接树1 a可恢复树冠,第2年开花结果,第3、4年平均产量可达25～30 kg/株。     

柑橘新品种金峡桃叶橙区域试验

桃叶橙[Citrus sinensis(L.)Osbeck cv.Taoyecheng]原产秭归县屈原镇龙马溪村,品质优良,被誉为"峡橙三秀"之一。然而,随着1990年脐橙产业发展壮大以来,桃叶橙种植面积逐渐萎缩,同时由于栽培品种混杂,品质性状表现参差不齐,阻碍了桃叶橙产业的稳定发展。为了复兴桃叶橙产业,推广地方特色品种,优化柑橘品种结构,项目组自2009年以来一直开展桃叶橙的提纯选优工作,通过长期调查搜集、品质测定和分子鉴定,最终筛选出果大、少核、高糖低酸的金峡桃叶橙(C.sinensis cv.Jinxia Taoyecheng),并在秭归县和武汉市开展了区域试验,旨在为桃叶橙新品种选育及桃叶橙产业的复兴奠定基础。     

果汁澄清处理对脐橙酒品质影响的研究

为探讨果汁澄清处理对脐橙酒高级醇和挥发性酯类香气成分形成的影响,利用壳聚糖对脐橙汁进行澄清处理,分别对不同澄清度的脐橙汁调整可溶性固形物为18％、pH3．5,接入0．02％的活性干酵母于20℃下发酵。结果表明,脐橙汁未经过澄清处理,发酵后酒的高级醇含量达0．48g/L左右,当果汁透光率在80％时,高级醇含量降至0．27g/L。GC—MS检测结果表明,脐橙酒的主要香气成分是柠檬烯和乙酸辛酯,清汁发酵较原汁发酵分别提高了10．76％和15．89％,表明对脐橙汁进行澄清处理有利于脐橙酒香气的形成。