可食性保鲜涂膜对冷藏黄花梨品质的影响

为探讨可食性涂膜对冷藏黄花梨的保鲜效果,研究了虫胶和森帕尔2种保鲜膜浸涂的黄花梨在冷藏（4℃）过程中的品质变化的规律,并利用核磁共振成像检测了储藏结束后的黄花梨内部品质变化。结果表明,与直接冷藏的对照组相比,2种可食性保鲜膜处理均可显著降低黄花梨在储藏过程中的呼吸速率和失重,在储藏结束后,分别仅为对照组的74%～80%和68%～81%。并能够减少储藏过程中可溶性固形物、可滴定酸、抗坏血酸含量的变化,维持较低的核磁共振信号强度。与森帕尔保鲜膜相比,除在核磁共振信号强度无显著差异外,虫胶保鲜膜具有更好的保鲜效果。     

基于Random Forest的水稻细菌性条斑病识别方法研究

为了快速、准确、有效地识别发病早期的细菌性条斑病,提出基于随机森林(Random forest,RF)算法的水稻细菌性条斑病识别方法,利用光谱成像技术获取该病害的高光谱数据,通过多元散射校正减少和消除噪声及基线漂移对光谱数据的不利影响。利用随机森林特征重要性指标,选取逻辑回归(LR)、朴素贝叶斯(NB)、决策树(DT)、支持向量分类机(SVC)、k最近邻(KNN)和梯度提升决策树(Gradient boosting decision tree,GBDT)算法进行对比试验。同时筛选出12个位于450~664 nm范围内对识别模型有重要影响的光谱波段,并与全波段进行分类结果比较。试验结果表明:RF算法的分类准确率为95.24%,与试验选取的其他算法相比,效果最优,比NB准确率提高了20.97个百分点;与全波段分类结果相比,利用RF算法基于12个波长的识别,波长数减少了98.05%,识别精确率为94.66%,召回率为99.55%,F1值为97.04%,准确率为94.32%。虽然精确率减少了2.97个百分点、准确率减少了0.85个百分点,但召回率增加了4.4个百分点、F1值增加了0.67个百分点,模型精度满足要求。     

基于结构光三维点云的棉花幼苗叶片性状解析方法

针对传统的棉花叶片表型测量方法主观、低效,对复杂性状如卷叶程度、黄叶占比等很难量化的问题,提出一种基于结构光三维成像的棉花幼苗叶片性状解析方法。首先,采用结构光扫描仪获取棉花幼苗的三维点云数据;然后,利用直通滤波、超体聚类、条件欧氏距离算法,实现叶片点云的识别与分割;最后,基于分割的叶片点云,采用三角面片化、随机采样一致性、Lab颜色分割等处理,实现叶片面积、周长、生长角度、卷曲度、黄叶占比等参数的快速、准确、无损提取。对40株棉花幼苗进行三维结构光成像试验,结果表明,3D叶片面积、周长测量的平均绝对误差分别为2. 59%、2. 85%,具有较高的测量精度,还证明叶片卷曲度和黄叶占比能显著区分病叶和正常叶。     

光电检测技术在马铃薯品质检测中的研究进展

近年来,我国大力推动实施马铃薯主粮化战略,品质控制是重要的支撑技术,需在马铃薯的专用品种选育、主食产品加工、储藏运输及终端消费等多个产业链环节进行检测。为此,围绕马铃薯质量安全管控方面的需求,详细介绍了机器视觉技术、近红外光谱分析技术及高光谱成像技术等光电检测技术在马铃薯外观形态、内部品质及缺陷检测方面的研究和应用现状,并分析了其发展趋势,以期为马铃薯深加工过程中原料筛选和分等分级等提供参考。     

基于无人机成像高光谱影像的冬小麦LAI估测

利用无人机Cubert UHD185 Firefly成像光谱仪和ASD光谱仪获取了冬小麦挑旗期、开花期和灌浆期的成像和非成像高光谱以及LAI数据。首先,对比ASD与UHD185光谱仪数据光谱反射率,评价两者精度;然后,选取7个光谱参数,分析其与冬小麦3个生育期LAI的相关性,并使用线性回归和指数回归挑选出最佳估测参数;最后利用多元线性回归、偏最小二乘、随机森林、人工神经网络和支持向量机构建了冬小麦3个不同生育期LAI的估测模型。结果表明:UHD185光谱仪光谱反射率在红边区域与ASD光谱仪趋势一致性很高,反射率在挑旗期、开花期、灌浆期的R^2分别为0.9959、0.9990和0.9968,UHD185光谱仪数据精度较高;7种光谱参数在挑旗期、开花期、灌浆期与LAI相关性最高的参数分别是NDVI(r=0.738)、SR(r=0.819)、NDVI×SR(r=0.835);LAI-MLR为冬小麦LAI的最佳估测模型,其中开花期拟合性最好,精度最高(建模R^2=0.6788、RMSE为0.69、NRMSE为19.79%,验证R^2=0.8462、RMSE为0.47、NRMSE为16.04%)。     

牛肉嫩度的高光谱法检测技术

为实现对牛肉嫩度的预测和分级,构建了试验用高光谱检测系统,在400～1000nm波长范围内获取牛肉表面的高光谱散射图像.从高光谱图像中提取牛肉的反射光谱曲线,用step-wise逐步回归法选择 430、496、510、725、760和828nm 6个波长建立了多元线性回归模型,用全交叉验证法验证模型的预测效果,模型的预测相关系数为0.96,预测标准差为0.64kg.以嫩度6.0kg为界将样本分为嫩牛肉和粗糙牛肉2类,特征波长处反射值为变量,建立了正则判别函数对牛肉嫩度分级,用全交叉验证法验证训练的效果.嫩牛肉分级准确率为83.3%,较粗糙牛肉分级准确率为90.9%,总的分级准确率为87.0%.研究表明该预测和分级技术具有一定的可行性.     

基于高光谱联合流化床富集的红葡萄酒白藜芦醇检测

利用高光谱成像技术联合流化床富集技术对红葡萄酒中微量成分白藜芦醇的含量进行快速检测。通过高效液相色谱法检测红葡萄酒中白藜芦醇的含量,设计流化床富集装置,研究HPD826、DA-201、AB-8、H103、HPD600共5种树脂对红葡萄酒中白藜芦醇的富集效果,筛选出H103树脂富集效果最优。将H103大孔吸附树脂用于富集红葡萄酒中的白藜芦醇。获取吸附白藜芦醇后树脂的高光谱反射图像(900~1 700 nm),对比5种光谱预处理方法(MSC、SNV、SG-S、RN、QN)对白藜芦醇含量的建模效果,优选出RN预处理方法;建立PLSR、SVMR(LK-SVMR、PKSVMR、RBF-SVMR和S-SVMR)、PCR的6种回归模型,优选出LK-SVMR校正模型和PLSR校正模型,将其用于预测集样本进一步评价模型的精度和稳定性,最终确定PLSR模型为最佳模型。研究表明,基于RN-PLSR的红葡萄酒中白藜芦醇的定量预测模型相关系数R_P=0.852 8,预测集均方根误差为0.036 0,R_C=0.878 3,校正集均方根误差为0.033 0,预测效果最佳,为高光谱技术在微量、痕量成分检测方面的应用提供了参考。     

基于高光谱图像技术预测苹果大小

以新疆红富士苹果为研究对象,探讨应用高光谱图像技术和最小外接矩形法预测其大小的研究方法。提取苹果高光谱图像中可见红色区域受色度影响较小的713nm以及近红外区域793和852nm的3个波长图像,做双波段比运算处理。比较所得双波段比图像可知,852/713双波段比图像中背景和前景灰度对比度最大。对该图像做阈值分割以及形态闭运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法求苹果的大小,与实测值建立回归方程。结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法,能够有效地检测苹果大小,预测值与实际值最大绝对误差为3.06mm,均方根误差为1.21mm。     

油桃外部缺陷的高光谱成像检测

采用高光谱(420~1 000 nm)成像技术对"中油9号"油桃的4种外部缺陷(裂纹果、锈病果、异形果和暗伤果)进行检测判别。对400个样本(4种外部缺陷样本和完好样本)运用偏最小二乘回归(PLSR)从全波段中分别提取了10条特征波长,分别为497、534、657、677、696、709、745、823、868、943 nm。缺陷样本的高光谱图像经过主成分分析后,对876 nm下的单波段图像通过掩膜、Sobel算子处理,并对主成分图像经过区域生长算法实现缺陷样本的缺陷区域分割。对光谱数据进行主成分分析得到前10个主成分值,并对图像数据采用灰度共生矩阵(GLCM)提取得到6项图像纹理指标(均值、对比度、相关性、能量、同质性、熵值)。将主成分值和纹理值融合建立极限学习机(ELM)模型对油桃外部缺陷进行检测判别。结果表明,该模型对缺陷样本的判别正确率为91.67%,完好样本的正确率为100%。     

基于三维激光扫描成像系统的树木干曲线的分形特征

树木干曲线具有分形的结构,文章应用分形方法对甘肃小陇山地区86棵不同树种的单木以及解析木干曲线进行研究,通过计算得到干曲线的分形维数介于2-3之间,研究结果表明同一树种树木干曲线的生长趋势是一致的。经过对单木干曲线和标准解析木干曲线分形维数的测定以及比较分析,可以发现同一树种不同径阶的树木干曲线具有统计意义上的自仿射分形特征,表明分形方法在对树木及其组成部分的形态上的描述作用极大。文章针对立木的测量,采用三维激光扫描成像系统,不仅获得了丰富的测树因子信息,更以此为基础对森林计测学研究进行了扩展,是一项非常有意义的工作。