光谱采集位置和数量对番石榴 无损检测的影响

基于漫反射法的番石榴可溶性固形物含量（SSC）无损检测中,确定番石榴最佳光谱取样的位置和数量,对提高检测精度具有重要意义。分别采集番石榴顶端、赤道和底部区域漫反射光谱,每个区域采集4 处,以赤道1处、赤道4 处平均和全部12 处平均光谱作为各样本的光谱,建立PLS 模型并对独立预测集样本进行预测。结果显示,12 处平均光谱数据建模效果最好,其预测相关系数Rp=0.962,预测均方根误差RMSEP=0.432;赤道4 处平均光谱建模效果次之,Rp=0.793,RMSEP 为0.588;赤道1 处光谱建模效果最差,Rp=0.687,RMSEP=0.599。再经过连续投影算法（SPA）筛选全谱变量,得到23 个特征波长,此时PLS 模型的Rp=0.902,RMSEP=0.438。试验结果表明,番石榴多处平均的漫反射光谱充分携带其内在品质信息,建模效果优于单处或单区域采样光谱。     

基于光谱信息的柑橘黄龙病无损检测及分级模型构建

柑橘黄龙病(Huanglongbing,HLB)是世界柑橘生产上最具毁灭性的病害,给果农和相关产业造成了巨大的损失.以柑橘叶片为载体,利用高光谱图像技术采集柑橘叶片表面的高光谱图像,用ENVI4.7进行图像处理,提取感兴趣区域(Region of Intest,ROI),统计感兴趣区域平均光谱数据,并进行相关植被植物的运算,最后通过PLS-DA(Partial Least Squares Discrimination Analysis)判别法进行鉴别并分类.结果表明:基于平均光谱值和植被指数的PLS-DA判别模型都能对健康、缺锌和HLB叶片进行鉴别.其中基于平均光谱值的PLS-DA模型鉴别健康柑橘叶片样品的灵敏度为100％,特异度为100％,准确度为100％;鉴别缺锌柑橘叶片样品的灵敏度为80.6％,特异度为91.7％,准确度为88.9％;鉴别HLB叶片的灵敏度为89.3％,特异度为88.3％,准确度为88.9％.基于植被指数的PLS-DA判别模型鉴别健康柑橘叶片样品的灵敏度为100％,特异度为100％,准确度为100％;鉴别缺锌柑橘叶片样品灵敏度为92.5％,特异度为89.3％,准确度为90.1％;鉴别HLB叶片的灵敏度为86.4％,特异度为95.3％,准确度为90.1％.识别正确率较高,说明利用高光谱进行柑橘黄龙病病情分类是可行的.