小少妇BBBBBBBBBBBB,精品国产一区二区三区国产馆杂枝,亚洲国产福利成人一区二区,夜夜爽妓女8888视频免费观看

賽斯拜克中國核心技術(shù)品牌 博士專業(yè)研發(fā)團隊   18年專注高光譜

咨詢熱線:400-888-5135

高光譜成像技術(shù)對獼猴桃糖度的無損檢測應(yīng)用

來源:賽斯拜克 發(fā)表時間:2024-01-25 瀏覽量:538 作者:

獼猴桃內(nèi)部品質(zhì)參數(shù)直接影響其口感,也是決定獼猴桃采摘時間及儲存時間的重要指標(biāo),高光譜成像技術(shù)因其信息量大、光譜分辨率高、操作方便等特點,已廣泛用于如蘋果、櫻桃、柿子、芝麻菜、梨、荔枝等]果蔬內(nèi)部參數(shù)的無損檢測。

隨著科技的不斷進步,高光譜成像技術(shù)已在各個領(lǐng)域展現(xiàn)出巨大的潛力和價值。特別是在農(nóng)產(chǎn)品品質(zhì)檢測中,高光譜成像技術(shù)以其非破壞性、高效性等特點受到了廣泛的關(guān)注。本文將探討高光譜成像技術(shù)在獼猴桃糖度無損檢測中的應(yīng)用。

image.png

一、高光譜成像技術(shù)概述


高光譜成像技術(shù)是一種新型的光譜技術(shù),它結(jié)合了光譜學(xué)和數(shù)字圖像處理,能夠獲取物體在短波長范圍內(nèi)的連續(xù)光譜信息和其對應(yīng)的圖像信息。這種技術(shù)能夠提供豐富的光譜信息,從而幫助我們深入了解物體的內(nèi)在屬性。


二、獼猴桃糖度無損檢測的重要性


獼猴桃是一種營養(yǎng)豐富的水果,其糖度是評價其品質(zhì)的重要指標(biāo)。傳統(tǒng)的糖度檢測方法通常需要對獼猴桃進行破壞性取樣,這不僅會損壞果實,而且檢測效率低下。因此,尋找一種無損、高效的糖度檢測方法顯得尤為重要。


1 實驗部分

1.1 材料

實驗材料為某獼猴桃基地現(xiàn)采的“紅陽”獼猴桃。選取120個大小相近、表面無損傷和疤痕的獼猴桃樣本并依次編號,靜置于實驗室24h,等待采集其高光譜圖像并隨后測量其糖度,實驗期間的環(huán)境溫度(26±1)℃。

1.2儀器與設(shè)備

本實驗應(yīng)用了400-1000nm的高光譜相機,可采用廣東賽斯拜克科技有限公司產(chǎn)品SP130進行相關(guān)研究。光譜范圍在400-1000nm,波長分辨率優(yōu)于2.5nm,可達(dá)1200個光譜通道。采集速度全譜段可達(dá)128FPS,波段選擇后最高3300Hz(支持多區(qū)域波段選擇)。

958fc52a8a42c4604b07706711effce9_35216a68a616a4eb8912499fe857762c

1.3高光譜圖像信息采集

高光譜分選儀預(yù)熱30 min后開始采集圖像,以保證采集時的環(huán)境溫度和光源強度在采集初期和后期保持一致。將標(biāo)準(zhǔn)白板的高度調(diào)整至與獼猴桃樣本在同一焦面上,光譜相機曝光時間為13.5ms,樣本平臺與鏡頭的距離為170mm,電控移動平臺前進距離為11 cm,其前進速度及回退速度分別為0.46和5cm·s1。

1.4獼猴桃糖度測定

采集完所有樣本的高光譜圖像后,當(dāng)天進行并完成獼猴桃糖度測定。根據(jù)行業(yè)規(guī)定,常以獼猴桃赤道部位的糖度來代表整體糖度,參照NT/T2637—2014《水果、蔬菜制品可溶性固形物含量的測定-折射儀法》,對每個獼猴桃樣本依次將其赤道上的果皮削掉,取出適量果肉壓汁,隨后用一次性滴管將汁液滴到SKY107手持式糖度折射儀的檢測槽中,讀出該樣本的糖度理化值示數(shù)。每個樣本以兩次平行測定結(jié)果的算術(shù)平均值作為該樣本的糖度理化測量值。

1.5 高光譜數(shù)據(jù)的提取

采用Spec View軟件對獼猴桃樣本的原始高光譜圖像進行黑白校正,利用ENVI5.1軟件從校正后的圖像中選擇獼猴桃整個赤道區(qū)域作為感興趣區(qū)域并提取光譜,以ROI區(qū)域的平均光譜作為此獼猴桃的原始光譜信息,如圖2(a)所示。

由圖2(a)可知,原始光譜曲線的首尾兩端存在明顯噪聲,故選取每個樣本400~1000 nm波長范圍內(nèi)的高光譜信息作為有效光譜,如圖2(b)所示,該范圍共計237個波長。

1.6模型評價

利用5個指標(biāo)值即校正集的相關(guān)系數(shù)(Rc)及其均方根誤差(RMSEC)、預(yù)測集的相關(guān)系數(shù)(Ro)及其均方根誤差(RMSEP)、相對分析誤差(RPD)來評價模型的預(yù)測性能。其中,Rc和Rp越接近于1,表明模型的穩(wěn)定性及擬合度越高;RMSEC和RMSEP越接近于0,表明模型的預(yù)測能力越強;RPD定義為樣本的標(biāo)準(zhǔn)差與其均方根誤差之比,若RPD<1.4,模型對樣本無法實施預(yù)測,1.4≤RPD<1.8,模型可對樣本進行粗略預(yù)測,1.8≤RPD<2.0,模型可對樣本進行較好預(yù)測,RPD≥2,模型可對樣本進行極好預(yù)測。

2 結(jié)果與討論

2.1樣本劃分

對120個獼猴桃樣本利用拉依達(dá)準(zhǔn)則方法進行異常值的判別和剔除,結(jié)果顯示無異常值,隨后將其按照3:1比例用KS(Kennard-Stone )算法將其劃分為90個校正集樣本、30個預(yù)測集樣本,獼猴桃樣本糖度測量值結(jié)果見表1。

2.2光譜及預(yù)處理

為了減少提取的光譜數(shù)據(jù)中摻雜的噪聲和光譜傾斜,以便提高光譜分辨的靈敏度,進行合理的光譜預(yù)處理是必要的。利用多元散射校正、標(biāo)準(zhǔn)正態(tài)變量變換、直接正交信號校正等3種方法對有效光譜進行預(yù)處理,并分別建立對應(yīng)的ELM預(yù)測模型,其預(yù)測結(jié)果見表2。由表2可知,DOSC-ELM模型的Rc和Rr值最大且RMSEC和RMSEP值最小,預(yù)測效果好,故后續(xù)均基于DOSC預(yù)處理方法進行。

DOSC方法通過將光譜矩陣與待測濃度矩陣正交,在不損害數(shù)據(jù)結(jié)構(gòu)特性的前提下濾除原始光譜中與糖度不相關(guān)的信息,保留最相關(guān)的信息用于構(gòu)建預(yù)測模型。DOSC預(yù)處理前的校正集和預(yù)測集的光譜反射率分別如圖3(a)和圖3(c)所示,DOSC預(yù)處理后的校正集和預(yù)測集的光譜反射率分別如圖3(b)和圖3(d)所示。

從圖3可知,相較于未經(jīng)過預(yù)處理的高光譜圖像,DOSC預(yù)處理后的光譜圖像線條更加緊密,圖3(b)和圖3(d)中所凸起的波峰也反映了預(yù)處理后的光譜數(shù)據(jù)與待測成分即糖度的相關(guān)性得到了良好的提升。DOSC預(yù)處理前后各高光譜波段與獼猴桃糖度的相關(guān)系數(shù)如圖4所示。通常相關(guān)系數(shù)0.5≤|r<0.8時為顯著相關(guān),|r|≥0.8時為高度相關(guān),由圖4可知,經(jīng)DOSC預(yù)處理后大量光譜數(shù)據(jù)與糖度呈現(xiàn)顯著甚至高度相關(guān)。

2.3 特征光譜變量的提取與組合

2.3.1 基于IRIV的特征光譜變量提取

對預(yù)處理后的光譜用IRIV算法提取特征光譜變量時,設(shè)定IRIV算法的交叉驗證次數(shù)為5,PLS模型中的最大主成分個數(shù)為10。IRIV算法一共進行了7輪迭代,如圖5所示。在圖5中,前4輪迭代過程中特征光譜變量的個數(shù)迅速減少,變量個數(shù)從237個縮減到36個,隨著特征光譜變量個數(shù)減少的速度放緩,經(jīng)第6輪迭代后完全剔除了其中的無信息變量和干擾變量,變量縮減到10個,在反向消除2個變量后,最終得到8個特征光譜變量,占全光譜波段的3.4%。經(jīng)過IRIV提取的特征光譜變量分布如圖6所示。

2.3.2 基于CARS的特征光譜變量提取

對預(yù)處理后的光譜用CARS算法提取特征光譜變量時,設(shè)定蒙特卡羅采樣50次,采用5折交叉驗證法。圖7(a)為呈現(xiàn)指數(shù)衰減函數(shù)的選擇過程,特征光譜變量的數(shù)量隨著采樣次數(shù)的增加先迅速下降然后平緩減少,具有“粗選”和“精選”2個特征。由圖7(b)可知,隨著Monte-Carlo采樣次數(shù)的增加,內(nèi)部交叉驗證均方根誤差(RMSECV)呈先緩慢減小后陡然增大的趨勢,這是由于選擇過度而移除了富含信息的關(guān)鍵變量,導(dǎo)致模型的預(yù)測性能下降。圖7(c)是特征光譜變量隨著采樣次數(shù)變化的回歸系數(shù)路徑圖,當(dāng)圖7(b)中RM-SECV值達(dá)到最小值時,各特征光譜變量的回歸系數(shù)位于圖7(c)中的“*”所在的垂直線位置,此時采樣運行5次,最終提取出49個特征光譜變量。

3結(jié)論

以“紅陽”獼猴桃為研究對象,本文利用高光譜成像技術(shù)結(jié)合不同特征光譜變量提取方法構(gòu)建不同模型,對獼猴桃糖度進行無損檢測。研究結(jié)果如下:

(1)對獼猴桃原始有效光譜分別采用MSC,SNV和DOSC預(yù)處理后,結(jié)合ELM模型的預(yù)測結(jié)果,分析不同預(yù)處理方法對模型預(yù)測精度的影響,對比結(jié)果顯示DOSC預(yù)處理效果最好。

(2)對DOSC預(yù)處理后的光譜分別采用一次降維、一次組合降維和二次組合降維共7種特征提取方法,提取到的特征光譜變量個數(shù)分別為49,9,8,58,55,11和19,占全光譜波段的20.7%,3.8%,3.4%,24.5%,23.2%,4.6%和8%。


相關(guān)產(chǎn)品

高光譜相機技術(shù)排行榜top10

高光譜相機技術(shù)相關(guān)推薦