基于高光谱成像的苹果多品质参数同时检测

合集下载

基于高光谱成像技术和MNF检测苹果的轻微损伤_张保华

发现第２主成分图像缺陷较为明显，并据此选择６个特征波段，然后对特征波段进行主成分分析，挑选第３主成分作为缺陷识别图像；Ｐｉｏｔｒ等［２］利用高光谱成像技术和热成像技术识别苹果的早期损伤，通过主成分分析和最低噪声分离（ｍｉｎｉｍｕｍｎｏｉｓｅｆｒａｃｔｉｏｎ，ＭＮＦ）增加损伤区域和正常表面的对比度，通过脉冲热成像序列的傅立叶变换获得损伤的位置和深度；Ｘｉｎｇ等［３］利用高光谱图像的多个波段检测ＧｏｌｄＤｅ－ｌｉｃｉｏｕｓ的损伤，利用高光谱图像的主成分分析挑选出４个特征波段，对特征波段进行主成分分析，利用第２和第３主成分的联合图像完成了损伤的识别分类；黄文倩等［５］以全波段的主成分分析挑选了８２０和９７０ｎｍ两个特征波段，并利用特征波段和阈值分割算法开发了轻微损伤检测算法。
＊通讯联系人ｅ－ｍａｉｌ：ｚｈａｏｃｊ＠ｎｅｒｃｉｔａ．ｏｒｇ．ｃｎ
１３６８
光谱学与光谱分析第３４卷
损伤检测算法，并用不同时间阶段的损伤苹果验证了算法的检测性能。
１实验部分
１．１样品选择双色红富士苹果为试验对象，苹果样本购买于北京
近年来，高光谱和多光谱机器视觉越来越多的应用于农产品的品质检测，光谱相机的多波段成像优点拓展了普通相机的检测性能。Ｇａｍａｌ等［６］利用高光谱相机采集苹果４００～１０００ｎｍ波段范围的图像，利用偏最小二乘（ｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅ，ＰＬＳ）和逐步判别分析（ｓｔｅｐｗｉｓｅｄｉｓｃｒｉｍｉｎａｔｉｏｎａｎａｌｙ－ｓｉｓ，ＳＤＡ）挑选了３个特征波段（７５０，８２０和９６０ｎｍ）然后以特征波段搭建多光谱相机检测平台，试验结果表明，该系统可以检测到１ｈ以后的损伤；Ｌｉ等［７］以橘子可见－近红外图像进行主成分分析（ｐｒｉｎｃｉｐｌｅｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，ＰＣＡ），对比

基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究

Ｘｉｊｎｊａｐｅｕｉｇｈｐｒｓｅｔａｍａｉｇｔｃｎｌｇ．ｒｔｉｈｅｅｒｈｏｕａｅｒｅｐｅｉ— ｎｉｇＦｕｉｐｌｓｎｙｅ— ｐｃｒｌｉｇｎｅｈｏｏｙＦｉｓ，ｎｔｅｒｓａｃｆｓｇｒｄｇｅｒｄｃａ
ｏｄＴｈｅｒｌｔｄｃｅｆｃｅｓｏｆｐｅｉｔｏｏｅｐｐｅｓｇａｇｅｏｌｅｔｄｂｙｔｅｔｗｅｅ０．１，ｈ．ｅａｅｏｆｉｉｎｔｒｄｃｉｎｍｄｌｏｆａｌｕｒｄｅｒｅｃｌｃｅｈｅｔｓ，ｒ９ｔｅ１
长、均灰度等特征，用二次判别分析分级苹果，证集苹果分级准确率达到８．。结果表明，光谱图像技平采验９５高
术既能够准确预测新疆冰糖心红富士苹果糖度品质，可以用于基于外部品质特征的分级研究。也关键词：高光谱图像；疆冰糖心红富士苹果；度；级新糖分
ｐｅｉｔｄｍｅｎｓｕｒｒｏｓ０７Ｂｒｘｔｅｏｐｓｔｎｌｓｓｅｒｒｗａ．４，ｎｔｅｒｓａｃｆａｐｅｒｄｃｅａｑａｅｅｒｒｗａ．６ｉ，ｈｐｏｉａａｙｉｒｏｓ２４ｉｈｅｅｒｈｏｐｌｅ
ｄｃｉｎｍｏｅｆｓｇｒｄｇｅｆＸｉｊｎｊＡｐｌｒｕｌｂｓｄｏｌｉｌｉｅｒｒｇｅｓｏｔ — ｉｔｄｌｕａｅｒｅｏｎｉｇＦｕｉｐｅｗｅｅｂｉａｅｎｍｕｔｐｅｌａｅｒｓｉｎｍｅｈｏｏａｔｎ

苹果品质高光谱成像检测技术研究进展

专题综
Ｖｏ１．３８，Ｎｏ．１ｏ，２０１７
便品摹盐婶技
苹果品质高光谱成像检测技术研究进展
冯迪。纪建伟 ’ ，张莉。，刘思伽 ’ ，田有院，辽宁沈阳１１０８６６；
２．辽宁广播电视台，辽宁沈阳１１０００４；
３．辽宁广播电视传输发射中心，辽宁沈阳１１００１６）
摘要：高光谱成像对水果的无损检测是近些年迅速发展的一项新技术，它能三维地获取被检测对象内部与外部多项
Ａｂｓｔｒａｃｔ：Ｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｉｎｇｉｎｆｒｕｉｔｎｏｎｄｅｓｔｒｕｃｔｉｖｅｄｅｔｅｃｔｉｏｎｗａｓａｎｅｗｔｅｃｈｎｏｌｏｇｙｄｅｖｅｌｏｐｅｄｒａｐｉｄｌｙｉｎｒｅｃｅｎｔｙｅａｒｓ．Ｔｈｅ
ａｐｐｌｅｑｕａｌｉｔｙｄｅｔｅｃｔｉｏｎｗａｓｉｎｄｕｃｅｄｂｙｉｎｔｒｏｄｕｃｉｎｇｓｙｓｔｅｍｓｔｒｕｃｔｕｒｅ，ｌｉｇｈｔｓｏｕｒｃｅｓａｎｄｓｃａｎｎｉｎｇｍｏｄｅｓ．Ｓｅｖｅｒａｌｉｍｐｏｒｔａｎｔｌｉｎｋｓｗｅｒｅａｎａｌｙｚｅｄｂｙｄｅｓｃｒｉｂｉｎｇｏｐｅｒａｔｉｏｎｐｒｏｃｅｓｓｏｆｉｎｄｉｃａｔｏｒｄｅｔｅｃｔｉｏｎ．Ｔｈｅｎｔｈｅｏｐｅｒａｔｉｏｎｐｒｏｃｅｓｓ，ｍｏｄｅｌｉｎｇｍｅｔｈｏｄｓａｎｄｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｏｆｉｎｄｉｃａｔｏｒｄｅｔｅｃｔｉｏｎｗｅｒｅｓｕｍｍａｒｉｚｅｄａｔｈｏｍｅａｎｄａｂｒｏａｄ．Ｆｉｎａｌｌｙ，ｔｈｅｒｅｓｅａｒｃｈｄｉｒｅｃｔｉｏｎａｎｄａｐｐｌｉｃａｔｉｏｎｐｒｏｓｐｅｃｔｏｆｈｙｐｅｒｓｐｅｅｔｒａｌｎｏｎｄｅｓｔｒｕｃｔｉｖｅｄｅｔｅｃｔｉｏｎｆｏｒａｐｐｌｅｑｕａｌｉｔｙｗｅｒｅｐｒｅｓｅｎｔｅｄ

基于高光谱成像的苹果病害无损检测方法

基于高光谱成像的苹果病害无损检测方法刘思伽;田有文;冯迪;张芳;崔博【摘要】Disease is easy to occur in apple fruit. Traditional detection of apple disease is not adapted to the requirement of apple grading on-line detection. In order to achieve the fast, effective online detection for the disease apple, hyperspectral imaging was adopted to study the nondestructive detection of the anthracnose, bitter pox disease and black fruit rot and leaf spot disease in Hanfu apple. According to the relative reflectance spectrum difference between disease area and normal area, the improved manifold distance method was proposed. The total improved manifold distance L value was comprehensive calculated by the relative reflectance spectra of the disease and normal area, disease with stem/calyx area, normal and stem/calyx area. So three feature wavelengths were selected respectively from the whole band wavelength, 700, 765, 904nm. In order to get the mask image, the image of the characteristic wave band at 700 nm was threshold segmented. The interested area was extracted after secondary threshold segmentation of the mask image. The relative reflectance spectra of the three characteristic wave bands were combined, respectively, as the BP neural network input vector, to detect whether apple fruit was diseased. Finally, the relative reflectance spectra under 700 nm to 904 nm band were selected as the best combination by comparing the detection results. A recognition rate of the normal apples and diseased apples respectively were 96.25%. Results showed that the twocharacteristics of band obtained by hyperspectral imaging technology can effectively detect disease for apple and provide the reference for the development of multispectral imaging of appleˊs quality detection and classification system.%苹果果实易发生病害,传统的苹果病害的检测不适应苹果分级在线检测的要求。

基于高光谱成像的苹果损伤检测方法研究

收稿日期：2023-03-31基金项目：岭南现代农业科学与技术广东省实验室河源分中心自主科研项目（DT20220009，DT20220007，DT20220011）；北京市农林科学院财政项目（CZZJ202203）通信作者：段丹丹（1984—），女，博士，高级工程师，研究方向为农业定量遥感监测，E-mail：duandd@广东农业科学2023，50（7）：57-63Guangdong Agricultural SciencesDOI:10.16768/j.issn.1004-874X.2023.07.006王凡，孟翔宇，陈龙跃，段丹丹，钱英军. 基于高光谱成像的苹果损伤检测方法研究［J］. 广东农业科学，2023，50（7）：57-63.基于高光谱成像的苹果损伤检测方法研究王凡1,2，孟翔宇1，陈龙跃2，段丹丹1,2,3，钱英军4（1.北京市农林科学院信息技术研究中心，北京 100097；2.岭南现代农业科学与技术广东省实验室河源分中心，广东河源 517000；3.清远市智慧农业农村研究院，广东清远 511500；4.广东科贸职业技术学院，广东清远 511500）摘要：【目的】研究苹果损伤高光谱特征，建立基于高光谱成像的苹果损伤区域最佳分类模型，为实时、快速、准确地识别苹果损伤提供重要依据。

【方法】以北京平谷区收集的苹果样品为研究对象，利用高光谱图像技术检测水果表面机械损伤。

利用390 ~1 000 nm 范围的高光谱图像（HSI）数据，通过比值光谱分析损伤与正常感兴趣区域（ROI）的光谱响应特性，筛选特征波段，并构建较好地突出损伤区域特征的3种类型光谱指数：归一化光谱指数（NDSI）、比值光谱指数（RSI）和差值光谱指数（DSI）。

在此基础上，优选提取损伤区域能力较强的光谱指数，利用迭代自组织数据分析（ISODATA）无监督据聚类算法提取苹果损伤区域。

【结果】当苹果表面受到损伤时，光谱反射率变化显著。

基于高光谱图像技术的苹果粉质化LLE-SVM分类

基于高光谱图像技术的苹果粉质化ＬＥＳＬ —ＶＭ分类
赵桂林，朱启兵，黄
江南大学通信与控制工程学院，江苏无锡
敏
２４２１１２
摘
要
苹果粉质化程度是衡量其内部品质的一个重要因素，采用了高光谱散射图像技术进行苹果粉质化
的无损检测。针对高光谱散射图像数据量大的特点，出了局部线性嵌入（ｏａｌｅｒｍｂｄｅ，ＬＥ和支提１ｃｌｉａｅｄｄＬ）ｎｅ持向量机（ｕｐｒｖｃｏｃｉｅＳｓｐｏｔｅｔｒｈｎ，ＶＭ）ｍａ相结合的用于检测苹果粉质化的新分类方法。ＬＥ是一种通过局Ｌ
保留原始数据所包含的信息，相关学者进行了大量的研究，提出了连续投影、遗传算法、主成分分析等降维方法『］８。＇
收稿日期：２０一１２，订日期：２１—３００９ｌ—６修０００ —２
组进行储藏，第一组２０个样本（８４１０个来源于ＣＰ，６０个来
中图分类号：５．０６７３
流形学习算法是近年来出现的一类非线性降维方法。其
引言
苹果的粉质化是指苹果非正常软化、汁液减少和果肉质
基本思想是：高维观测空间中的点由少数独立变量的共同作用在观测空间形成一个流形，如果能有效的展开观测空间卷曲的流形或发现内在的主要变量，就可以对该数据集进行降维。ＬＥ是流形学习算法的一个典型代表，它试图保持数据Ｌ的局部几何特征，就本质上说，它是将流形上的近邻点映射到低维空问的近邻点。具有较高的计算效率、较少的自由参数、成本函数的非迭代全局最优、实现容易等特点［１。

基于高光谱成像提取苹果糖度与硬度最佳波长

２．ＬｉａｏｎｉｎｇＲａｄｉｏａｎｄＴｅｌｅｖｓｉｉｏｎ，Ｓｈｅｎｙａｎｇ１１０００４，Ｃｈｉｎａ；３．ＬｉａｏｎｉｎｇＲａｄｏｉａｎｄＴｅｌｅｖｉｓｉｏｎＴｒａｎｓｍｉｓｓｉｏｎＣｅｎｔｅｒ，Ｓｈｅｎｙａｎｇ１１０００４，Ｃｈｉａ）ｎ
ＣｏｒｒｅｓｐｏｎｄｉｎｇＡｕｔｈｏｒ，Ｅ－ｍａｉｌ：ｙｏａｗ＇ｅｎｔｉａｎ１０＠１６３．ｅｏｌｌ＇￣
—
Ａｂｓｔｒａｃｔ：Ｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｉｎｇｔｅｃｈｎｏｌｏｇｙｗａｓｕｓｅｄｔｏｅｘｔｒａｃｔｔｈｅｏｐｔｉｍａｌｗａｖｅｌｅｎｇｔｈｆｏｒａｐｐｌｅｂｒｉｘａｎｄｉｒｆｍｎｅｓｓｔｅｓｔ．Ｆｉｒｓｔｌｙ，ｔｈｅｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｅｓｏｆａｐｐｌｅｓｗｅｒｅａｃｑｕｉｒｅｄｆｒｏｍｄｏｕｂｌｅ — ｓｉｄｅｄ
基于高光谱成像提取苹果糖度与硬度最佳波长
冯迪，纪建伟，张莉，刘思伽，田有文
（１．沈阳农业大学信息与电气工程学院，辽宁沈阳
２．辽宁广播电视台，辽宁沈阳
１１０８６６；

高光谱技术在苹果品质检测中的应用

安徽农学通报，Anhui Agri，Sci，Bull，2021，27（01）高光谱技术在苹果品质检测中的应用任显丞1张晓1,2*彭步迅1李疆1王家硕1（1塔里木大学信息工程学院，新疆阿拉尔843300；2新疆南疆农业信息化研究中心，新疆阿拉尔843300）摘要：高光谱技术作为新一代的光电无损检测技术，广泛应用于农产品快速无损品质检测。

高光谱技术在苹果品质检测方面主要有2个方向，结合化学计量学方法进行苹果内部品质检测以及结合机器视觉进行苹果损伤、病害等外部指标的外部品质检测。

该文介绍了高光谱技术在苹果品质检测中的应用，提出了高光谱技术在苹果品质检测中存在的问题。

关键词：高光谱；苹果；内外部品质；无损检测中图分类号TS255.7文献标识码A文章编号1007-7731（2021）01-0132-02随着人们健康生活观念的建立以及水果产后处理技术的发展，苹果作为水果代表，其内外部品质的检测愈发受到重视。

传统的苹果内部品质检测依靠化学计量法，对苹果进行采样检测化学成分，实验操作繁琐、检测成本高等，高光谱技术既可利用可见光区域图像来检测外部品质，又可以利用近红外区域的图像来检测内部品质，该技术的出现有效解决了无损检测的难题。

1高光谱技术概述高光谱技术于上世纪80年代初期兴起，是新一代的光电无损检测技术。

通过对样品光谱信息的测量，可在一定程度上反映被测样品内部的物理结构和化学成分的差异，具有较高的分辨率，可获得连续的波段窄的光谱信息。

此外，高光谱设备操作简单，分析成本较低且不会对被检测对象造成破坏。

该技术早期主要应用于空间遥感，随着科学技术的进步发展，高光谱已经应用于农产品检测等领域，并且都取得了一定的研究成果。

目前，国内外众多专家学者利用高光谱来进行温室黄瓜病害早期检测［1］、大米种类鉴别［2］、高粱掺假无损检测［3］、互米花草营养成分反演［4］、绿萝叶绿素含量检测［5］以及牛肉品质检测［6］等内外品质的检测。

高光谱图像技术在水果品质检测中的研究进展

２０１３年５月
霞品研究与拜发
ＦｏｏｄＲｅｓｅａｒｃｈＡｎｄＤｅｖｅｌｏｐｍｅｎｔ基础研究
第３４卷第１０期
・＝：．
ＤＯＩ：１０．３９６９，ｉ．ｉｓｓｎ．１００５－６５２１．２０１３．０１０．００２
高光谱图像技术在水果品质检测中的研究进展
徐爽，何建国，，马瑜，梁慧琳，刘贵珊。，贺晓光
（１．宁夏大学物理电气信息学院，宁夏银川７５００２１；２．宁夏大学研究生院，宁夏银川７５００２１；
３．宁夏大学农学院，宁夏银川７５００２１）
Ｃｈｉｎａ；２．Ｓｃｈｏｏｌｏｆｇｒａｄｕａｔｅ，ＮｉｎｇｘｉａＵｎｉｖｅｒｓｉｔｙ，Ｙｉｎｃｈｕａｎ７５００２１，Ｎｉｎｇｘｉａ，Ｃｈｉｎａ；３．ＳｃｈｏｏｌｏｆＡｇｒｉｃｕｌｔｕｒｅ，
ｄｅｔｅｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙｆｏｒｆｕｉｒｔｑｕａｌｉｔｙｉｎｔｈｅｆｕｔｕｒｅ．Ｔｈｅｂａｓｉｃｐｒｉｎｃｉｐａｌｏｆｔｈｅｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｉｎｇｔｅｃｈｎｏｌｏｙ，ｇ
ｘｕＳｈｕａｎｇ，ＨＥＪｉａｎ — ｇｕｏ ’ ，ＭＡＹＨ２，ＬＩＡＮＧＨｕｉ－ｌｉｎｇ，ＬＩＵＧｕｉ－ｓｈａｎ，ＨＥＸｉａｏ — ｇｕａｎｇ

高光谱成像技术在水果品质检测中的应用研究进展

谭　涛，冯树南，温青纯，等．高光谱成像技术在水果品质检测中的应用研究进展［Ｊ］．江苏农业科学，２０２４，５２（６）：１１－１８．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２４．０６．００２高光谱成像技术在水果品质检测中的应用研究进展谭　涛１，冯树南１，温青纯１，黄人帅１，２，孟庆龙１，２，尚　静１，２（１．贵阳学院食品与制药工程学院，贵州贵阳５５０００５；２．贵州省农产品无损检测工程研究中心，贵州贵阳５５０００５）摘要：高光谱成像技术结合成像技术和光谱技术，可以从样本中获取其空间和光谱信息。

因此，高光谱成像技术能够识别和检测水果的各种化学成分及其空间分布，在水果品质的检测中备受关注。

本文首先综述了高光谱成像原理及系统装置，并展开讨论了高光谱图像的校正方法、多种光谱预处理、数据降维和样本集划分方法，从定量和定性角度对模型的构建方法和性能评估进行了分析。

其次，总结了高光谱成像技术在水果内部品质（可溶性固形物含量、酸度、硬度、水分含量）和外部品质（损伤、缺陷和纹理）检测和分级中的最新研究进展。

最后，对高光谱成像技术在水果品质检测与分级中的应用前景提出展望，以期为优化水果品质的检测方法提供理论依据。

同时，也指出了当前可能存在的挑战和局限性。

关键词：高光谱成像；水果品质；缺陷；物理化学属性；无损检测中图分类号：ＴＳ２５５．７；Ｓ１２７文献标志码：Ａ文章编号：１００２－１３０２（２０２４）０６－００１１－０８收稿日期：２０２３－０６－０７基金项目：中央引导地方科技发展资金（编号：黔科中引地［２０２２］４０５０）；贵州省科技计划（编号：黔科合基础［２０２０］１Ｙ２７０）；贵州省普通高等学校青年人才成长项目（编号：黔教合ＫＹ字［２０２０］０８１）；贵阳市科技计划（编号：筑科合同［２０２１］４３－１５号）；贵阳学院硕士研究生科研基金（编号：ＧＹＵ－ＹＪＳ［２０２２］－５３）；大学生创新创业训练计划（编号：Ｓ２０２２１０９７６０４６）。

基于高光谱成像技术的水果品质无损检测

我国是世界水果生产大国，根据《中国统计年
广泛使用的是ＲＧＢ成像系统．但是，这些基于普通
ＣＣＤ成像的检测技术仅能够检测水果的部分表面特征，无法实现对水果内部品质（如水分、糖酸度、
光谱信息的图像块，其图像信息可检测水果的外部品质，光谱信息则可用于水果内部品质的检测，达到根据水果内、外部综合品质进行分类的目的．综述了国内外将该技术应用于水果品质检测方面的研究进展，提出了利用高光谱图像技术检测苹果轻微损伤的方法，利用５００— ９００ｎｍ的高光谱图像数据，通过主成分分析提取５４７ｎｍ波长下的特征图像．关键词：高光谱成像技术；水果品质；无损检测中图分类号：ＴＳ２０７；ＴＰ３９１．４文献标志码：Ａ
ＳＵＮＭｅｉ，ＦＵＹａｎ，ＸＵＲａｎ — ｒａｎ，ｅｔａ１．ＮｏｎｄｅｓｔｒｕｃｔｉｖｅＩｎｓｐｅｃｔｏｆＦｒｕｉｔＱｕａｌｉｔｙｗｉｔｈＨｙｐｅｒｓｐｅｃｔｒａｌＩｍａｇｉｎｇＴｅｃｈｎｏｌｏｇｙＪｏｕｒｎａｌｏｆＦｏｏｄＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０１３，３１（２）：６７—７１．

基于LabVIEW和多光谱成像技术的苹果品质无损检测装置

基于LabVIEW和多光谱成像技术的苹果品质无损检测装置作者：杨甜军张箭朱哲来源：《湖北农业科学》 2014年第19期杨甜军ａ，张箭ａ，朱哲ａ，周竹ａ，ｂ，ｃ，曾松伟ａ，ｂ，ｃ（浙江农林大学，ａ．信息工程学院；ｂ．智慧农林业研究中心；ｃ．浙江省林业智能监测与信息技术研究重点实验室，浙江临安３１１３００）摘要：基于ＬａｂＶＩＥＷ和多光谱成像技术设计了一套苹果品质检测装置，包括硬件设计和软件设计。

硬件部分主要由单片机控制模块、光源模块、电机模块以及图像采集模块等组成；软件部分采用基于ＬａｂＶＩＥＷ的Ｇ语言进行编写，包括通信模块、图像采集与保存模块以及图像处理与显示模块等。

检测装置经调试后，对每个苹果的图像采集与处理时间为８ｓ，能够对大小、形状、损伤以及糖度等指标进行检测，具有无损、快速的特点。

关键词：多光谱成像技术；ＬａｂＶＩＥＷ；品质；无损检测；苹果中图分类号：Ｓ１２６；ＴＰ２７４文献标识码：Ａ文章编号：０４３９－８１１４（２０１４）１９－４７２０－０３ＤＯＩ：１０．１４０８８／ｊ．ｃｎｋｉ．ｉｓｓｎ0４３９－８１１４．２０１４．19．０56收稿日期：２０１４－０７－１０基金项目：浙江省自然科学基金项目（ＬＹ１３Ｃ２０００１４，ＬＱ１３Ｆ０５０００６）；浙江省林业智能监测与信息技术研究重点实验室资助项目（２０１３ＺＨＮＬ０３）；浙江农林大学科研发展基金项目（２０１２ＦＲ０８５）；浙江农林大学大学生创新创业训练计划项目（２０１３０９００６）作者简介：杨甜军（１９９２－），男，浙江宁波人，在读本科生，主要从事智能化检测技术研究，（电话）０５７１－６３７４０２１７（电子信箱）２９５９５１２６２＠ｑｑ．ｃｏｍ；通信作者，周竹，讲师，博士，主要从事农、林产品无损检测技术研究，（电话）１８８６８８２４５１８（电子信箱）ｚｈｏｕｚｈｕ＠ｚａｆｕ．ｅｄｕ．ｃｎ。

苹果是世界上第二大消费水果，营养价值丰富。

苹果的品质包括外部品质（大小、形状以及各种缺陷）和内部品质（糖度、酸度等）。

基于多光谱成像技术的水果品质无损检测系统[实用新型专利]

专利名称：基于多光谱成像技术的水果品质无损检测系统专利类型：实用新型专利
发明人：何勇,邵咏妮
申请号：CN200720110403.7
申请日：20070529
公开号：CN201041553Y
公开日：
20080326
专利内容由知识产权出版社提供
摘要：本实用新型公开了一种基于多光谱成像技术的水果品质无损检测系统。

可调参数光源发射光束照射于水果放置平台上，可见及近红外多光谱成像仪分别通过RS－232串口线及图象采集卡数据线与经红外多光谱成像仪连接，计算机上设有图像分析处理软件。

应用可见及近红外多光谱成像技术，可快速、准确地采集被测水果表面的可见及近红外多光谱图象信息，分析得到被测水果的各种缺陷及损伤，从而实现无损、快速的水果品质检测系统。

申请人：浙江大学
地址：310027 浙江省杭州市西湖区浙大路38号
国籍：CN
代理机构：杭州求是专利事务所有限公司
代理人：林怀禹
更多信息请下载全文后查看。

基于高光谱成像的果蔬品质检测技术

基于高光谱成像的果蔬品质检测技术随着人们对健康生活的追求，越来越多的人开始关注饮食健康问题，而果蔬作为我们日常饮食中必不可少的一部分，其品质也越来越受到重视。

如何有效地检测果蔬的品质，成为了农业科技领域亟待解决的问题。

基于高光谱成像的果蔬品质检测技术，因其高效、准确的特点，成为了当前果蔬品质检测的重要手段。

高光谱成像技术是一种非常先进的遥感技术，它可以利用宽带光谱源，获取物质相对精确的光谱响应，并将其转化成图像。

因为不同的物质在不同波段下的光谱响应是不相同的，所以高光谱成像技术就可以利用不同波段的光谱响应来对物质进行分类或者定量分析。

高光谱成像技术在果蔬品质检测方面的应用主要有以下几个方面：1、检测果蔬外观特征果蔬的外观特征对于消费者来说非常重要，而高光谱成像技术可以很好地捕捉到果蔬的外观特征变化。

使用该技术可以通过果蔬的颜色、形状、大小等外在特征，判断果蔬的品种、成熟度、坏疽程度等问题。

例如，在柑橘的品质检测中，通过高光谱成像技术可以很好地判断柑橘的成熟度和核心质量。

因为柑橘的成熟度和核心质量对其口感和营养价值有着非常重要的影响，所以基于高光谱成像技术的柑橘品质检测可以很好地保障消费者享受到口感和营养上的优质体验。

2、检测果蔬内部特征除了外观特征之外，果蔬的内部特征也对于其品质具有很大的影响，例如蔬菜中的胡萝卜素、花青素、类胡萝卜素等身体需要的营养元素。

利用高光谱成像技术可以对这些有营养物质的成分进行分析和检测，以保证果蔬的品质。

例如，在番茄的品质检测中，可以通过高光谱成像技术测量番茄中的类胡萝卜素、番茄红素等成分。

因为这些物质对人体有明显的保健作用，如果番茄中这些物质的浓度低于一定程度，那么就不能够保证番茄的品质。

而基于高光谱成像技术的番茄品质检测可以很好地保障消费者的健康需求。

3、检测果蔬腐败情况对于果蔬的腐败情况，消费者最为关心的就是细菌和真菌的污染情况。

采用高光谱成像技术可以检测出果蔬受到污染后，所产生的光学响应均值和方差的变化，从而判断果蔬是否已经有了腐败的现象。

基于高光谱成像技术生长发育后期苹果糖度的无损检测

基于高光谱成像技术生长发育后期苹果糖度的无损检测孟田源;王转卫;迟茜;赵凡;翁小凤【期刊名称】《西北农林科技大学学报（自然科学版）》【年(卷),期】2016(044)006【摘要】[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900～1 700 nm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.【总页数】7页(P228-234)【作者】孟田源;王转卫;迟茜;赵凡;翁小凤【作者单位】西北农林科技大学机械与电子工程学院,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100【正文语种】中文【中图分类】S123;S661.1【相关文献】1.基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究 [J], 郭俊先;饶秀勤;程国首;胡光辉;李俊伟;石砦;亢银霞2.基于高光谱成像提取苹果糖度与硬度最佳波长 [J], 冯迪;纪建伟;张莉;刘思伽;田有文3.基于漫反射高光谱成像技术的哈密瓜糖度无损检测研究 [J], 马本学;肖文东;祁想想;何青海;李锋霞4.梨枣糖度无损检测建模分析--基于高光谱成像技术 [J], 王斌;尹丽华;张淑娟5.基于高光谱成像技术的苹果表面缺陷\r无损检测 [J], 孟庆龙;张艳;尚静因版权原因，仅展示原文概要，查看原文内容请购买。

基于高光谱成像的苹果多品质参数同时检测

基于高光谱成像的苹果多品质参数同时检测单佳佳;吴建虎;陈菁菁;彭彦昆;王伟;李永玉【期刊名称】《光谱学与光谱分析》【年(卷),期】2010(030)010【摘要】利用高光谱空间散射曲线的3个洛伦兹拟合参数对苹果的品质(硬度、可溶性固溶物含量)进行同时检测.采用偏最小二乘,逐步多元线性回归和BP神经网络3种方法,对归一化处理和未归一化处理的3个洛伦兹参数组合分别建立苹果品质的预测模型.结果表明:采用偏最小二乘法对未归一化处理参数的组合建立硬度的预测模型其预测结果最好,校正组相关系数Rc=0.93,校正标准差SEC=0.56,验证组相关系数Rv=0.84,验证标准差SEV=0.94.采用偏最小二乘法对归一化处理参数的组合建立可溶性固形物的预测模型其预测结果最好,Rc=0.95,SEC=0.29,Rv=0.83,SEV=0.63.研究结果表明:利用高光谱空间散射曲线的多拟合参数组合可以同时检测苹果的多品质参数.【总页数】5页(P2729-2733)【作者】单佳佳;吴建虎;陈菁菁;彭彦昆;王伟;李永玉【作者单位】中国农业大学工学院,北京,100083;中国农业大学工学院,北京,100083;中国农业大学工学院,北京,100083;中国农业大学工学院,北京,100083;中国农业大学工学院,北京,100083;中国农业大学工学院,北京,100083【正文语种】中文【中图分类】S123【相关文献】1.高光谱成像技术在水果多品质无损检测中的应用 [J], 刘亚;木合塔尔·米吉提;曹鹏程;岳建魁2.基于高光谱成像技术的苹果内外品质同时检测 [J], 单佳佳;彭彦昆;王伟;李永玉;吴建虎;张雷蕾3.基于特征LED光源的苹果多品质参数无损检测装置研究 [J], 赵娟;全朋坤;张猛胜;田世杰;张海辉;任小林4.基于高光谱成像的肥城桃品质可视化分析与成熟度检测 [J], 邵园园;王永贤;玄冠涛;高冲;王凯丽;高宗梅5.基于高光谱图像和3D-CNN的苹果多品质参数无损检测 [J], 王浩云;李晓凡;李亦白;孙云晓;徐焕良因版权原因，仅展示原文概要，查看原文内容请购买。

利用高光谱成像技术和多变量校正方法检测苹果的硬度

利用高光谱成像技术和多变量校正方法检测苹果的硬度赵杰文;陈全胜;Saritporn Vittayapadung;Sumpun Chaitep【期刊名称】《农业工程学报》【年(卷),期】2009(025)011【摘要】高光谱图像集图像信息与光谱信息于一身,应用于农产品品质无损检测领域.该研究尝试利用高光谱图像技术结合多变量校正方法检测苹果硬度的可行性.试验通过获取的高光谱图像中提取有效的光谱信息来建立预测苹果硬度的预测模型.在建立模型过程中,偏最小二乘(PLS)和支持向量回归(SVR)两种多变量校正方法被比较,结果表明在785.11～872.45 nm范围内,SVR模型的性能优于PLS模型,模型对硬度预测结果的相关系数为0.6808.试验结果表明高光谱图像技术可以被用来检测苹果的硬度.【总页数】6页(P226-231)【作者】赵杰文;陈全胜;Saritporn Vittayapadung;Sumpun Chaitep【作者单位】江苏大学食品与生物工程学院,镇江,212013;江苏大学食品与生物工程学院,镇江,212013;江苏大学食品与生物工程学院,镇江,212013;Faculty of Engineering,Chiang Mai University,Chiang Mai 50200,Thailand【正文语种】中文【中图分类】TP391.41【相关文献】1.基于高光谱成像的苹果病害无损检测方法 [J], 刘思伽;田有文;冯迪;张芳;崔博2.基于高光谱成像技术的苹果表面轻微损伤检测 [J], 田有文;牟鑫;程怡;胡博3.基于高光谱成像技术生长发育后期苹果糖度的无损检测 [J], 孟田源;王转卫;迟茜;赵凡;翁小凤4.基于高光谱成像技术的苹果表面缺陷\r无损检测 [J], 孟庆龙;张艳;尚静5.基于高光谱成像技术的富士苹果轻微机械损伤检测研究 [J], 沈宇; 房胜; 郑纪业; 王风云; 张琛; 李哲因版权原因，仅展示原文概要，查看原文内容请购买。