基于特征波长提取的哈密大枣可溶性固形物的高光谱预测

合集下载

基于高光谱成像技术的鲜枣裂纹的识别研究

基于高光谱成像技术的鲜枣裂纹的识别研究

第34卷,第2期 光谱学与光谱分析Vol畅34,No畅2,pp532‐5372014年2月 SpectroscopyandSpectralAnalysisFebruary,2014 基于高光谱成像技术的鲜枣裂纹的识别研究余克强1,赵艳茹1,李晓丽1,张淑娟2,何 勇1倡1畅浙江大学生物系统工程与食品科学学院,浙江杭州 3100582畅山西农业大学工学院,山西太谷 030801摘 要 裂纹是衡量鲜枣品质的重要指标之一,果皮裂纹加速鲜枣的腐烂,导致鲜枣货架期的缩短,严重降低鲜枣的经济价值。

采用高光谱成像技术在380~1030nm波段范围内对鲜枣裂纹的位置及大小信息特征进行快速识别。

选用偏最小二乘回归(PLSR)、连续投影法(SPA)和全波段图像主成分分析(PCA),得到鲜枣裂纹相关的敏感波段。

然后利用选取的鲜枣裂纹的敏感波段对建模集的132个样本建立最小二乘支持向量机(LS‐SVM)判别模型,并对预测集的44个样本进行判别。

对PLSR‐LS‐SVM,SPA‐LS‐SVM和PCA‐LS‐SVM判别模型采用ROC曲线进行评判,得出PLSR‐LS‐SVM模型对鲜枣裂纹定性判别的结果(area=1,std=0)最佳。

选取PLSR回归系数挑选出的5条鲜枣裂纹敏感波段(467,544,639,673和682nm)对应的单波段图像进行主成分分析,其中将主成分PC4的图像结合图像处理技术,最终识别出鲜枣裂纹的位置、大小信息。

结果表明,采用高光谱成像技术结合光谱图像处理可以实现鲜枣裂纹定性判别和定量识别的研究,为进一步开发相关仪器的研究提供理论方法和依据。

关键词 高光谱成像技术;鲜枣裂纹;定性判别;定量识别中图分类号:S123;TP391畅4 文献标识码:A DOI:10畅3964/j畅issn畅1000‐0593(2014)02‐0532‐06 收稿日期:2013‐05‐06,修订日期:2013‐07‐18 基金项目:国家“十二五”科技支撑计划课题项目(2011BAD21B04)和国家自然科学基金项目(31071332)资助 作者简介:余克强,1986年生,浙江大学生物系统工程与食品科学学院博士生 e‐mail:yuke406336022@gmail畅com倡通讯联系人 e‐mail:yhe@zju畅edu畅cn引 言 鲜枣在成熟期由于降雨,果皮水溶性果胶的增加使得果皮生长应力降低,当果肉迅速膨胀,导致果皮出现裂纹[1]。

高光谱成像技术在水果多品质无损检测中的应用

高光谱成像技术在水果多品质无损检测中的应用

高光谱成像技术在水果多品质无损检测中的应用刘亚;木合塔尔·米吉提;曹鹏程;岳建魁【摘要】简介高光谱成像系统的原理及优势,综述国内外高光谱技术在水果内部和外部品质检测方面的应用,分析其在相关检测中存在的主要不足,展望其未来发展方向,为提高高光谱成像技术在水果多品质无损检测中的检测准确性提供参考.【期刊名称】《农业科技与装备》【年(卷),期】2016(000)005【总页数】4页(P50-52,56)【关键词】高光谱成像技术;水果品质;无损检测;外部品质;内部品质【作者】刘亚;木合塔尔·米吉提;曹鹏程;岳建魁【作者单位】新疆农业大学机械交通学院,乌鲁木齐 830052;阿克苏职业技术学院,新疆阿克苏 843000;新疆农业大学机械交通学院,乌鲁木齐 830052;新疆农业大学机械交通学院,乌鲁木齐 830052【正文语种】中文【中图分类】S123;TP391.4水果在采摘包装运输过程中,易受人为或水果自身因素影响而内部或外部品质受损。

随着人类健康观念的增强,对水果品质的要求越来越高,促使水果多品质分类越来越严格。

在水果商品化处理过程中,准确、快速、客观的质量检测系统是确保其安全高质量生产的保证,也是现代水果产业的发展趋势。

目前,我国水果分类分级主要依靠人工视觉,既费时费力又难以排除主观因素。

水果无损检测是在不损伤果体的情况下,应用一定的检测技术和分析手段,对水果内外部品质进行测定,并按照一定标准作出评价的过程。

随着光谱技术发展,国内外学者把目光聚焦在高光谱成像技术上。

高光谱成像技术是从遥感图像技术发展而来的,基于非常多窄波段图像数据技术,是传统二维图像技术和光谱技术有机结合的一项新兴技术,融合光学、电子学、图像处理、计算机科学等多学科知识。

高光谱成像技术可以同时获取农产品图像和光谱信息,其中图像信息能够直接反映农产品外部形状特征、颜色、纹理、缺陷和污斑情况,光谱数据则可分析农产品内部化学成分含量,如糖度、酸度、含水率、可溶性固形物含量等。

光谱检测哈密瓜品质中异常样本的综合分析

光谱检测哈密瓜品质中异常样本的综合分析

收稿日期:2023-03-21;修回日期:2023-06-02基金项目:2022年度新疆维吾尔自治区教育厅高校基本科研业务费项目(XJEDU2022P128)作者简介:李锋霞,女,讲师,主要从事农产品智能化检测技术与分级装备的教学与科学研究工作。

E-mail :****************通信作者:黄勇,男,副教授,主要从事智能化检测技术研究工作。

E-mail :****************新疆是瓜果之乡,哈密瓜因其独特的风味和口感,在市场上备受消费者喜爱,帮助农民实现了增收。

但目前市场上对其品质的检测方法多为有损检测,且检测效率低下,造成品质等级良莠不齐。

因此,哈密瓜的品质无损检测尤为重要。

近年来,随着分子光谱结合化学计量学方法分析技术的飞速发展,光谱技术以非侵入式、无破坏性、速度快、可在线、结果可再现和重复等优点,被研究者用来对水果品质进行无损检测技术研究[1-3]。

但是,有的光谱数据在检测过程中存在测量值和真实值差异显著,在整体分布态势中异常突出,严重影响了建模精度[4]。

造成光谱数据异常的原因有很多,如在采集的过程中光谱受到环境的干扰,采集到的光谱还包含噪声、样品背景和散光等其他无关的信息[5]。

光谱仪本身有误差,还受误操作、仪器异常、样品前处理不当、环境温度和湿度等的影响[6]。

因光谱检测哈密瓜品质中异常样本的综合分析李锋霞,黄勇,李强(新疆工程学院机电工程学院乌鲁木齐830023)摘要:为了建立准确和稳定的哈密瓜坚实度预测模型,提高检测结果精度,识别和剔除参与建模的异常样本是基础,对采集的哈密瓜光谱样本采用偏最小二乘法(PLS )建立定量分析模型,并结合异常光谱剔除、马氏距离法、学生化残差T 与杠杆值法以及主成分得分法等多种方法对光谱异常样本进行综合分析判别,根据模型性能的变化,共发现参与建模的样品中有5个疑似异常样本点,并对这5个疑似异常样本进行逐一剔除、回收对比分析。

判定的5个疑似异常样本中,35-2号样本作为误判样本,应将其回收,其余19-1号、33-3号、35-3号和37-3号4个样本确定为异常样本并剔除。

基于高光谱的南疆红枣病虫害特征谱段选择模式

基于高光谱的南疆红枣病虫害特征谱段选择模式

基于高光谱的南疆红枣病虫害特征谱段选择模式
周鹏;张小刚;徐彪;施明登
【期刊名称】《江苏农业科学》
【年(卷),期】2013(41)4
【摘要】利用高光谱成像技术(350 ~ 850 nm)并结合主成分分析波段选择算法识别南疆红枣枣锈病、枣疯病、黑斑病、缩果病和无病区域.创建一个利用高光谱图像采集的系统以分析图像,达到诊断红枣病变的目的,提出了利用均值置信区间带筛选红枣病虫害高光谱特征谱段的方法,并运用逐步判别法进行降维.以该系统获得的光谱参数作为研究南疆红枣病虫害的参数,然后在逐步判别法的指导下进行重复试验,实现对病虫害的深层把握.此外,利用典型判别法可以实现对南疆红枣病虫害百分之百的了解与把握.研究确立了南疆红枣病虫害特征谱段选择的最佳模式.
【总页数】4页(P108-111)
【作者】周鹏;张小刚;徐彪;施明登
【作者单位】塔里木大学信息工程学院,新疆阿拉尔843300;塔里木大学信息工程学院,新疆阿拉尔843300;浙江大学计算机科学与技术学院,浙江杭州310058;塔里木大学信息工程学院,新疆阿拉尔843300;塔里木大学信息工程学院,新疆阿拉尔843300;浙江大学计算机科学与技术学院,浙江杭州310058
【正文语种】中文
【中图分类】S412;O433.4
【相关文献】
1.面向分类应用的高光谱谱段选择方法
2.基于谱结构先验的高光谱图像受损谱段快速修复
3.高光谱遥感影像中最佳谱段的快速选择方法
4.南疆地区红枣病虫害防治措施探究
5.南疆地区红枣病虫害防治技术
因版权原因,仅展示原文概要,查看原文内容请购买。

基于高光谱的南疆红枣病虫害特征谱段选择模式

基于高光谱的南疆红枣病虫害特征谱段选择模式

的光谱发生变化 , 因此利用 高光 谱系统可 以对 红枣病虫 害实 现最有效 的监管。同时 , 利 用内部的转换可 以实现对红枣 病
变部位详细定位 , 能够 区分受病 虫害胁迫 的红枣与健康红枣 。
经过处理操作后 的图像敏感 区域进行灰度值 计算 , 这个 灰度
值也直接反映了红枣 的光谱 图像 信息 , 具体而言就 是首先要
周 鹏 ,张 小刚 , 徐 彪 , 施 明登 ’ 。
( 1 . 塔里木大学信 息工程学 院, 新疆阿拉尔 8 4 3 3 0 0 ; 2 . 浙江大学计算机科学与技术学院 , 浙江杭州 3 1 0 0 5 8 )
摘要 : 利 用高光谱成像技术 ( 3 5 0~ 8 5 0 n m) 并结合主成分分析 波段 选择算法识别 南疆红枣枣锈 病 、 枣疯 病 、 黑斑 病、 缩果病 和无病 区域 。创建一个利用高光谱 图像采集的系统 以分 析图像 , 达 到诊断红枣病 变的 目的, 提出 了利用 均
值置信 区间带筛选红枣病虫害高光谱特征谱段的方法 , 并运用 逐步判别法进行 降维 。以该系统 获得的光谱参数 作为 研究南疆红枣病虫害 的参数 , 然后在逐步判别法 的指导下 进行 重复试验 , 实现对病 虫害的深层把握 。此 外 , 利用 典型 判别法可 以实现对南疆红枣病虫害百分之百 的了解与把握 。 研 究确 立了南疆 红枣病虫 害特征谱段选择 的最佳模式 。 关键词 : 高光谱成像技 术 ; 主成分分析 ; 红枣病虫害 ; 谱 段选择 ; 逐步判别法

1 0 8一
江苏农业科学
2 0 1 3年第 4 1 卷第 4期
周 鹏, 张小刚, 徐
彪, 等. 基于高光谱 的南疆红枣病 虫害特征谱段选择模式[ J ] .江苏农 业科 学, 2 0 1 3 , 4 1 ( 4 ) : 1 0 8 — 1 l 1

图像处理与识别在果蔬成熟度监测中的研究及应用

图像处理与识别在果蔬成熟度监测中的研究及应用

第45卷第3期包装工程2024年2月PACKAGING ENGINEERING·153·图像处理与识别在果蔬成熟度监测中的研究及应用黎施欣,范小平*(华南农业大学食品学院,广州510642)摘要:目的分析了果蔬成熟度自动监测对发展智慧农业的重要意义,对图像处理与识别技术在监测果蔬成熟度领域的研究与应用现状进行综述、总结与展望,以期为我国发展果蔬成熟度在线或自动检测识别技术提供参考。

方法对图像处理与识别在监测果蔬成熟度中的原理、优势进行分析,对特征提取、深度学习中的神经网络在该领域中的应用研究进展进行综述。

结果采用以图像处理和识别为核心的计算机视觉检测技术对果蔬的颜色、纹理等外部特征进行成熟度检测具有优势,结合神经网络对果蔬成熟度进行检测的识别率高,可在采摘、运输等场景对果蔬成熟度进行监测。

结论图像处理与识别技术在果蔬成熟度监测领域有望得到突破,将催生更多新的应用场景。

关键词:果蔬成熟度;图像处理;图像识别;计算机视觉检测技术;神经网络中图分类号:TB487 文献标志码:A 文章编号:1001-3563(2024)03-0153-12DOI:10.19554/ki.1001-3563.2024.03.018Research and Application of Image Processing and Recognition in MaturityMonitoring of Fruit and VegetableLI Shixin, FAN Xiaoping*(College of Food Science, South China Agricultural University, Guangzhou 510642, China)ABSTRACT: The work aims to analyze the importance of automatic monitoring of fruit and vegetable maturity to the development of smart agriculture, and to review, summarize and prospect the research and application status of image processing and recognition technology in the field of fruit and vegetable maturity monitoring, in order to provide a reference for the development of online or automatic detection and identification technology of fruit and vegetable maturity in China. The principles and advantages of image processing and recognition in monitoring the maturity of fruit and vegetable were analyzed, and the research progress of neural networks in feature extraction and deep learning in this field was reviewed. The computer vision detection technology with image processing and recognition as the core had advantages in detecting the maturity of external features such as color and texture of fruit and vegetable, and the recognition rate of fruit and vegetable maturity detection by combining neural networks was high, which could promote the monitoring of fruit and vegetable maturity in picking, transportation and other scenarios. Image processing and recognition technology are expected to make further breakthroughs in the field of fruit and vegetable maturity monitoring, which will promote more and new application scenarios.KEY WORDS: fruit and vegetable maturity; image processing; image recognition; computer vision detection technology;neural networks收稿日期:2023-07-21基金项目:广东省科技专项资金(210714116891352);广东省科技创新战略专项资金(pdjh2021b0087)*通信作者·154·包装工程2024年2月果蔬营养丰富,可为人体提供维生素、矿物质等维持机体生长发育和生存的营养素,具有良好的抗氧化、抗炎等功效[1]。

冬枣氮素含量预测模型中特征波长选择方法的应用(英文)

冬枣氮素含量预测模型中特征波长选择方法的应用(英文)

冬枣氮素含量预测模型中特征波长选择方法的应用(英文)佚名
【期刊名称】《中国园艺文摘》
【年(卷),期】2017(33)6
【摘要】为了提高近红外光谱法快速测定枣叶氮含量的准确性和鲁棒性。

采用偏最小二乘法建立了冬枣叶片氮含量近红外光谱模型。

模型的相关系数为0.799,均方根误差为0.055。

整个光谱区域包含了许多与冬枣氮含量无关的光谱变量。

【总页数】1页(P235-235)
【关键词】预测模型;冬枣;波长选择;氮素含量;近红外光谱法;英文;应用;特征
【正文语种】中文
【中图分类】S665.1
【相关文献】
1.一种基于SCARS策略的近红外特征波长选择方法及其应用 [J], 刘国海;夏荣盛;江辉;梅从立;黄永红
2.基于特征波长选择和建模的高光谱土壤总氮含量估测方法研究 [J], 王文才;赵刘;李绍稳;齐海军;金秀;王帅
3.特征选择的降维方法在配网工程项目工期预测模型中的应用 [J], 付健艺; 王晓辉; 石哲方; 侯诗洋
4.不同波长选择方法在土壤有机质含量检测中对比研究 [J], 程介虹;陈争光;张庆华
5.冬枣氮素含量预测模型中特征波长选择方法的应用(英文) [J], 杨玮;李民赞;郑立华;孙红
因版权原因,仅展示原文概要,查看原文内容请购买。

基于近红外高光谱图像的冬枣损伤早期检测

基于近红外高光谱图像的冬枣损伤早期检测

基于近红外高光谱图像的冬枣损伤早期检测孙世鹏;彭俊;李瑞;朱兆龙;Vázquez-Arellano MANUEL;傅隆生【期刊名称】《食品科学》【年(卷),期】2017(038)002【摘要】为了对冬枣损伤进行早期检测,采用近红外高光谱图像技术对损伤区域成像.针对高光谱图像波长多的特点,分别采用连续投影算法、相关特征选择算法、一致性(Consistency)算法选择冬枣损伤的特征波长,对提取的特征波长分别应用k-邻近、朴素贝叶斯(naive bayes,NB)、支持向量机(support vectormachine,SVM)3种分类方法进行损伤区域识别.结果表明:所有方法选择的一致特征波长在1 353 nm和1 691 nm附近.Consistency算法选择的特征波长在SVM 分类器下分类识别正确率达到95.16%,一致特征波长在NB分类器下分类识别正确率达到84.26%,验证了一致波长的有效性,为多光谱成像技术实现在线检测冬枣损伤提供参考依据.【总页数】5页(P301-305)【作者】孙世鹏;彭俊;李瑞;朱兆龙;Vázquez-Arellano MANUEL;傅隆生【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;霍恩海姆大学农业工程研究所,德国巴符斯图加特 70599;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】TP391.4【相关文献】1.基于近红外高光谱图像的苹果轻微损伤检测 [J], 陈姗姗;宁纪锋;彭艺伟;张叶2.近红外高光谱成像技术的桃轻微损伤早期检测 [J], 杨婷婷;迟茜;王转卫;谢同振;孟繁宇3.基于近红外高光谱成像的猕猴桃早期隐性损伤识别 [J], 迟茜;王转卫;杨婷婷;刘大洋;郭文川4.基于近红外高光谱图像的黄瓜叶片色素含量快速检测 [J], 邹小波;陈正伟;石吉勇;黄晓玮;张德涛5.基于近红外高光谱成像技术南疆冬枣DOLP五次多项式拟合模型研究 [J], 王玉婷;索玉婷;王长旭;罗华平因版权原因,仅展示原文概要,查看原文内容请购买。

基于近红外光谱预测南疆红枣品质的模型建立与参数优化

基于近红外光谱预测南疆红枣品质的模型建立与参数优化

王亚运 1, 陈
2
摘 要: 南疆地区的自然气候条件极其适合红枣的糖度积聚, 再加上光热效果良好, 让南疆地区的红枣在销售上广 受赞誉。不过也正是因为销售渠道的拓宽, 部分地区南疆红枣在入场销售之前需要提供红枣糖度分析报告, 传统的检测 方式虽然较为细致, 但是并不能满足已经实现量产的南疆红枣成批次的完成品质检测, 文章就结合实际情况对基于近 红外光谱预测南疆红枣品质的模型建立与参数优化进行简析。 关键词: 近红外光谱南疆红枣品质; 参数优化 量因素也进行了进一步的优化,在完成光谱采集之后进行光 谱测量的过程中同步进行了扩充更新,特别是因为近红外光 子对于近红外光谱吸收起到关键性的作用,因此在近红外光 源的输出设定上严格按照相关的技术参数做了修正和研判, 将 近 红 外 的 光 谱 波 长 严 格 控 制 在 780~2526 ( 波 数 12820~3959cm) 范围内 (如表 1 所示) 。 表 1 光谱分析仪的主要性能参数实测数据 性能参数 波长范围 波长准确度 波长重复性 光谱分辨率 杂散光 吸光度线性斜率 波长温漂 吸光度噪声 仪器尺寸 仪器重量 电池持续电力 2.1 光谱采集 由于是实验室数据分析研究,为了确保南疆红枣品质检 测的精准性,以及研判近红外光谱分析方式对于红枣相关品 质的排他性, 所以其样本进行光谱采集的过程中, 基本上要求 样本处于稳定状态之后再进行数据分析。 光谱采集前, 先做好 相关的准备工作:一是将 100 枚检测样本放入室内环境中 12h 以上, 期间测量室内相对湿度为 40%~50%。采用漫反射 方式采集光谱,以仪器内部空气为背景。谱区采集范围: 4000~10000cm-1; 光谱分辨率: 4cm-1。由于南疆红枣样本个体
基金项目: 国家自然科学基金项目 (11464039) 。 作者简介: 王亚运 (1990-) , 男, 硕士硕士生, 主要研究方向: 农产品无 损检测。 通讯作者: 罗华平, 主要研究方向: 农产品无损检测。

红枣表面损伤的特征光谱提取

红枣表面损伤的特征光谱提取

红枣表面损伤的特征光谱提取
辛世华;何建国;王松磊;贺晓光
【期刊名称】《食品科学》
【年(卷),期】2013(034)008
【摘要】以宁夏灵武长枣的损伤为研究对象,利用高光谱成像技术,针对红枣不同损伤形式采集波长650~950nm范围的图像,应用主成分分析(PCA)对图像降维,根据主成分分析中各个波长特征值数据,贡献值比例,提出668nm和715nm为特征波长.使用特征波长光源对样品进行图像识别,解决红枣表面损伤分类的方法,其检测结果对损伤果的识别率达到98.7%.
【总页数】4页(P145-148)
【作者】辛世华;何建国;王松磊;贺晓光
【作者单位】宁夏大学农学院,宁夏银川 750021;宁夏大学农学院,宁夏银川750021;宁夏大学农学院,宁夏银川 750021;宁夏大学农学院,宁夏银川 750021【正文语种】中文
【中图分类】F307.5
【相关文献】
1.基于特征光谱的矿物组分提取研究——以新疆包古图斑岩铜矿钻孔岩芯样品分析为例 [J], 王梦飞;蔺启忠;王钦军;李帅;刘庆杰;陈玉
2.基于多光谱成像技术的水稻特征光谱提取 [J], 冯洁;曹鹏飞;李宏守;李宏
3.基于红外光谱分区的多溴联苯醚辨识及生物毒性特征光谱信息提取研究 [J], 姜龙;李鱼
4.面向高保真印刷的特征光谱提取与匹配方法研究 [J], 杨晟炜;刘真;吴明光;张桢杰
5.基于LCTF多光谱成像的人体指甲特征光谱提取 [J], 赵冬娥;赵宝国;吴瑞;陈媛媛;范小伊
因版权原因,仅展示原文概要,查看原文内容请购买。

以高光谱数据有效预测苹果可溶性固形物含量

以高光谱数据有效预测苹果可溶性固形物含量

胜l _ 】 ] 等利用 高光谱 图像 技术对雪花梨的糖分进 行检测 ,并利 用雪花梨 的含糖量 与光谱 反射 量的回归系数选取 5个特征波 长, 但 没有给出基于这些特征波长 的校 正模型 ,故无 法准确
校正模型 的性能 ,最终开发一种能够有 效利用高光谱 数据进
行苹果 S S C快速无损预测 的模型 。
中 图分 类号 : T P 2 7 4 . 5
进行建模 回归分析 。
引 言
苹 果 是 世 界 上最 受欢 迎 的 水 果 之 一 , 根 据 苹 果 的 内 部 品
综合上述研究 ,大部分是 对整个高光谱波段或优 选出其 中某一波长范 围进行建模研究 , 参 与建 模的变量较 多不利于
第3 3 卷, 第1 0 期
2 0 1 3年 1 0月







Hale Waihona Puke 析 V o 1 . 3 3 , N o . 1 0 , p p 2 8 4 3 - 2 8 4 6
Oc t o b e r ,2 0 1 3
S p e c t r o s c o p y a n d S p e c t r a l An a l y s i s
支 撑 向量 机 ( 1 e a s t s q u a r e d s u p p o r t v e c t o r ma c h i n e , L S - S VM)
检测 的特征 波长 , 降低 图像获取 时间 , 是 利用 高光谱成 像技
术 进 行 水 果 品 质 定 量 分 析 必 须 解 决 的 关 键 技 术 之 一 。洪 添
快 速 稳 健 模 型 的建 立 ; 尽 管有 人 利 用 回 归 系 数 等 方 法 优 选 特

近红外光谱技术检测灵武长枣果肉硬度和贮藏时间

近红外光谱技术检测灵武长枣果肉硬度和贮藏时间

近红外光谱技术检测灵武长枣果肉硬度和贮藏时间作者:彭雅玲邱雪张海红吴宝婷朱韵异来源:《江苏农业学报》2019年第01期摘要:利用近紅外光谱(400~1 000 nm)系统采集140个灵武长枣样本的光谱信息,采用不同方法预处理原始光谱数据,优选出最佳预处理方法。

分别建立竞争性自适应加权算法(cARs)和连续投影算法(sPA)提取特征变量的果肉硬度偏最小二乘回归(PLsR)预测模型,并利用原始光谱建立灵武长枣贮藏时间的偏最小二乘判别(PLs DA)模型。

结果表明,去趋势法(Detrend)为最优预处理方法;建立的Detrend-cARs-PI.SR模型效果较好,果肉平均硬度校正集和预测集模型相关系数均为0.868:果肉最大硬度校正集和预测集模型相关系数分别为0.914、0.849。

建立的贮藏时间PLs-DA判别模型的校正集判别准确率为98%,预测集判别准确率为99%。

说明,采用近红外光谱技术对灵武长枣贮藏过程中长枣果肉硬度和贮藏时间的快速预测具有可行性。

关键词:近红外光谱;果肉硬度;贮藏时间中图分类号:s665.1 文献标识码:A 文章编号:1000 4440(2019)01-0182-07灵武长枣是宁夏的优势特色果品,其外形独特,色艳个大,鲜脆可口,酸甜适宜,且富含多种矿物质和维生素,倍受消费者的青睐,被誉为“枣中之王”。

灵武长枣素以鲜食为主,果肉硬度等质构参数是衡量长枣品质的重要指标。

目前,枣果的硬度参数主要采用硬度计或质构仪对枣果进行整果穿刺测试。

硬度计测试精度易受外界干扰因素的影响,如测试者用力大小和探头规格及削皮厚度,均会使测试数据产生较大的测量误差。

穿刺测试虽能够较好地反映整个果实的流变学特征,但测试已造成枣果破损,使其失去了商品价值,因此研究一种鲜枣果肉硬度的无损快速检测方法意义明显。

近红外光谱技术(NIRS)是现代光谱分析技术、计算机技术和现代化学计量学的高度集合体,是一种多信息融合检测技术,可同时获取样品空间各点的光谱,从而进一步得到空间各点的组成和结构信息。

新疆哈密大枣汁浸提工艺及提取物抗氧化活性的研究

新疆哈密大枣汁浸提工艺及提取物抗氧化活性的研究

图3
不同浸提温度对枣汁可溶性固形物含量的影响
由图 3 可知: 哈密大枣汁的可溶性固形物含 量随着浸提温度的增加而逐渐升高, 当浸提温度
图1 不同料液比对枣汁可溶性固形物含量的影响
由图 1 可知: 哈密大枣汁的可溶性固形物含 量随着料液比的增加而逐渐升高, 当料液比小于 1∶ 12 时递增的趋势较明显, 但当料液比大于 1∶ 12 时可溶性固形物含量开始下降。 2. 1. 2 不同料液比对枣汁总糖含量的影响
为 70℃ 时,可溶性固形物含量最大; 当浸提温度 大于 70℃ 时,可溶性固形物含量随温度的升高开 始缓慢下降。 2. 2. 2 不同浸提温度对枣汁总糖含量的影响 称取红枣 6 份, 每份约为 100g, 破碎后选取 1∶ 12 , 红枣与乙醇的料液比为 选取浸提温度分别 13
包装与食品机械 2011 年第 29 卷第 3 期
4 标进行 L9 ( 3 ) 正交试验, 确定最佳浸提条件, 正 结果见表 2 。 交试验因素水平见表 1 ,
表1 水平 1 2 3
哈密大枣汁浸提工艺正交试验因素水平表 因素
A ( 料液比) 1∶ 10 1∶ 11 1∶ 12
B ( 浸提温度 / ℃ ) 50 60 70
C ( 浸提时间 / min) 60 70 80
12
— —王伟, 新疆哈密大枣汁浸提工艺及提取物抗氧化活性的研究 — 武运
1. 2
试验仪器 5417R 型高速冷冻离心机; UV2550 型分光光 度计; GKC 型数显控温水浴锅; SHB 型循环水真
称取红枣 7 份, 每份约为 100g, 破碎后选取 1 ∶ 4、 1 ∶ 6、 1 ∶ 8、 红枣与乙醇 的 比 例 分 别 为 1 ∶ 2 、 1∶ 10 、 1∶ 12 、 1 ∶ 14 , 加热至 50℃ , 浸提 60min,再用 5000r / min 的转速离心, 取上清液体, 测定其总糖 含量, 结果如图 2 。

基于高光谱和卷积神经网络的鲜枣黑斑病检测

基于高光谱和卷积神经网络的鲜枣黑斑病检测

基于高光谱和卷积神经网络的鲜枣黑斑病检测孙海霞;张淑娟;刘蒋龙;陈彩虹;李成吉;邢书海【摘要】[目的]为实现鲜枣黑斑特征的识别,提高鲜枣附加价值,采用高光谱成像技术采集了不同年份完好和黑斑鲜枣的信息.[方法]基于全波段光谱,采用偏最小二乘判别分析(Partial Least Squares-Discriminant Analysis,PLS-DA)和误差反向传播神经网络(Back Propagation Neural Networks,BP-NN)建立单一年份和联合年份的判别模型.采用连续投影算法(Successive Projections Algorithm,SPA)提取联合年份的特征波长;利用主成分分析进行单波段图像的数据压缩,针对主成分图像采用BP-NN和卷积神经网络(Convolutional Neural Networks,CNN)进行黑斑鲜枣识别.[结果]联合年份所建PLS-DA、BP-NN模型的整体判别正确率均达到了99.2%,比单一年份所建校正模型的整体判别准确率高,但单一年份所建模型中BP-NN比PLS-DA的判别精度高;采用SPA提取联合年份的特征波长后所建BP-NN判别模型的正确率为100%;基于主成分图像所建BP-NN和CNN模型的判别正确率分别为78.3%和90.0%.[结论]收获年份是影响校正模型稳定性的一个重要因素,联合年份所建校正模型比单一年份所建校正模型具有更好的预测能力;同时CNN可成功应用于基于高光谱技术的鲜枣黑斑特征识别中,也为其它农产品品质检测提供了新方法.【期刊名称】《山西农业大学学报(自然科学版)》【年(卷),期】2018(038)011【总页数】6页(P15-19,26)【关键词】鲜枣;黑斑;卷积神经网络;高光谱成像技术【作者】孙海霞;张淑娟;刘蒋龙;陈彩虹;李成吉;邢书海【作者单位】山西农业大学工学院,山西太谷030801;山西农业大学工学院,山西太谷030801;山西农业大学工学院,山西太谷030801;山西农业大学工学院,山西太谷030801;山西农业大学工学院,山西太谷030801;山西农业大学工学院,山西太谷030801【正文语种】中文【中图分类】S123;S665黑斑病是一种由真菌浸染而引发的鲜枣常见病,黑斑病果表面出现褐色至黑色的大小不一的不规则病斑,病变组织为浅黄色或褐色,果肉变苦变硬[1,2]。

高光谱技术结合特征波长筛选和支持向量机的哈密瓜成熟度判别研究

高光谱技术结合特征波长筛选和支持向量机的哈密瓜成熟度判别研究

高光谱技术结合特征波长筛选和支持向量机的哈密瓜成熟度判别研究孙静涛;马本学;董娟;杨杰;徐洁;蒋伟;高振江【摘要】可溶性固形物含量(SSC)和硬度是哈密瓜划分等级的重要指标,同时也是其成熟度的表征因子.因此,为满足哈密瓜自动化分级和适宜采摘,采用高光谱技术结合特征波长筛选的方法,同时对哈密瓜的可溶性固形物含量、硬度及成熟度进行了无损检测研究.对多元散射校正(MSC)处理后的光谱分别利用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)和CARS-SPA方法筛选了哈密瓜可溶性固形物和硬度的特征波长,并将原始光谱、MSC预处理后的光谱和所筛选的特征波长作为输入变量分别建立哈密瓜可溶性固形物和硬度的支持向量机(SVM)预测模型及成熟度判别模型.结果显示,MSC-CARS-SPA方法所建立的可溶性固形物和硬度SVM预测模型最优,其Rpre,RMSEP和RPD分别为0.940 4,0.402 7,2.94 1和0.825 3,35.22,1.771.同时对哈密瓜成熟度进行了判别分析,并分别建立了基于全光谱、单一的可溶性固形物或硬度特征波长和主成分分析(PCA)特征融合的哈密瓜成熟度SVM判别模型.结果显示,CARS-PCA-SVM模型的判别结果与全光谱SNV-SVM 模型相同,其校正集和预测集判别正确率分别为95%和94%.研究表明,利用高光谱技术结合特征波长筛选方法可实现同时对哈密瓜可溶性固形物和硬度的定量预测及成熟度判别.%Soluble solids content (SSC) and firmness are not only important indicators for grading of Hami melon but also char-acteristic factors to determine its maturity .Thus ,in order to achieve automatic grading and suitable picking of Hami melon ,hy-perspectral imaging technology combined with different characteristic wavelengths selection methods were used to simultaneously assess SSC ,firmness and maturity ofHami melon .Successive projections algorithm (SPA ) ,competitive adaptive reweighted sampling (CARS) and CARS-SPA algorithm were used to select the characteristic wavelengths of SSC and firmness of Hami melon from MSC pretreated spectra .The full spectral variables and selected wavelength variables were used as the inputs to build SVM model for determination of the SSC ,firmness and maturity of Hamimelon ,respectively .The results indicated that the MSC-CARS-SPA-SVM models achieved the optimal performance for SSC and firmness of Hami melon .The correlation coef-ficient of prediction set (Rpre) ,the root mean square error of prediction (RMSEP ) and the relative prediction deviation (RPD) were 0.940 4 ,0.402 7 and 2.941for SSC and 0.825 3 ,35.22 and1.771for firmness ,respectively .At the same time ,the fullspectrum ,selected characteristic wavelengths for SSC or firmness and feature fusion by the principal component analysis (PCA) were used to build SVM discriminatory models for maturity of Hamimelon ,respectively .The results showed that the discrimi-nant results of CARS-PCA-SVM model was agreement with the FS-SNV-SVM model ,the recognition rate of calibration set and prediction set were 95% and94% .The research indicated that it is the feasible to use hyperspectral imaging technology com-bined with different characteristic wavelengths selection methods can be used to evaluate SSC ,firmness and maturity of Hami melon simultaneously .【期刊名称】《光谱学与光谱分析》【年(卷),期】2017(037)007【总页数】8页(P2184-2191)【关键词】高光谱;哈密瓜;可溶性固形物;硬度;成熟度;特征波长;判别分析【作者】孙静涛;马本学;董娟;杨杰;徐洁;蒋伟;高振江【作者单位】石河子大学食品学院, 新疆石河子 832000;石河子大学机械电气工程学院, 新疆石河子 832000;石河子大学食品学院, 新疆石河子 832000;石河子大学机械电气工程学院, 新疆石河子 832000;石河子大学机械电气工程学院, 新疆石河子 832000;石河子大学机械电气工程学院, 新疆石河子 832000;中国农业大学工学院, 北京 100083【正文语种】中文【中图分类】O657.3哈密瓜是新疆特产厚皮甜瓜的统称,新疆特殊的气候条件和地理环境赋予了哈密瓜独特的风味。

基于近红外高光谱技术的杧果可溶性固形物含量无损检测

基于近红外高光谱技术的杧果可溶性固形物含量无损检测

基于近红外高光谱技术的杧果可溶性固形物含量无损检测林娇娇;蒙庆华;吴哲锋;常洪娟;倪淳宇;邱邹全;李华荣;黄玉清【期刊名称】《果树学报》【年(卷),期】2024(41)1【摘要】【目的】近红外高光谱成像技术(NIR-HSI)在水果内部品质的无损检测方面具有快速、准确和无损的特点。

旨在利用NIR-HSI技术分析不同品种杧果的可溶性固形物含量,并探讨400~1000nm波段范围内的光谱差异和可溶性固形物含量的响应。

【方法】选择贵妃杧果和台农1号杧果作为研究对象,使用NIR-HSI技术获取杧果样本的光谱数据。

采用CARS-PLS模型分析可溶性固形物含量与各波段光谱反射率的相关系数。

为了验证模型的性能,计算了建模R^(2)、斜率Slope、截距和RMSE等指标。

【结果】得到CARS-PLS模型的性能指标:建模R^(2)为0.8806,斜率为0.8515,截距为12.208,RMSE为0.6366。

这些指标表明该模型具有较高的建模拟合度和预测精度。

【结论】应用NIR-HSI技术对杧果可溶性固形物含量进行检测具有可行性。

为进一步研究不同水果可溶性固形物含量的高精度模型奠定了基础。

通过NIR-HSI技术的应用,可以提供一种非破坏性且高效准确的方法,用于水果品质评估和检测。

这对农产品质量控制和市场营销具有重要的意义。

【总页数】11页(P122-132)【作者】林娇娇;蒙庆华;吴哲锋;常洪娟;倪淳宇;邱邹全;李华荣;黄玉清【作者单位】南宁师范大学物理与电子学院;南宁师范大学广西信息功能材料与智能信息处理重点实验室;北部湾环境演变与资源利用教育部重点实验室·广西地表过程与智能模拟重点实验室·南宁师范大学【正文语种】中文【中图分类】S667.7【相关文献】1.成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测2.近红外无损检测寒富苹果可溶性固形物含量(TSS)3.近红外光谱法无损检测番茄可溶性固形物含量的研究4.基于线性渐变分光近红外光谱仪的苹果可溶性固形物含量无损检测研究5.基于SG-CARS-IBP的圣女果可溶性固形物可见/近红外光谱无损检测因版权原因,仅展示原文概要,查看原文内容请购买。

干制红枣中可溶性固形物含量的快速无损检测方法[发明专利]

干制红枣中可溶性固形物含量的快速无损检测方法[发明专利]

专利名称:干制红枣中可溶性固形物含量的快速无损检测方法专利类型:发明专利
发明人:李玉洁,马本学,李聪,喻国威,胡雅婷,张原嘉
申请号:CN202210328741.7
申请日:20220327
公开号:CN114527089A
公开日:
20220524
专利内容由知识产权出版社提供
摘要:本发明提供一种干制红枣中可溶性固形物含量的快速无损检测方法,本发明以哈密大枣干制红枣为研究对象,通过采集试验样品的短波红外高光谱图像,测定干制红枣样本中可溶性固形物含量,结合k折交叉验证的一维卷积回归神经网络建立短波红外高光谱数据和理化指标之间的相关性,构建干制红枣可溶性固形物含量预测模型,建立一种基于短波红外高光谱图像和深度学习的干制红枣可溶性固形物含量快速无损检测方法。

本发明快速高效、不损坏样本且无需人工提取特征,测定结果准备,可以实现干制红枣中可溶性固形物含量的快速无损检测。

本发明基于短波红外高光谱成像和深度学习技术检测干制红枣中可溶性固形物含量,为实现干制红枣品质分级和加工标准化提供有效方法。

申请人:石河子大学
地址:832003 新疆维吾尔自治区石河子市石河子大学机械电气工程学院
国籍:CN
更多信息请下载全文后查看。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
现代食品科技
Modern Food Science and Technology
2016, Vol.32, No.9
基于特征波长提取的哈密大枣可溶性固形物 的高光谱预测
孙静涛 1,马本学 2,董娟 1,杨杰 2,徐洁 2,蒋伟 2
(河子大学机械电气工程学院,新疆石河子 832000)
Content of Hami Big Jujubes using the Hyperspectral Imaging
Technology
SUN Jing-tao1, MA Ben-xue2, DONG Juan1, YANG Jie2, XU Jie2, JIANG Wei2 (1.College of Food Science, Shihezi University, Shihezi 832000, China)
的报道中,所选用的研究对象为区域性较强的鲜枣,
而对干枣品质检测的方法却鲜有报道。鉴于此,本试
验尝试以干制后的哈密大枣为研究对象,采用不同的
方法对光谱进行处理,并优选出最佳的光谱预处理方
图 1 高光谱系统和高光谱图像数据块
法。先经过联合区间偏最小二乘法(si-PLS)筛选后,
Fig.1 Schematic illustration of the hyperspectral imaging
摘要:本文利用高光谱图像技术对干制后的哈密大枣可溶性固形物含量(SSC)进行预测研究。使用多种预处理方法对原始光
谱进行处理,并对原始光谱和预处理后的光谱分别建立PLS模型,对比分析得出均值中心化(MC)处理效果最佳。对MC处理后的光
谱经联合区间偏最小二乘算法(si-PLS)筛选后,再结合遗传算法(GA)和竞争性自适应重加权算法(CARS)提取哈密大枣SSC的特
2016, Vol.32, No.9
采集光谱数据前先将高光谱仪器预热 30 min,为 了消除仪器中存在的暗电流和光源强度分布不均所产
2.1 基于全光谱哈密大枣 SSC 的 PLS 建模分
完善对红枣资源的综合利用,产生显著的经济效益及 范围为 30.62~41.64 mm,而样本重量差异较大,其变
社会效益。
化范围为 9.22~16.24 g。SPXY 是一种高效的样本集划
近年来,将高光谱图像技术应用在农产品品质检 分方法,由于该方法在计算样本之间的距离时兼顾光
测中已成为研究热点,高光谱图像技术集中了光学、 谱向量和浓度向量,能够有效的利用于光谱定量模型
174
现代食品科技
Modern Food Science and Technology
2016, Vol.32, No.9
哈密大枣是新疆传统名优特产之一,因其个大肉 并对所建立的模型进行比较分析,最后选出最优模型。
厚、食之浓郁、外观紫红且有光泽,故有“天下一绝” 的美称。依据国家农业行业标准《哈密大枣》NY/T
(2.College of Mechanical and Electrical Engineering, Shihezi University, Shihezi 832000, China)
Abstract: Prediction of soluble solids content (SSC) of dried Hami big jujubes was studied by means of the hyperspectral imaging technology in this work. Many spectral preprocessing methods were used to preprocess the raw spectra, and the partial least squares (PLS) models were established based on the raw spectra and preprocessed ones. The comparison and analysis showed that the best preprocessing result was achieved by the mean centering (MC) algorithm. MC-pretreated spectra were screened by the synergy interval partial least squares (si-PLS) method, and the characteristic wavelengths of SSC of Hami big jujubes were selected using a combination of a genetic algorithm (GA) and competitive adaptive reweighted sampling algorithm (CARS). The selected wavelength variables were used to build a PLS predictive model for SSC of Hami big jujubes. The results indicated that 16 characteristic wavelengths were selected and accounted for only 2% of full spectral variables in the MC-CARS-GA-si-PLS model. The performance of the newly built PLS model was better than that of the PLS model based on the full spectrum. The correlation coefficient of the prediction set (Rp), the root mean square error of prediction (RMSEP), and the relative prediction deviation (RPD) of this model were 0.93, 0.48, and 2.721, respectively. The results show that this PLS predictive model based on the wavelength selection not only is simpler but also enhances the predictive ability of such models, and can serve as a reference for quantitative analysis and study of fruits and dried fruits by the hyperspectral imaging technology.
8G)和暗箱组成。高光谱图像波长范围为 400~1000 nm,像素光谱分别率为 0.6,共 953 个波段。
果表明,采用 BP 神经网络预测长枣糖度的效果优于
PLS 预测结果,模型的预测相关系数 RP 为 0.9274;彭 云发[4]等采用遗传算法(GA)从全波段中提取了 12 个
特征波长建立了红枣总糖的 PLS 模型,有效的提高了
为满足干制后红枣的品质检测和分级的需求,采取快 依次编号后在室温下(25±1 ℃,50~55% RH)放置
速、无损的检测方法是很有必要的。这不仅可以增加 24 h 后进行光谱数据采集,以便避免温度和湿度对模
我国的红枣出口数量,对红枣进行分级管理,也可以 型性能的影响。试验样本大小均匀,其横、纵径变化
技术对水果及其干制品的定量分析研究提供了参考。
关键词:高光谱;哈密大枣;可溶性固形物;特征波长提取;偏最小二乘法
文章篇号:1673-9078(2016)9-174-179
DOI: 10.13982/j.mfst.1673-9078.2016.9.026
Characteristic Wavelength Selection-based Prediction of Soluble Solids
1 材料与方法
871-2004 规定[1],可溶性固形物是评价哈密大枣内部 品质和划分等级的重要指标,并且可溶性固形物含量
1.1 试验材料
决定了红枣的口感、味道和储藏性能。红枣的鲜食期
实验所用 90 颗新疆哈密大枣样本均从石河子干
较短,大量的红枣采收后进行干制,以便储藏及销售。 果批发市场选购。对样本擦拭以去除表面污垢并进行
图像采集软件(Isuzu Optics Corp. Taiwan)、计算机
的 SSC 进行了预测研究,使用人工神经网络建立了灵 (DELL 9020MT,Intel core i7-4790@3.6 GHz,RAW
武长枣 SSC 的预测模型,其决定系数 R2 为 0.9027; 徐爽[6]等利用高光谱图像技术预测了长枣的糖度,结
模型的预测能力,其预测相关系数 RP 为 0.9379。李江 波[7]等采用近红外高光谱图像技术对鸭梨 SSC 进行了
预测,使用 CARS 算法从全光谱中提取了 37 个特征
变量用于建立 PLS 模型,预测结果优于全波段,其预 测决定系数 R2 为 0.908。
综上所述,在利用高光谱图像技术检测枣类果实
其中包含有大量与被测组分不相关或无用的信息,这
高光谱图像系统(图 1 所示)主要由 CCD 摄像机
些信息会削弱光谱模型的预测能力,为了剔除不相关 (C8484-05G01 型,日本 Hamamatsu 公司);成像光
的变量,得到预测能力更好、性能更稳定的模型,提 取光谱特征波长是非常必要的[3~4]。因此,许多学者对
谱仪(V10E-QE 型),芬兰 Spectral Imaging Ltd.;1 套光纤卤素灯(DCR Ⅲ型),150 W,美国 Schott 公
农产品品质无损检测及其特征波长提取做了很多的研 司;输送装置(PSA200-11-X 型),北京卓立汉光公司;
相关文档
最新文档