基于高光谱成像技术的大曲酸度值预测及其可视化

酸度值是大曲质量评价的重要指标,提出了一种基于高光谱成像技术快速检测大曲发酵过程中酸度值的方法。通过采集大曲高光谱图像并提取感兴趣区域(region of interest,ROI)的平均光谱,采用多元散射校正(multiplicative scatter correction,MSC)、标准正态变量校正(standard normal variable correction,SNV)和S-G卷积平滑后一阶导(savitzky-golay smoothing first derivative,SGFD)3种预处理方法,再通过连续投影算法(successive projection algorithm,SPA)选取最优的特征波长,分别建立偏最小二乘回归(partial least squares regression,PLSR)和最小二乘支持向量机(least squares-support vector machine,LS-SVM)预测模型,结果显示,基于SPA从SNV预处理光谱中筛选的8个最优特征波长建立的LS-SVM模型预测大曲酸度值效果最好,其中预测集决定系数(determin...     

高光谱成像技术结合优化算法窖泥总氮含量的预测

窖泥的总氮含量是窖泥质量评价的指标之一,其常规检测方法周期长且具有破坏性。为实现窖泥总氮含量的快速无损检测,提出了高光谱成像技术（HSI）结合优化算法的窖泥总氮含量的检测方法。首先,使用不同的预处理方法对可见光（Vis）光谱数据进行处理,并建立偏最小二乘回归（PLSR）模型,通过比较模型性能确定了最佳预处理。其次,综合比较了采用全光谱波长、竞争性自适应重加权采样（CARS）算法、连续投影算法（SPA）和CARS与SPA(CARS-SPA)联用策略方法优选特征波长,并作为PLSR和最小二乘支持向量机（LS-SVM）模型输入变量,研究对各模型性能的影响。最后,基于最优模型实现了窖泥样本的总氮含量可视化,直观反映不同层级的总氮含量差异。结果表明,标准正态变量变换（SNV）方法预处理后建立的PLSR模型预测总氮含量最好;CARS-SPA联用策略方法优选特征波长较其他两种方法好,且其建立的LS-SVM模型的预测性能最佳（预测集决定系数Rp2=0.987 6、预测均方根误差（RMSEP）=0.013 8 g/100 g）。高光谱成像技术结合优化算法可以快速、无损检测窖泥总氮含量,为窖泥中总氮含量检...     

基于高光谱成像技术的宁夏枸杞产地溯源鉴别

本研究基于高光谱成像（400～1 000 nm）结合化学计量学开发一种用于识别枸杞产地多元化的检测方法。获取宁夏、甘肃、内蒙古、青海和新疆5个不同产地的枸杞高光谱图像,并基于阈值分割方法从感兴趣区域提取光谱数据。同时使用多种预处理方法消除光谱的干扰信息,研究表明基于归一化反射光谱的判别模型表现出较好的性能。进一步地采用连续投影算法、竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、粒子群优化算法、迭代保留信息变量算法（iteratively retaining informative variables,IRIV）和CARS+IRIV选择特征波长。研究结果表明CARS+IRIV选取波长建立的简化模型性能最优,从二元分类到五元分类模型,特征波长仅占全波长的15.6%～27.7%,预测集准确率分别为97.7%、90.9%、89.2%、87.1%。此外,为了更加直观辨别分类种类,使用混淆矩阵可视化最佳简化分类模型。在对宁夏枸杞分类中获得了令人满意的灵敏度、特异性和Kappa系数。综上,高光谱成像技术结合化学计量学方法可有效鉴...     

基于高光谱成像的干燥胡萝卜片水分及类胡萝卜素含量无损检测和可视化分析

利用不同波长范围的高光谱成像系统,以热风干燥过程中胡萝卜片水分和类胡萝卜素含量为研究对象,结合多元数据统计分析和化学计量学,分别构建基于偏最小二乘和支持向量机(support?vector?machine,SVM)算法的无损预测模型,并进行可视化分析。结果表明,水分和类胡萝卜素含量预测模型中,基于400～1?000?nm波长范围下多元散射校正的高光谱信息构建的SVM预测模型效果相对最优,对应的预测集决定系数R2P分别为0.984和0.911,预测集均方根误差(root?mean?square?error?of?prediction,RMSEP)分别为0.380?g/g和34.836?mg/100?g。经连续投影算法提取特征波长后,最优模型R2P分别为0.962和0.898,RMSEP分别为0.612?g/g和37.544?mg/100?g,模型剩余预测残差均大于3,精确度和稳定性良好。在最优预测模型的基础上,通过伪彩色成像重现了干燥过程中样品水分及类胡萝卜素的空间分布。实验结果证实高光谱成像技术可以用于胡萝卜片干燥过程水分和类胡萝卜素含量的无损检测,为后续在线检测和胡萝卜片干燥加工提供...     

基于高光谱成像的香肠菌落总数回归预测及数据可视化

香肠的好坏有很多种评价指标,菌落总数（TVC）是其中的一种。高光谱成像技术已经成为一种快速、无损检测食品品质的有效方法。本文利用高光谱成像技术对香肠的菌落总数进行了定量分析,对数据进行了主成分分析（PCA）,研究发现数据集中前四个主成分累计贡献率已达97.65%,已经可以反映出香肠所包含的绝大部分信息。对前四个主成分对应的优化区间采用高斯核函数的SVM回归模型进行预测,并为了提高回归预测模型的精确度,对模型的c,g参数,进行了遗传算法（GA）、网格搜索算法和粒子群算法（PSO）寻优对比,其中PSO寻优可使回归预测值和真实值的相关系数为0.9777,交互验证均方根误差为0.0823,能够准确快速的实现香肠菌落总数的预测。除此之外,利用python对回归预测的数据进行可视化,更加直观的显示菌落总数变化,且可以达到实时观看的效果。     

基于高光谱成像技术的薯麦混合粉淀粉含量检测

为快速无损检测薯麦混合粉中的淀粉含量,在近红外（900～2 500 nm）的光谱范围采集样品的高光谱图像,通过对比原始光谱和七种不同预处理后的光谱数据建立偏最小二乘回归（Partial least square regression,PLSR）,支持向量机回归（Support vector machine regression,SVMR）模型效果,确定多元散射校正法（Multiplicative scattering correction,MSC）为最佳预处理方法。采用竞争性自适应加权法（Competitive adaptive reweighted sampling,CARS）和连续投影算法（Successive projections algorithm,SPA）提取特征波长,建立PLSR和多元线性回归（Multiple linear regression,MLR）模型,结果表明SPA显著的降低了模型的复杂度,SPA-MLR模型检测集的决定系数（R2P）为0.9181,检测集的均方根误差为0.4214%。通过高光谱图像可视化,实现薯麦混合粉淀粉含量检测,为快速无损检测薯麦混合粉中的淀粉含量建立了一种新方法。     

滩羊肉中特征脂肪酸含量的高光谱检测及可视化

风味是影响肉品质和消费的重要因子,主要由一些风味前体物质经过复杂的化学反应转化而来。羊肉风味与油酸(C_(18:1))含量有显著相关性,且硬脂酸(C_(18:0))含量与羊肉膻味呈正相关。本文采用可见/近红外高光谱(400～1 000 nm)快速检测滩羊肉中风味前体特征脂肪酸含量。首先选取掩膜后光谱图像作为感兴趣区域,采用6种方法进行光谱预处理,对比分析后优选出最佳预处理方法;然后结合连续投影算法(SPA)、无信息变量消除算法(UVE)和变量组合集群分析法(VCPA)提取特征波长并建立回归预测模型;最后通过建立的最优预测模型将脂肪酸含量定量反演到样本图像上。结果表明:油酸以MSC-UVE-MLR建模效果最优,其R_C=0.9099,R_P=0.8759;硬脂酸以SNV-SPA-MLR建模效果最优,其R_C=0.8691,R_P=0.8446。利用光谱反射率值结合最优模型参数实现了脂肪酸含量在羊肉样本高光谱图像上的可视化表达,可以通过更加直观清晰的方式对羊肉品质进行快速无损检测。     

基于高光谱成像的大米中蛋白质含量的可视化研究

为了研究大米蛋白质含量在品种和产地之间的差异,将采集的大米按照品种、产地进行分类。将提取的感兴趣区域光谱信息与化学方法测定的蛋白质含量相结合,建立全波长预测模型,通过对比确定最优的模型为偏最小二乘回归(partial least-squares regression,PLSR)。连续投影算法(successive projection algorithm,SPA)筛选特征波段,建立PLSR的特征波长模型,其性能与全波长模型相当。提取特征波长下的高光谱图像,将提取的特征图像上的所有像素点的光谱数据导入已建好的SPA-PLSR模型,预测各像素点的蛋白质含量,并把高光谱灰度图像进行伪彩色处理,得到不同品种产地大米的蛋白质含量分布图。结果表明,利用高光谱成像技术对大米中蛋白质含量分布进行可视化研究具有可行性,为后期筛分大米的产地和品种提供依据。     

高光谱成像技术预测香葱贮藏品质

香葱是一种保质期很短的重要调味食品,水分与叶绿素是评估香葱采后品质的重要指标.本文旨在使用无损检测技术获取香葱在采后不同存储条件下的水分及叶绿素分布情况.实验采用高光谱成像技术获取431～962 nm波段的香葱反射光谱数据,通过卷积平滑(SG)、多元散射校正(MSC)、标准正态变异(SNV)三种预处理方法对原始光谱进行...     

高光谱成像的红提总酸与硬度的预测及其分布可视化

利用高光谱成像技术实现对红提总酸和硬度无损检测和分布可视化。首先,利用高光谱采集生长期360个红提样本在波段450～1 000 nm的高光谱图像信息后用化学方法测定对应样本的总酸,用质构仪测定硬度。采用KS(Kennard-Stone)算法将总样本按照3∶1的比例划分为训练集（270个样本）和测试集（90个样本）。对红提原始光谱数据分别利用标准正态变量变换（standard normal variate transformation,SNV）、卷积平滑（Savitzky-Golay,SG）处理法、多元散射校正（multivariate scatter correction,MSC）、归一化等光谱预处理方法处理,确定最优光谱预处理方法。然后,分别采用一次降维（竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、连续投影算法（successive projections algorithm,SPA）、遗传算法（genetic algorithm,GA）、无信息变量消除法（uninformative variable elim...     

高光谱成像技术定量可视化检测熟牛肉中挥发性盐基氮的含量

为了能够快速、准确的检测出熟牛肉在冷藏过程中的新鲜状况,尝试利用高光谱成像技术对熟牛肉中的挥发性盐基氮(TVB-N)含量进行定量可视化分析。采集400~1000 nm范围内样品高光谱图像,采用变量组合集群分析法(VCPA)提取出6个光谱特征波段变量,针对特征波段图像,利用Tamura算法共提取出18个纹理特征变量,基于RGB颜色模型,分别计算出R、G和B分量图中共9个颜色特征变量。利用粒子群优化最小二乘支持向量机(PSO-LS-SVM)算法分别建立了不同变量组合的TVB-N含量预测模型。经分析比较,基于光谱与颜色特征融合的PSO-LS-SVM模型展现出最优的预测能力,预测集决定系数(R2p)和均方根误差(RMSEP)分别为0.955和1.093。利用最优模型将TVB-N含量进行可视化表达。结果表明,融合高光谱图像中光谱与颜色特征并结合PSO-LS-SVM算法对熟牛肉中TVB-N含量进行准确的预测与可视化表达是可行的,该研究可为其它肉及肉制品新鲜度检测提供理论参考。     

基于近红外高光谱成像技术的花生冻伤检测方法研究

花生在收获、运输、储存和加工过程中易受到温、湿度变化导致冻伤现象,从而影响花生及其制品的品质,为探索花生冻伤机理并提高冻伤花生检测效率,本文采用近红外高光谱技术研究花生冻伤无损检测可行性、基于特征变量筛选的判别模型优化方法以及花生冻伤机理。实验研究了变量标准化（Standard Normalized Variate,SNV）、多元散射校正（Multiplicative Scatter Correction,MSC）、Savitzky-Golag(SG)平滑以及SG平滑-SNV和SG平滑-MSC五种预处理方法对原始数据的影响,随后分别采用竞争自适应重加权法（competitive adapative reweighted sampling,CARS）、随机蛙跳（random frog,RF）、变量重要性投影（variable importance in projection,VIP）、连续投影算法（successive projections algorithm,SPA）、蒙特卡洛无信息变量消除（Monte Carlo uninformative variable elimination...     

基于高光谱成像技术预测牡蛎干制加工过程中的水分含量

提出一种应用高光谱成像技术结合化学计量学检测牡蛎干制加工过程中水分含量的方法。采用高光谱成像系统,在400～1 100 nm范围内,采集到5个干燥时期的100个牡蛎干样本高光谱图像。提取所有样本感兴趣区域的平均光谱数据,对原始光谱数据进行多元散射校正(MSC)、卷积平滑(S-G)预处理,采用相关系数法提取8个特征波长。基于所提取的特征波长,建立光谱数据与水分含量的多元线形回归(MLR)和BP神经网络模型。结果表明:两种模型均有较好的预测效果。MLR模型的校正集、预测集和交叉验证集的相关系数较BP神经网络低;校正集、预测集和交叉验证集均方根误差分析结果表明,BP神经网络效果较MLR好。高光谱成像技术结合化学计量学方法可检测牡蛎干制过程中水分含量的变化。     

基于高光谱成像技术的酿酒高粱品种分类

针对不同品种酿酒高粱分类难、分类精度有待提高等问题,提出了一种结合光谱和图像信息的高光谱成像技术从而对酿酒高粱进行分类的方法.通过采集11类共550个高粱样本的高光谱数据,运用连续投影算法从多元散射校正预处理后光谱中筛选出48个特征波长,再提取图像的灰度共生矩阵作为图像特征,利用纹理特征、全光谱、特征光谱及其结合图像特...     

基于高光谱成像技术的进口冰鲜牛肉新鲜度指标检测

为了对进口冰鲜牛肉的新鲜度进行快速无损鉴别,通过高光谱成像技术结合化学计量学方法对冰鲜牛肉的新鲜度特征指标进行检测。首先测定不同新鲜度样品的挥发性盐基氮(total volatile base nitrogen,TVB-N)、颜色参数(L^*、a^*、b^*)、脱氧肌红蛋白、氧合肌红蛋白和高铁肌红蛋白含量变化,通过显著性分析确定新鲜度特征指标。然后利用高光谱成像技术采集样品光谱和图像信息。利用光谱数据结合偏最小二乘法、区间偏最小二乘法和竞争自适应重加权-偏最小二乘法(competitive adaptive reweighted sampling-partial least squares,CARS-PLS)对特征指标含量进行预测,并对不同模型的预测结果进行比较。结果表明,TVB-N、a^*和b^*值这些特征指标的最佳预测模型均为CARS-PLS。模型的r_c分别为0.965 8、0.949 5、0.964 2,交叉验证均方根误差分别为1.06 mg/100 g、0....     

一种基于高光谱图像的熟牛肉TVB-N含量预测方法

传统肉制品新鲜度检测方法具有耗时费力、效率低、有损等缺陷,提出利用高光谱成像(HSI)技术预测熟牛肉新鲜度指标挥发性盐基氮(TVB-N)含量。首先通过HSI系统获取熟牛肉样本的高光谱数据,并进行黑白校正。进而采用移动平均平滑和多元散射校正对高光谱数据进行预处理。最后采用支持向量回归(SVR)方法分别建立基于全光谱特征、单一光谱特征、单一纹理特征、主成分分析(PCA)融合特征对TVB-N含量的预测模型。结果显示,使用PCA融合特征的SVR模型,对新鲜度的关键指标TVB-N含量的平均预测准确度(APA)可达到85.13%,表明高光谱成像技术与信息融合技术相结合能够提升模型准确度。     

基于高光谱成像技术快速检测茶叶茶多酚含量

目的 为了快速、无损的检测茶叶中茶多酚含量,建立一种精确、高效的多元校正模型。方法 首先利用高光谱成像技术采集单纵茶叶的光谱数据,其次通过二维相关光谱(two-dimensional correlation spectroscopy techniques,2D-COS)波段筛选算法提取特征光谱,最后结合极限学习机(extreme learning machine,ELM)建立茶多酚的预测模型,并与全波段模型进行对比。结果 经二维相关光谱算法所提取后的特征波段所建立的模型预测效果优于全波段模型。茶多酚的决定系数(correlation coefficient of cross-validation,R2)从0.89上升到0.94,预测值均方根误差(root mean square error of prediction,RMSEP)也从2.37%下降到2.16%。结论 表明二维相关光谱波段筛选算法有效的提取茶多酚的特征波段,对茶叶茶多酚含量的快速、无损预测具有可行性。     

基于高光谱成像的咸鸭蛋腌制品质快速检测

咸鸭蛋是一种中国传统腌制食品，水分和脂肪含量是评价咸鸭蛋腌制品质的重要指标。本文旨在采用高光谱成像系统结合化学计量学探究不同腌制阶段咸鸭蛋的水分和脂质含量变化及分布状态。实验采用高光谱成像技术获取432～961 nm波长范围内的咸鸭蛋剖面反射光谱。为了减小光谱信号的噪声，通过Savitzky-Golay平滑(SG)、高斯滤波(Gauss)和标准正态变换(SNV)三种方法对原始光谱进行预处理，使用竞争自适应加权采样算法(CARS)挑选最优波长，然后进一步采用偏最小二乘回归算法(PLSR)和人工神经网络(ANN)对水分和脂质含量进行定量预测。结果表明，ANN模型能够更好地对水分及脂质含量进行预测，对蛋白水分、蛋黄水分和蛋黄脂质的预测决定系数分别为0.9306,0.9552和0.8896。最后，为了更加直观、全面地对咸鸭蛋腌制过程中的水分和脂质含量进行评价，根据ANN模型绘制出咸鸭蛋剖面的水分及脂质含量分布图。可视化分布图成功显示了咸鸭蛋在不同腌制时间水分和脂质的空间分布。本研究为咸鸭蛋生产及下游食品加工企业提供了一种基于光谱技术的快速检测方法。     

基于高光谱技术检测小麦粉灰分含量

目的 基于高光谱技术实现对小麦粉灰分含量的准确检测。方法 利用高光谱成像技术采集小麦粉的光谱数据,建立基于偏最小二乘法(partial least squares regression,PLSR)和深度极限学习机(deep extreme learning machines,DELM)的小麦粉灰分含量预测模型;通过分析3种预处理算法和4种波长选择算法,分别选出最佳的预处理与波长选择方法,最后构建基于特征波段光谱信息的预测模型,并对结果进行比较。结果 标准正态变量校正(standard normal variable,SNV)为最佳预处理方法;连续投影算法(successive projections algorithm,SPA)相较于随机森林(random forest,RF)、无信息变量消除(uninformative variable elimination,UVE)和遗传算法(genetic algorithm,GA)选择特征波长的模型更优;DELM模型更适用于灰分含量的检测,最优模型的测试集决定系数为0.968,预测集均方根误差为0.024。结论 高光谱成像技术可以快速、精准的...