基于高光谱成像技术的水果品质无损检测

高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,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500～900nm的高光谱图像数据,通过主成分分析提取547nm波长下的特征图像.     

基于高光谱成像技术无损检测芒果轻微损伤

目的 使用高光谱成像技术实现对芒果轻微损伤的无损识别。方法 在可见光-近红外波长范围内采集完好芒果和损伤芒果的高光谱图像,并提取相应的感兴趣区域(regions of interest, ROI)获得样本高光谱数据。经过多种预处理方法比较,选择光谱预处理方法。使用竞争性自适应重加权算法(competitiveadaptivereweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)分别对预处理后的光谱提取特征波长,并分别建立了多元线型回归(multiplelinearregression,MLR)模型和偏最小二乘回归(partialleastsquaresregression,PLSR)模型。结果 选择多元散射校正(multiplicative scatter correction, MSC)作为光谱预处理方法。针对芒果轻微损伤识别,CARS-MLR模型识别效果最好,其校正集相关系数为0.881,预测集相关系数为0.821,校正集均方根误差(calibration set root mean squa...     

高光谱成像技术在食品品质无损检测中的应用

高光谱成像技术结合光谱技术和图像技术的优势,能够很好的捕获光谱信息和图像信息。其丰富的光谱信息能够有效的提取样品内部特征。该分析技术已广泛应用于检测食品的水分含量、新鲜度、生物污染等。本文介绍并分析了高光谱成像技术在食品检测中的各种应用,指出了目前高光谱成像技术存在的不足之处,指明了该技术领域工作者今后的重点研究方向,并对高光谱成像技术发展前景进行了分析和展望。      

高光谱成像技术在农产品无损检测中的应用

高光谱成像技术具有“图谱合一”的特点,其汇集了传统成像和光谱技术的特点,能同时获得待测农产品样本的图像信息和光谱信息,因此该技术既可以通过成像技术检测物体的外部特征,又可以通过光谱技术得到农产品的内部品质和食用安全性信息,包括品种分类、理化指标测定、真菌感染检测和农药残留检测等。与传统检测方法相比,高光谱成像以其检测过程中前处理简单、无污染、无破坏性的特点,在农产品无损检测领域有所应用。从高光谱成像的理论基础出发,对其图像获取与分析方式进行概述,并阐述了高光谱成像技术在农产品无损检测领域中近五年的研究进展,以期为农产品的品种分类、营养品质和食用安全性评估方法提供参考。     

基于高光谱技术的羊肉含水率无损检测

利用高光谱成像系统(1000~2500 nm)对羊肉含水率进行无损检测研究。对108个羊肉样本进行光谱信息采集,通过标准正态变换法、归一化法、去趋势校正法、S-G卷积平滑法、导数法、多元散射校正法对原始光谱进行预处理,对全波段下的原始光谱和预处理后的光谱建立偏最小二乘回归(PLSR)模型,优选出的最佳预处理算法为去趋势校正法。原始数据经去趋势校正法预处理后,采用相关系数法选取特征波长,建立特征波长下羊肉含水率的 PLSR模型和逐步多元线性回归(SMLR)模型。结果表明,SMLR模型对含水率预测效果最好,校正集相关系数R_c为0.8597,标准误差SEC为0.0521;预测集相关系数R_p为0.8654,标准误差SEP为0.0387。研究表明,利用高光谱成像技术检测羊肉含水率是可行的。     

基于高光谱成像技术的鸡蛋哈氏单位快速无损检测

本实验利用高光谱(900~1700 nm)成像技术结合化学统计学算法,对鸡蛋哈氏单位的无损检测进行研究。采集样品原始光谱信息,经S-G卷积平滑、MSC、SNV预处理后建立PLSR模型,优选最佳预处理方法;利用PLSR的加权β系数、遗传算法GA提取特征波长,分别建立PLSR、PCR模型,比较建模效果,优选最佳特征波长提取方法及建模方法。结果表明,预处理后建模效果并未提高,即以原始光谱作为建模对象,采用遗传算法提取特征波长后建立的PLSR模型效果最好,其R_C为0.8118,校正集均方根误差是2.9677,R_P为0.8203,预测集均方根误差是3.2762。因此,利用高光谱技术无损检测鸡蛋哈氏单位是可行的,同时为鸡蛋的新鲜度快速判别、分级分选提供理论依据。     

高光谱成像技术在肉类安全无损检测的应用研究进展

高光谱成像技术在肉类安全品质预测及分选分级方面已取得了诸多成果。作者重点综述了其在肉类有毒有害物质检测、肉类掺假检测、肉类分选分级中的研究现状,讨论了其存在的不足及发展趋势,以期为肉类安全无损检测方法的研究提供参考。     

基于高光谱成像技术的金华火腿无损分级检测研究

目的 建立金华火腿的质量等级评判模型。 方法 采用高光谱成像仪检测不同质量等级的金华火腿样本, 结合数据分析软件对得到的图像信息作主成分分析(PCA)和偏最小二乘(PLS)分析。 结果 用PCA处理, 第一主成分(PC1)和第二主成分(PC2)的贡献率分别为86%和11%, 总贡献率为97%。PLS建立的判别模型中, 训练集和验证集的总体识别吻合率分别为96.19%和89.52%。 结论 将高光谱成像技术与一定的模式识别方法相结合建立评判模型, 是一种可行的金华火腿质量等级检验新技术。     

高光谱成像技术在果蔬品质安全无损检测中的应用

近年来,人们对果蔬品质关注度提高。随着成像技术和光谱技术的快速发展,高光谱成像技术广泛应用于各种果蔬产品的快速和非破坏性检测中。高光谱成像技术具有"图谱合一"的优点,可同时检测果蔬的内部、外部品质信息。本文介绍了高光谱成像技术的基本原理,综述了高光谱成像技术在果蔬内外部品质检测方面的应用进展,并简要分析了高光谱成像技术在果蔬品质检测中的发展趋势和面临的挑战,以期对我国相关研究人员的研究工作提供参考。     

基于高光谱成像技术的小麦籽粒品种鉴别方法研究

为了更精确地鉴别小麦品种,实现小麦品种快速、无损、有效、稳定的鉴别.利用高光谱成像系统采集6个小麦品种籽粒光谱和图像信息,提取小麦籽粒胚、胚乳、胚和胚乳混合部位的光谱,采用不同的预处理方法对原始光谱进行处理,利用竞争性自适应重加权算法(CARS)和连续投影算法(SPA)提取特征波长,基于全波长和特征波长建立线性判别分析...     

利用近红外光谱及电子鼻技术快速无损鉴别长期冻藏猪肉

利用可见-近红外光谱技术和电子鼻主成分分析技术对新鲜肉和长期冻藏猪肉分别进行快速无损鉴别.首先通过近红外分析技术采集新鲜肉样(-18℃分别贮藏0、3个月)和长期冻藏猪肉(-18℃分别贮藏6、9个月)的判别样本光谱图,对样品的光谱值进行直接判别分析,采用不同的预处理方式优化长期冻藏猪肉和新鲜肉的判别模型并分别进行主成分分...     

基于特征波段卷积神经网络的小麦种子品种分类研究

种子纯度是种子质量评价的重要指标,本研究针对高光谱图像检测效率难以满足大批量种子检测的问题,采用包络线去除-卷积神经网络(CR-CNN),开发一种快速、可靠的小麦种子分类方法。首先采用包络线去除法挑选出特征波段,然后结合Ghost模块、MobileNetV2模块压缩架构以及经典架构分别建立卷积神经网络分类模型,最后比较全波段和特征波段的模型检测结果。研究表明,使用包络线去除法之后,检测时间为原先的9.50%～12.87%,百个样本检测时间最快仅需要0.019 s,同时分类精度最高能达到96.125%。CR-CNN方法能够充分利用高光谱图像中的有效信息,快速且准确的鉴别小麦种子品种,为开发高精度小麦种子在线检测多光谱设备提供参考。     

Classification of Black Beans Using Visible and Near Infrared Hyperspectral Imaging

A rapid and non-destructive method based on the visible and near infrared hyperspectral imaging technique in the wavelength range of 390–1050 nm was investigated for discriminating the varieties of black beans. In total, 300 samples of three varieties were scanned by the visible and near infrared hyperspectral imaging system, and hyperspectral data were analyzed by spectral and image processing technique respectively. A successive projection algorithm was used to obtain 13 characteristic wavelengths (504, 507, 512, 516, 522, 529, 692, 733, 766, 815, 933, 998, and 1000 nm) for spectral analysis. After the processing of successive projection algorithm, optimal image selection was carried out by principal component analysis based on the characteristic wavelengths. The first principal component image was used for the image analysis, whose contribution rate was over 98.34%. Gray level co-occurrence matrix analysis from first principal component image was applied to extract image features including 16 textural features and six morphological features. In this study, partial least squares-discriminate analysis, support vector machine, and K-nearest neighbors were used for model establishments, respectively, based on spectral feature, image feature, and the combination of spectral and image features. The results show that the best correct discrimination rate of 98.33% was achieved by applying combined spectral and image features. The study demonstrated that visible and near infrared hyperspectral imaging technique was potential for rapid classification of black beans, and the performance of the classification model can be improved by the feature combination.     

梅州金柚品种的近红外无损鉴别

应用傅里叶变换近红外光谱仪无损快速获取金柚表皮的近红外光谱信息,根据TQ Analyst 9.0软件的"Discriminant Analyst"(判别分析法)建立金柚品种定性识别模型,模型清晰地将样品分成了3类:白柚、红柚和沙田柚。利用此模型检测了未参与建模的3类金柚样品,正确识别率为100%。     

基于近红外光谱技术和优化预处理方法的豆浆粉无损鉴别研究

基于近红外光谱技术结合不同优化预处理方法建立不同品牌与简单研磨豆浆粉的无损鉴别方法。首先对简单研磨豆浆粉、国产品牌、国外品牌3类共132个样品进行近红外光谱采集,对比分析其近红外原始光谱图,随即结合不同预处理方法考察其对原始光谱的优化结果,最后结合主成分分析方法对简单研磨豆浆粉以及国内外不同品牌豆浆粉进行鉴别分析,筛选出最佳的优化预处理,并建立有效可靠的豆浆粉近红外鉴别模型。结果表明:原始光谱存在着明显的背景干扰和基线漂移现象,多种预处理均在一定程度上有效消除基线漂移;一阶导数、连续小波变换、多元散射校正、标准正态变量变换及其优化组合预处理的使用,实现了进口、简单研磨、国产3类豆浆粉样品的有效鉴别,但无法实现国产品牌之间的有效鉴别。二阶导数预处理的聚类分析结果则最终实现了所有品牌之间的完美区分,品牌间的鉴别成功率可达到100%。在豆浆粉的近红外快速无损鉴别当中最优光谱预处理方法为二阶导数预处理。     

基于SIMCA模型的纸浆种类近红外光谱鉴别

研究了近红外光谱分析与SIMCA模式识别技术相结合鉴别纸浆种类的方法。收集了桉木浆、麦草浆(漂白与未漂白)、棉浆、湿地松浆等4种纸浆共90个样品,抄成不同定量纸样并采集其近红外光谱,其中部分桉木浆添加化学助剂。选择60个样品作为训练集建立SIMCA类模型,剩余30个样品用于模型检验。研究结果表明,建立的模型能完全正确识别各类纸浆,且不受抄纸定量和添加化学助剂因素的影响,为快速无损鉴别纸浆种类提供了一种准确可靠的方法。     

基于高光谱成像技术小麦籽粒霉变鉴别方法研究

小麦霉变籽粒是小麦不完善粒一种,鉴别小麦霉变粒是粮食霉变程度的重要参考。为了更精确地鉴别小麦霉变籽粒,本文利用高光谱成像技术采集不同品种小麦霉变籽粒及非霉变籽粒的光谱信息,建立小麦霉变籽粒的鉴别预测模型,实现小麦霉变籽粒快速、无损、有效、稳定的鉴别。首先收集了100粒霉变和100粒正常非霉变籽粒400-1000 nm范围的高光谱图谱,通过不同的光谱预处理方法进行处理,选出最优光谱信息预处理方法。接着,采用连续投影算法(SPA)和竞争性自适应重加权采样(CARS)提取特征波长,分别比较通过全波长范围和特征波长下建立的偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)模型并进行比较。结果表明,淮麦22和宁麦13的最优预测模型分别为全波长-OSC-SVM和SPA-OSC-SVM模型,对应的R分别为0.9963和0.9998,RMSEP分别为0.0309和0.0064,R分别为0.9975和0.9995,RMSECV分别为0.0247和0.0111。     

高光谱技术结合迭代决策树的香肠菌落总数预测

利用波长范围400～1 000 nm高光谱对香肠的菌落总数进行预测研究。选取450 个香肠样本的光谱数据作为训练集,50 个作为测试集。采用多元散射校正方法对光谱预处理并采用主成分分析法对光谱降维处理。对训练集和测试集数据分别采用支持向量回归和迭代决策树（gradient boosting decision tree,GBDT）方法建立定量分析模型,优选最佳建模方法。结果表明：GBDT的建模效果较好,其训练集和测试集的均方根误差分别为0.001和0.003,决定系数R2分别为0.998和0.996。研究表明,基于高光谱成像技术利用GBDT方法预测香肠菌落总数可行并可有效实现。     

近红外光谱分析技术及仪器发展概况

近红外技术是现在国际上公认的最有应用价值的分析技术之一,它的应用能给企业带来巨大利益,也将在各种大型流程化工业中扮演越来越重要的角色。评述了近红外光谱分析技术的发展史和近红外光谱仪的诞生到现在的发展状况。展望了近红外分析技术研发方向和仪器的发展前景。