高光谱成像技术对牛肉水分含量及分布的快速检测

利用可见/近红外高光谱成像技术对牛肉水分含量 及分布进行快速检测。采用可见/ 近红外高光谱成像系统(400000 nm)采集150个黄牛肉样本的高光谱图像,利用ENVI软件 提取样本感兴趣区域(ROI)并计算平均光谱值;对原始光谱数据进行预处理并利用连续投 影算法(SPA)、竞争性自适应重加权算法(CARS)和无信息变量消除算法(UVE)进行特征 波长提取,建立基于不同特征波长的偏最小二乘回归(PLSR)模型,进而优选牛肉水分含量 预测的最优模型。通过蒙特卡罗交叉验证法剔除26个异常样本值;经卷积平滑(Smoothing - SG)法预处理后的原始光谱数据所建PLSR模型效果较好,其校正集决定系数(R²c)与预测集 决定系数(R²p)分别为0.817、0.850;利用CAR S、SPA、UVE法分别优选出12、27、27个特征 波长;对比基于全波段光谱与特征波段光谱所建PLSR牛肉水分预测模型的优劣,结果显示基 于CARS-PLSR法建立的牛肉水分预测模型效果最好,其R²_c 、R²p值分别为0.814、 0.750,校 正集均方根误差(RMSEC)与预测集均方根误差(RMSEP)分别为0.477、0.555;最后,利用CARS -PLSR模型计算牛肉样本每个像素点的水分含量并利用伪彩色图对牛肉样本水分分布进行可 视化分析,进而实现牛肉水分含量的快速检测及分布的可视化表达。该研究结果可为黄牛肉 水分含量的快速检测提供理论支撑。     

基于高光谱技术的果糖检测优化算法和可视化方法

为提升高光谱成像技术对果糖的无损检测精度, 引进一种优化偏最小二乘(PLS)因子数的方法,以高光谱 技术采集的苹果数据为基础,对比分析了全波段建模、遗传算法(GA)和连续投影算法(SPA) 选择光谱特征波段建模在 优化前后对果糖的预测性能。结果表明,优化方法不仅提高了模型的预测能力,同时降低了 模型的复杂度, 为PLS在化学计量学中的应用提供了改进方法。优化方法对全波段PLS模型的改善效果最 优,预测误差均方根(RMSEP)和测试组相关系数(R_p)前分别为〖 J P〗0.657、0.828,优化后改善至0.604、0.871。另外,本 文从可视化角度对果糖含量的差异进行表征,并取得良好效果,为进一步提升高光谱检测水 果内部品质的准确性提供了理论基础。     

基于可见/近红外光谱技术的黄瓜叶片SPAD值检测

为了快速准确检测黄瓜叶片的SPAD值,采用可见/近红外光谱技术并结合化学计量学方法建立了黄瓜叶片SPAD值校正模型.并用不同建模方法对全波段光谱进行建模,结果表明用最小二乘支持向量机(LSSVM)建模得到的预测效果最好,其相关系数r和预测均方根误差RMSEP分别为0.9583和0.9732.通过分析黄瓜叶片的光谱反射率与SPAD值的相关系数和PLS建模回归系数,得到了531~581nm和696~716nm 2个特征波段以及556nm、581nm、698nm和715nm 4个特征波长,应用LSSVM分别对特征波段和特征波长建模.分析表明,采用特征波段建模,其预测相关系数r和预测均方根误差分别为0.9338和1.1370,与全波段建模结果相近,而采用特征波长建模效果稍差.特征波段建模大大减少了建模中的运算量,提高了建模速度,便于相应检测仪器的开发,所以,采用光谱特征波段建模对黄瓜叶片SPAD值的检测更为有效.     

基于近红外高光谱成像技术的长枣含水量无损检测

利用近红外(NIR)高光谱(900～1700nm)成像技术对灵武长枣含水 量的无损检测进行了研究。通过900～1700nm 高 光谱成像系统采集了128个长枣图像,对原始光谱与Savitzky-Golay 平滑处理后的光谱反 射率R曲线、吸收率A曲线和Kubelka-Munk函数(KM )等曲线的偏最小二乘回归(PLSR)模型进行对比分析;采 用PLSR的加权β系数分别提取不同光谱参数下的特征波长,建立R-PLSR、A-PLSR和KM-PLSR的长 枣 含水量预测模型。结果表明,采用原始光谱建立的PLSR模型优于Savitzky-Golay平滑的PLS R模 型;原始光谱的特征波长建立的PLSR模型优于全波段的PLSR模型,特征波长建立的KM-PLSR模型优于R- PLSR、A-PLSR模型,决定系数(R²)和预测均 方根误差(RMSEP)分别为0.793、1.828。这表明,NIR 高光谱成像技 术提取特征波长进行长枣水分检测是可行的,同时也为今后长枣品质在线检测提供了理论依 据。     

基于高光谱成像技术的土壤盐分含量检测

利用NIR高光谱仪(光谱范围900~1700nm)对土壤含 盐量进行了无损检测,对比分析不同含盐量土壤的水分变化情况、不同时间下土壤光谱曲线 的差异。结果表明,随着土壤中含盐量的增加,土壤中水分蒸发情况受到的影响程度不同, 从而使得不同含盐量土壤的反射率存在明显的规律;在此基础上,对比分析了不同预处理方 法,优选出原始光谱;利用多元线性回归(multiple linear regression,MLR)、主成分回归 (principal component regression,PCR)与偏最小二乘回归(partial least squares regre ssion,PLSR)方法对900700 nm范围的特征波长建立模型,对比分析不同建模效果,优选β系数提取的特征波长的P LSR模型,特征波长为936、1016136、 1151186273395425458535642 nm,最优模型的预测相关系数为0.949,预测均方根误差为2.914 g/kg。因此,今后可采用 不同波段对土壤含盐量进行定量分析,为今后表层土壤含盐量遥感预测奠定基础。     

基于傅里叶变换红外光谱和siPLS-GA-PLS的水稻叶片氮素含量预测研究

傅里叶变换中红外光谱谱区宽,搜索空间大,需要采用高效率和高质量的算法进行波长选择.敏感波段及其组合的选择是简化分析模型和提高模型预测精度的关键技术之一.本研究以水稻孕穗期叶片干样的中红外光谱透射率和叶片氮素含量为数据源,通过协同偏最小二乘算法(siPLS)从宽谱区中初选出波段范围1583.3~992.2cm-1,再采用迭代遗传算法(GA)从中选出了84个水稻叶片氮素含量预测的敏感波段.研究结果显示以此敏感波段建立的偏最小二乘回归模型的预测均方根误差(RMSEP)和水稻叶片总氮含量的测量值与预测值之间的相关系数分别为0.1186和0.9120,该预测结果明显优于协同偏最小二乘法(siPLS)和光谱指数NFSA的预测结果,说明傅里叶变换红外光谱技术结合siPLS-GA-PLS算法能够实现水稻叶片氮素含量的预测.     

基于高光谱成像技术的小黄瓜水分无损检测

利用近红外高光谱成像技术对小黄瓜的水分进行无损检测研究。采用多元散射校正和 Savitzky-Golay 卷积平滑对900~1700 nm波段范围内的原始光谱进行预处理,选取最优的预处理方法;运用偏最小二乘回归系数选择特征波长,建立全波段和特征波长下的偏最小二乘水分预测模型。结果表明,经过Savitzky-Golay卷积平滑处理后的光谱建模效果最好,且利用特征波长建立的小黄瓜水分校正和验证模型的相关系数和均方根误差分别为0.86,0.90 和0.111,0.156,优于全波段建立的模型。研究表明,采用高光谱成像技术对小黄瓜水分的无损检测是可行的。     

基于偏最小二乘法的CO2加权组合测量研究

为了解决光谱之间相互干扰、建模速度慢等缺点,采用多波段加权组合模型与偏最小二乘(partial least squares,PLS)法结合进行定量分析提高测量精度。本文搭建了基于超连续谱激光吸收光谱(spectrum laser absorption spectrum,SCLAS)技术的气体检测系统,基于PLS对近红外不同波段二氧化碳(CO₂)进行加权组合测量研究。在常温常压下对1 425—1 443 nm、1 565—1 587 nm、 1 595—1 616 nm波段内不同浓度CO₂的吸收光谱进行了测量,基于PLS建立了单一波段回归模型,得出的决定系数(coefficient of determination,R²)分别为0.989 7、0.948 6、0.949 7。通过R²和均方根误差(root mean square error,RMSE)分别确定单一波段模型的权重,采用多波段加权组合模型算法建立了新的PLS组合模型,得出的R²分别为0.985 2、0.991 2。实验结果表明,基于PLS的加权组合模型能够提高CO₂浓度的预测精度与稳定性,有效避免建模速度慢和干扰问题。     

基于高光谱图谱融合技术的宁夏滩羊肉嫩度检测方法研究

利用可见/近红外高光谱图谱融合技术对宁夏滩 羊肉嫩度检测进行研究。通过高光谱系统(400～1000nm)采集了128个滩羊肉图像,对原始光谱结合偏 最小二乘回归(PLSR)模型进行多种光谱预处理研究,优选出S-G卷积平滑预 处理方法,采用PLSR的加权β系数提取9个特征波长,对比分析 全波段与特征 波长下的PLSR模型;同时提取出与羊肉嫩度相关的4个图像特征参数,建立基 于图像特征的多元线性回归(MLR)模型;在此基础上,融合特征波长与表面脂肪分布图像特 征 参数建立了羊肉嫩度的PLSR模型。结果表明,采用单一光谱数据下S-G卷积平 滑预处理结合特征波长建立的PLSR模型取得了较好预测效果,基于图谱特征 变量融合的PLSR模型相比于单一光谱模型效果更佳,预测集的相关系数和预测 均方根误差(RMSEP)分别为0.89和0.73,表明本文提出的方法 进行羊肉嫩度定量检测是可行的。     

基于近红外高光谱成像技术的长枣含水量无损检测

利用近红外(NIR)高光谱(900~1 700nm)成像技术对灵武长枣含水量的无损检测进行了研究。通过900~1 700nm高光谱成像系统采集了128个长枣图像,对原始光谱与Savitzky-Golay平滑处理后的光谱反射率R曲线、吸收率A曲线和Kubelka-Munk函数(KM)等曲线的偏最小二乘回归(PLSR)模型进行对比分析;采用PLSR的加权β系数分别提取不同光谱参数下的特征波长,建立RPLSR、A-PLSR和KM-PLSR的长枣含水量预测模型。结果表明,采用原始光谱建立的PLSR模型优于Savitzky-Golay平滑的PLSR模型;原始光谱的特征波长建立的PLSR模型优于全波段的PLSR模型,特征波长建立的KM-PLSR模型优于R-PLSR、A-PLSR模型,决定系数(R2)和预测均方根误差(RMSEP)分别为0.793、1.828。这表明,NIR高光谱成像技术提取特征波长进行长枣水分检测是可行的,同时也为今后长枣品质在线检测提供了理论依据。