高光谱成像技术的苹果品质无损检测

高光谱成像技术把二维成像和光谱技术融为一体,图像技术可全面反映水果的外部品质、表面缺陷及污染等,光谱技术则可用于水果内部品质的检测,能对水果的综合品质进行全面、快速的检测。以苹果为研究对象,得用高光谱成像技术和主成分分析方法分析了苹果的风伤和压伤,对比分析不同光谱区域主成分分析对识别结果的影响,优选出识别光谱区域（550～950nm）。通过主成分分析根据权重系数,选取了714nm作为苹果风伤研究的最佳特征波长。     

果蔬品质高光谱成像无损检测研究进展

介绍了高光谱成像检测基本原理,概括了果蔬品质高光谱成像无损检测的研究现状,总结了果蔬高光谱成像数据的分析和处理方法,分析了果蔬品质高光谱成像无损检测中存在的问题,提出了果蔬品质高光谱成像技术的进一步研究方向。     

基于高光谱成像和模式识别的无损检测苹果表面损伤

为了实现苹果表面损伤的快速无损检测,基于高 光谱成像技术结合模式识别算法建立了苹果表面损 伤检测模型。首先,利用高光谱图像采集系统采集完好无损和表面损伤苹果样本的高光谱图 像,提取正常 区域和损伤区域的平均光谱反射率曲线；然后,采用标准正态变换(SNV)和多元散射校正(MSC)分别 对原始光谱数据进行预处理；最后,利用偏最小二乘判别分析(PLS-DA)方法,建立了苹 果表面损伤 SNV+PLS-DA和MSC+PLS-DA检测模型。结果表明:采用SNV和MSC光谱预处理方法可有效地消 除高 光谱图像中的噪声；利用SNV+PLS-DA检测模型对校正集和检验集样本的正确识别率分别为 70.8%和 77.5%,而采用MSC+PLS-DA检测模型对校正集和检验集样本的正确识 别率分别为71.7%和77.5%。因此, 基于高光谱成像技术结合模式识别方法,可实现苹果表面损伤的无损检测。     

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。     

农产品病虫害高光谱成像无损检测的研究进展

高光谱成像是一种新兴的无损快速检测技术,可以同时获取研究对象的图像和光谱信息,集成了光谱分析和图像处理的优势,已成为农产品病虫害信息快速、无损检测的重要手段之一,在农产品的溃疡病、褐斑病、白粉病、黑星病、腐烂、虫蛀等病虫害无损检测中的应用越来越广泛。本文简述了高光谱成像系统,总结分析了其在水果、蔬菜、肉类、谷物等农产品病虫害无损检测中的国内外最新研究进展,提出了农产品病虫害高光谱成像技术检测的未来研究发展方向,以期对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。     

基于高光谱技术的水果新鲜度检测可行性研究

随着生活水平的提高,人们对水果的新鲜度要求也越来越高,因而对水果新鲜度评价提出了更高要求,且水果新鲜度直接影响市场价格.高光谱成像技术通过采集连续光谱图像数据为每个像素提供一条完整而连续的光谱曲线,能对水果新鲜度进行快速无损检测,本文主要对高光谱成像技术对水果新鲜度检测的应用进行总结,同时分析该技术目前存在的问题,并对...     

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。     

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。     

畜产品品质的高光谱图像无损检测研究进展

应用新兴的高光谱图像技术对畜产品品质进行无损检测是当前的研究热点之一。介绍了该技术的基本原理和分析过程,总结分析了国内外畜产品品质高光谱图像无损检测的研究现状和存在问题,提出了畜产品品质高光谱图像技术检测的未来研究发展方向,以期对我国相关研究人员的研究工作提供参考。     

AOTF高光谱探测系统对伪装目标的识别研究

为了获得目标和背景更精细的光谱信息,解决目前伪装目标与背景在一定波长范围内接近"同色同谱"而造成的目标识别难题,搭建了一套高光谱成像探测系统,并以典型林地背景中的伪装目标为例,对其进行探测与识别,获得目标和背景的高光谱信息以及强度对比度曲线。通过分析发现,伪装目标与背景难以实现完全的"同色同谱",在某些波长上目标的特征比较明显,强度对比度较大。表明通过筛选特定的波长能对伪装目标实现有效快速的探测与识别。这些结果对于高光谱探测系统的应用具有指导意义。     

高光谱成像结合BP网络无损检测李子的硬度

以“红”李子和“青”李子为研究对象,提出了基于高光谱成像技术结合误差反向传播(error Back Propagation,BP)网络无损检测李子硬度的方法。采用高光谱图像采集系统获取了李子样本的高光谱图像,并提取了感兴趣区域的平均光谱反射率;综合比较了不同光谱预处理方法(一阶导数(derivative)、标准正态变换(SNV)和多元散射校正(MSC))对BP网络模型检测效果的影响;并利用主成分分析方法对预处理后的光谱数据进行降维,以提取能反映李子硬度的特征光谱。研究结果表明:derivative预处理后的光谱具有较好的李子硬度校正能力(RC=0.939,RMSEC=0.153),而SNV预处理后的光谱具有较好的李子硬度预测能力(RP=0.723,RMSEP=0.580);采用主成分分析法选择了累计贡献率超过99.99 %的主成分作为样本集特征光谱数据,很好地实现了光谱数据的降维,提升了BP网络模型的运行效率。这表明高光谱成像技术结合BP网络可实现李子硬度的无损检测。     

高光谱图像技术在水果无损检测中的研究进展

为保证水果质量,满足企业与消费者的需求,势必要对水果进行品质检测和分级处理.高光谱图像作为一种新型的无损检测技术,融合了图像学和光谱学的优点,可以快速、无损地获取水果的空间和光谱图像信息,从而全方位的反映水果内外部的品质信息.因此,该技术在水果品质无损检测领域具有巨大的发展前景.该文主要介绍了高光谱图像系统的基本原理、图像的采集和分析方法、国内外水果无损检测的应用以及未来的发展前景.     

红外高光谱成像仪(ATHIS)对矿物和气体的实验室光谱测量

首先介绍了热红外高光谱成像应用的独特优势,然后论述了机载热红外高光谱成像仪（Airborne Thermal-Infrared Hyperspectral Imaging System, ATHIS）灵敏度优化的设计方法,结合仪器特点介绍了实验室矿物发射光谱和气体吸收光谱测量的辐射模型,分析了样本红外光谱与温度分离的数据处理流程。在此基础上,利用ATHIS开展了矿物发射光谱和气体红外吸收光谱的实验室测量,结果表明,利用ATHIS仪器和本文建立的数据方法已具备准确反演矿物发射率光谱和气体吸收光谱的能力,后续将利用该仪器开展多平台的遥感应用试验,为未来开展星载热红外高光谱相机研制和数据处理方法奠定基础。     

湖泊水体高光谱遥感反演总磷的地统计算法设计

高光谱遥感应用于内陆湖泊水质监测具有较好的发展前景,但由于内陆湖泊水体光学环境的时空多变性,如何高效利用水体高光谱特征信息,降低数据冗余度,发展高精度的水质参数反演模型具有重要的意义。针对上述问题,以巢湖为例,将遗传算法和地统计学相结合,利用环境一号(HJ-1A)卫星HSI高光谱遥感数据,建立了基于协同克里格遗传算法的湖泊水质总磷浓度高光谱遥感反演模型。实验结果显示,与传统遗传算法比较,协同克里格遗传算法模拟的ME、RMSE分别提高了128.2%、53%。经总磷实测值和反演值比对,建模和检验的相关系数R2分别为0.85、0.77。反演结果表明:协同克里格遗传算法通过利用克里格插值对传统遗传算法目标函数优化改进,使其具备克里格最佳局部估计能力,能够有效提高反演的精度。