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.     

基于近红外高光谱成像技术的涩柿SSC含量无损检测

对150个涩柿采集900~1 700nm波段的近红外高光谱图像信息,利用蒙特卡罗—无信息变量消除(MC-UVE)和连续投影算法(SPA)对感兴趣区域光谱进行波长优选。通过MC-UVE-SPA优选出924.69,928.05,1 112.72,1 270.91,1 365.3,1 402.42,1 453.06,1 547.69nm 8个特征波长,对应的光谱反射率作为柿子可溶性固性物含量(SSC)检测的偏最小二乘回归(PLSR)检测模型输入,其预测集相关系数rpre=0.942,预测集均方根误差RMSEP=1.009°Brix。结果表明,MC-UVE-SPA可以有效提取与柿子SSC含量相关的特征信息,从而保留较少的波长建立较好的预测模型。     

油料作物与产品品质近红外光谱及高光谱成像检测研究进展

油料作物及产品含有丰富的营养成分,为人类健康提供必要的能量供给和营养物质,其品质优劣直接影响企业的经济效益以及人民的身体健康。近红外光谱及高光谱成像技术具有无损、便捷、高效以及绿色环保等优点,在油料作物与产品品质检测领域有较广泛的研究探索。本文简述了近红外光谱及高光谱成像技术的基本原理和常规分析步骤,重点综述了近年来该技术在油料作物理化成分的测定、品种识别和产地鉴定以及食用油真实性的鉴别等方面的具体应用,并最后展望了其在油料作物与产品品质检测领域中的应用前景。     

基于可见/近红外高光谱成像技术的鸡蛋新鲜度无损检测

以400~1 000nm高光谱系统获得鸡蛋样本的高光谱图像,利用蒙特卡洛法检测异常样本,采用不同预处理方法处理原始光谱;应用竞争性正自适应加权算法(Competitive Adaptive Reweighted Sampling,CARS)、遗传偏最小二乘法(Genetic Algorithms PLS,GAPLS)和间隔蛙跳法(Interval Random Frog,IRF)对预处理后光谱数据提取特征波长;分别建立基于全光谱和特征波长的偏最小二乘回归(Partial Least Squares Regression,PLSR)和最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)鸡蛋新鲜度预测模型。结果表明:标准正态变量变换(Standardized Normal Variate,SNV)法为最优预处理方法;利用CARS、GAPLS和IRF分别选出8,35,74个特征波长;基于GAPLS提取的特征波长的LS-SVM模型最优,其校正相关系数(Rc)为0.899,预测相关系数(Rp)为0.832。表明基于高光谱成像技术的鸡蛋新鲜度无损检测是可行的。     

水果成熟度无损检测技术研究进展

成熟度作为衡量水果品质的关键性因素,与水果的采摘、包装、贮藏、运输等作业环节密切相关,也是其产量和质量的决定性因素之一。已有的人工经验分析方法和理化实验方法均存在过于主观、检测效率低、操作繁琐等缺点,难以实现大批量水果成熟度无损检测的要求。无损检测技术凭借快速、高效等优势在水果成熟度检测领域已有较广泛的研究探索,该文综述了近年来国内外关于电学、声学等基本特性,电子鼻、机器视觉等智能感官仿生技术,近红外光谱技术以及高光谱成像技术等无损检测技术在水果成熟度检测中的最新研究进展,并对各项技术现存的问题和今后的发展前景进行了分析和展望,以期为我国农产品种植和自动化采摘提供参考和借鉴。     

近红外光谱分析技术在我国大宗水果品质无损检测中的应用研究进展

近红外光谱分析技术因具有分析时间短、无需样品预处理、非破坏性、无污染以及成本低等特点,已成为20世纪90年代以来发展最快、最引人注目的现代定量分析技术,广泛应用于农产品、食品的品质检测。本文概述了近几年来国内在近红外光谱技术应用于大宗水果内部品质检测的最新研究进展;指出其存在的问题并对其发展进行展望;提出了近红外光谱分析技术将会与网络技术相结合,实现模型的在线更新与升级;同时,光谱成像技术将成为21世纪近红外光谱分析技术的发展趋势;以期对我国相关研究人员的工作提供参考。      

近红外光谱分析技术在我国大宗水果品质无损检测中的应用研究进展

近红外光谱分析技术因具有分析时间短、无需样品预处理、非破坏性、无污染以及成本低等特点,已成为20世纪90年代以来发展最快、最引人注目的现代定量分析技术,广泛应用于农产品、食品的品质检测。本文概述了近几年来国内在近红外光谱技术应用于大宗水果内部品质检测的最新研究进展;指出其存在的问题并对其发展进行展望;提出了近红外光谱分析技术将会与网络技术相结合,实现模型的在线更新与升级;同时,光谱成像技术将成为21世纪近红外光谱分析技术的发展趋势;以期对我国相关研究人员的工作提供参考。     

水果品质光学无损检测技术研究进展

在水果产量巨大和需求标准提高的双重影响下,目前亟需研究方便快捷的水果无损检测方法。本文主要介绍机器视觉、近红外光谱检测、拉曼光谱检测和高光谱成像技术共四种光学无损检测技术在水果品质检测中的应用,对水果品质光学无损检测研究历程和发展现状进行归纳整理,同时展望了未来发展方向,为水果品质光学无损检测研究工作提供基础理论参考。     

高光谱成像在鱼肉品质无损检测中的研究进展

高光谱成像（hyperspectral imaging,HSI）技术作为一种无损、快速、准确的绿色分析技术在水产品品质检测方面得到了广泛应用。集图像与光谱技术优势于一体,HSI技术可同时检测实验样品的物理和几何特征（颜色、大小、形状和质地等）,还可以提供内部组成成分的化学和分子信息（水分、脂肪、蛋白及其他氢键物质）。本文主要综述了HSI技术在鱼肉品质快速检测方面的最新研究进展,主要涉及到鱼肉的化学组成、物理属性、微生物污染以及新鲜度等四大方面。同时对HSI技术在鱼肉检测中的应用研究进行了展望,以期开发适用于不同检测要求的在线HSI设备。     

高光谱成像及近红外技术在鸡肉品质无损检测中的应用

高光谱成像与近红外光谱(near infrared spectroscopy,NIR)技术是现代食品检测领域的重要手段,本研究对2种技术在鸡肉品质无损检测中的预测精度进行研究。选用62份新鲜程度不同的鸡胸肉,提取其高光谱感兴趣区域(region of interest,ROI)的光谱曲线,并测定样品的挥发性盐基氮(total volatile base nitrogen,TVB-N)含量和菌落总数(total viable count,TVC),利用OPUS 6.0光谱处理软件搜寻最佳的光谱预处理和波段组合,分别建立2个指标的偏最小二乘法(partial least square,PLS)定量分析模型。NIR样本选用30份新鲜程度不同的鸡胸肉,测定其TVB-N含量和TVC,建立PLS的交叉验证模型。结果表明:利用高光谱的ROI平均光谱建立的TVB-N含量与TVC模型的相关系数(R~2)分别为0.965和0.919,均方根误差(root mean square error of cross validation,RMSECV)分别为0.121和0.215;利用NIR建立的TVB-N含量与TVC预测模型的R2分别为0.801和0.780,RMSECV分别为0.232和0.312。由此可见,基于高光谱的ROI区域光谱建立的预测模型在鸡肉品质无损检测中具有比NIR更高的预测精度。     

近红外技术在果品品质无损检测中的研究进展

综述了近四年国内外近红外无损检测技术在苹果、梨、柑橘等果品的研究情况,提出了近红外技术检测果品时存在的问题,并展望了近红外技术无损检测果品的前景。     

近红外光谱法用于橄榄油的快速无损鉴别

通过近红外光谱仪采集各种食用油与掺杂的初榨橄榄油的数据,运用聚类分析法对各种食用油进行聚类分析,结合主成分分析法对橄榄油的掺杂与否进行定性判别。结果表明,聚类分析和主成分分析法都有很好的定性鉴别能力,主成分分析法的鉴别模型预测未知样本的正确率达到100%。该方法快速、无损、简便,为橄榄油掺杂的定性鉴别提供了一种新的选择。     

短波近红外光谱快速无损检测生鲜鸡肉胆固醇含量

采用短波近红外光谱对生鲜鸡肉中的胆固醇含量进行检测,使用便携式近红外光谱仪在近红外光谱短波区域采集236份生鲜鸡肉的光谱信息,采用化学计量学法建立鸡肉胆固醇的偏最小二乘法定量预测模型。结果表明:最佳光谱预处理方法为标准化和基线校正,并通过剔除两次异常值对模型进行校正,所建定标模型的校正集相关系数Rc=0.801 1,校正标准差(s_(EC))=6.699 8,验证集相关系数R_p=0.803 4,预测标准差(s_(EP))=7.529 6,主因子数MF=4,s_(EP)/s_(EC)=1.12,说明模型可靠性、稳健性和预测效果较好。     

高光谱成像技术检测油茶果成熟度

为解决油茶果采摘期判断不准确可能导致的茶油产量降低问题,应用高光谱成像技术结合化学计量法对油茶果成熟度进行定性判别。完成了高光谱图像的曲率校正,分析不同成熟阶段油茶果的光谱特征和理化特征的变化情况。使用4 种不同的分类算法建立基于全波段光谱数据的油茶果成熟度判别模型,发现支持向量机（support vector machine,SVM）模型的分类正确率最高为97%。结合5 种特征变量选择方法对全波段光谱数据进行降维,发现经过竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）选择的特征波长建立的模型正确率最高为82%。提取高光谱图像中的颜色特征和纹理特征建立SVM模型后发现,融合颜色特征和光谱特征建立的SVM模型的正确率高于使用单一的光谱特征（经CARS降维）建立的模型正确率：训练集分类正确率为95%,测试集正确率为93%。结果表明,利用高光谱成像技术能够对不同成熟度的油茶果进行较准确的分类,为茶农对油茶果最佳采摘期的判断提供科学依据,在保障茶籽产量最大化、油质最优化等方面具有重要意义。     

近红外光谱法对鸡肉品种的快速无损鉴别

选取爱拔益加肉鸡（又名AA肉鸡）、京海黄鸡和狼山鸡鸡胸肉各40 个肉样,应用便携式近红外光谱仪在1 000～2 500 nm波长条件下分别对鸡肉肉块和肉糜进行光谱扫描,并测定肉样的颜色、蛋白质、脂肪和水分含量。各选择90 个肉样作为建模集,采用偏最小二乘判别分析法分别建立了鸡肉肉块和肉糜的品种鉴别模型。所建的两个模型对校正集和验证集样本的鉴别准确率均分别为100%和97.7%,对剩余预测集的各30 个肉样进行鉴别分析的鉴别准确率均为90%。     

基于高光谱成像技术的李果实成熟度判别

为了探究快速识别不同成熟度李果实的有效方法,本研究以李果实作为研究对象,基于高光谱成像技术对不同成熟度的李果实(未熟、半熟、成熟、过熟)样本的光谱信息(420～1000 nm)进行采集,对采集样本的光谱信息进行平滑处理(Smoothing)与标准正态变量校正(SNV)相结合的方法预处理光谱数据,分别以预处理后的全光谱(FS)数据和采用主成分分析(PCA)法提取主成分、采用连续投影算法(SPA)提取特征波长作为输入变量,建立偏最小二乘法(PLS)模型,比较不同判别模型的准确性。结果表明,FS-PLS建立的模型判别准确率最高,综合准确率达到了91.88%;但考虑实验计算量及复杂程度来说,SPA-PLS建立的模型判别准确率最优,综合准确率达到91.25%。该研究为李果实成熟度的判别检测提供了新的理论基础。     

应用近红外光谱对老陈醋进行定性定量的检测研究

利用近红外光谱结合DA和PLS算法在不同光谱预处理方法下,对山西老陈醋醋龄进行定性判别分析,并建立陈醋可溶性固形物(SSC)及pH值的定量模型.结果表明:原始光谱、5点平滑以及SNV校正建立的DA模型性能良好,校正集判别正确率为100％,预测集判别正确率为88.89％;原始光谱建立的可溶性固形物的PLS定量模型最优,校正集和预测集的相关系数r分别为0.99988和0.99960,RMSEC,RMSEP和RMSECV分别为0.0421,0.0911和0.0777;5点平滑建立的pH值的PLS定量模型最优,校正集和预测集的相关系数r分别为0.99733和0.97411,RMSEC,RMSEP和RMSECV分别为0.0151,0.0386和0.0468.     

近红外光谱无损测定纸张施胶度的研究

采集不同施胶度(Cobb值)纸张的近红外光谱,通过不同方式对所采集的近红外光谱进行预处理。选择最佳预处理方式,利用偏最小二乘法(PLS)建立测定纸张施胶度的校正模型。结果表明,最佳预处理方式为减去一条直线(SLS),最佳波数区间为5446.3～12493.4 cm~(-1)和4246.8～4424.2 cm~(-1),得到校正模型的内部验证数据集以及外部验证数据集的相关系数R~2分别为0.9186和0.9085,内部交叉验证均方差R_(MSECV)和外部验证均方差R_(MSEP)分别为0.640和0.439,外部验证的预测结果与标准值之间的最大相对偏差为4.81%。校正模型有较高的测定精度和较好的推广性,为纸张施胶度无损伤、无预处理的快速、简便、准确检测提供新的途径,并且可望实现纸机的在线检测。