高光谱成像技术在肉品无损检测中的应用及进展

高光谱成像技术是集图像学和光谱学于一身的新技术,能够快速、准确、无损地获得农产品内外品质信息,从而实现农产品的全方位检测.主要介绍了高光谱成像技术的原理及在肉品品质检测中的应用,并对高光谱成像技术在未来肉品检测方面的应用进行了展望.     

近红外高光谱技术鉴别长枣表面的农药种类

探索一种能对长枣表面农药种类进行准确鉴别的方法。利用900nm~1700nm的高光谱成像系统对喷洒不同农药的长枣进行原始光谱数据采集,利用Savitzky-Golay卷积平滑的方法对900nm~1700nm波段范围内的原始光谱进行预处理,运用偏最小二乘回归系数选择7个特征波长(SevenWavelengths,SW),采用对农药种类进行赋值的方法建立偏最小二乘(PLS)模型进行鉴别分析,结果表明,不同种类的农药在一定程度上能被有效的鉴别,鉴别正确率达到88.75%,但是在鉴别吡虫啉与哒螨灵两种农药时容易出现鉴别错误。进一步采用SW-LDA对不同农药种类进行鉴别,建立7个特征波长下的线性判别分析(LDA)模型,研究结果显示,不同农药种类的鉴别准确率达到90%以上。说明近红外高光谱联合SW-LDA能够准确地鉴别长枣表面不同的农药种类,为长枣表面农药种类的鉴别探索出了一种新方法。     

基于高光谱成像技术的长枣表面农药残留无损检测

利用近红外高光谱成像技术对灵武长枣的表面农药残留进行无损检测研究。采用Kubelka-Munk校正和SavitzkyGolay卷积平滑对900~1 700nm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农药残留预测模型。结果表明,经过Kubelka-Munk+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长枣表面农药残留校正和验证模型的相关系数和均方根误差分别为0.86,0.85和0.000 32,0.000 33,优于全波段建立的模型。研究表明,采用高光谱成像技术对灵武长枣表面农药残留的无损检测是可行的。     

高光谱成像技术在肉品无损检测中的应用及进展

高光谱成像技术是集图像学和光谱学于一身的新技术,能够快速、准确、无损地获得农产品内外品质信息,从而实现农产品的全方位检测.主要介绍了高光谱成像技术的原理及在肉品品质检测中的应用,并对高光谱成像技术在未来肉品检测方面的应用进行了展望.     

基于可见/近红外高光谱成像技术的番茄表面农药残留无损检测

以番茄为研究对象,应用可见/近红外高光谱成像技术对水果表面农药残留的无损检测研究。用蒸馏水将嘧霉胺农药稀释成1∶20,1∶100,1∶500 3个梯度,将不同浓度的溶液分别滴到60个洗净的番茄表面,形成3×3矩阵。放置在通风阴凉处12h后,应用高光谱系统(400~1 000nm)采集光谱图像信息。利用主成分分析法获得主成分图像(PC),并根据第二主成分图像(PC-2)的权重系数选取特征波长564,809,967nm。采用波段比(564nm/809nm)结合适当的图像处理方法对番茄表面的农药残留进行检测。高浓度(1∶20,1∶100)农药点检测率为100%,而低浓度(1∶500)农药点的检测率为0。结果表明,高光谱成像技术对高浓度农药残留具有较好的检测效果。