便携式高光谱成像仪对桃子品质和成熟度无损预测研究
发布时间:2023-03-29
浏览次数:398
便携式高光谱成像仪对桃子品质和成熟度无损预测研究
基于便携式高光谱成像仪的田间桃子品质和成熟度无损预测研究
桃子因其良好的品质和丰富的营养而广受消费者喜爱,但桃子作为一种呼吸性气候的水果,其水分含量很高,容易变色、变软后变质。在日常的生产中,成熟的桃子通常采摘下来后就立即食用,而中熟的桃子被采摘下来后需要经过运输或储存很长一段时间才能上市。在此期间,桃子的质量属性(诸如可溶性固溶物含量和硬度等)会不断地快速变化,因此本文通过高光谱相机采集高光谱图像,并结合化学计量学来确定桃子的内部质量和判别不同成熟度阶段的桃子。
图1果园现场高光谱图像采集和光谱处理
表1 桃子可溶性固溶物含量和硬度含量分布及数据集划分
图1为现场图像采集照片和对高光谱图像中的光谱进行提取和处理。文章采用SPXY法将160个样品划分为100个校正集和60个预测集,集合划分结果和指标如表1所示,图2为中熟和成熟的桃子的平均光谱反射率与标准偏差的示意图。
图2 中熟和成熟的桃子的平均光谱反射率与标准偏差
文章采用CARS算法和随机跳蛙(RF)算法提取有效波长,并基于特征波长建立可溶性固溶物含量(SSC)和硬度的多元线性回归(MLR)模型,建模效果如图3所示。其中SSC的RF-MLR预测模型较好,Rv2为0.88,RMSEV为0.54,硬度的CARS-MLR预测模型较好,Rv2为0.81,RMSEV为1.17。
图3 SSC(a)和硬度(b)实测值与预测值散点图
图4 SFS算法提取的两个波长
在此基础上,文章采用顺序前向选择(SFS)算法提取两个有效波长(957nm,518nm),如图4所示。随后使用LIBSVM模型对桃子的成熟度进行辨别,如图5所示,图5a为模型选取的最佳核参数C=5.7和γ=16,图5b为模型分类识别的准确率,分类识别精度达到91.7%。
图5 LIBSVM模型对桃子成熟期的判别
上一页 : 没有了
下一页 : 高光谱技术带你揭秘枫叶变色过程
本文标签:
便携式高光谱成像仪对桃子品质和成熟度无损预测研究
相关产品
-
在线紫外/可见分光光谱分析仪的光学特性要求和性能要求
在线紫外/可见分光光谱分析仪on-line ultraviolet/visible spectrum analyzer基于分光光谱分析技术原理,结构上一般包括光..
-
波长准确性、波长分辨率及波长稳定性试验方法
使用标准光源检定。获取标准光源谱图,在波段范围内选择两条汞(氩)灯波长特征谱线,重复三次测量,三次测量的特征峰中心波长平均值与波长标准值之差△作为该波长处的准确..
-
高光谱成像仪的成像原理是怎样的?
高光谱成像仪也叫成像光谱仪,其最大的优势是结合了成像和光谱的特点,成像技术使样品能够在二维图像平面上显示,光谱学研究光与物质的关系,物质对光的反应在每个像素处..
-
高光谱成像技术的系统组成及特点介绍
高光谱成像技术作为一种新型成像技术,它是探测技术、精密光学仪器、信息处理技术的融合,可以准确的抓取样本的图像信息和光谱信息,对样本进行无损检测。本文对高光谱成像..