便攜式高光譜成像儀對桃子品質和成熟度無損預測研究
發(fā)布時間:2023-03-29
瀏覽次數(shù):388
便攜式高光譜成像儀對桃子品質和成熟度無損預測研究
基于便攜式高光譜成像儀的田間桃子品質和成熟度無損預測研究?
桃子因其良好的品質和豐富的營養(yǎng)而廣受消費者喜愛,但桃子作為一種呼吸性氣候的水果,其水分含量很高,容易變色、變軟后變質。在日常的生產中,成熟的桃子通常采摘下來后就立即食用,而中熟的桃子被采摘下來后需要經過運輸或儲存很長一段時間才能上市。在此期間,桃子的質量屬性(諸如可溶性固溶物含量和硬度等)會不斷地快速變化,因此本文通過高光譜相機采集高光譜圖像,并結合化學計量學來確定桃子的內部質量和判別不同成熟度階段的桃子。
圖1果園現(xiàn)場高光譜圖像采集和光譜處理
表1 桃子可溶性固溶物含量和硬度含量分布及數(shù)據集劃分
?
圖1為現(xiàn)場圖像采集照片和對高光譜圖像中的光譜進行提取和處理。文章采用SPXY法將160個樣品劃分為100個校正集和60個預測集,集合劃分結果和指標如表1所示,圖2為中熟和成熟的桃子的平均光譜反射率與標準偏差的示意圖。
圖2 中熟和成熟的桃子的平均光譜反射率與標準偏差
文章采用CARS算法和隨機跳蛙(RF)算法提取有效波長,并基于特征波長建立可溶性固溶物含量(SSC)和硬度的多元線性回歸(MLR)模型,建模效果如圖3所示。其中SSC的RF-MLR預測模型較好,Rv2為0.88,RMSEV為0.54,硬度的CARS-MLR預測模型較好,Rv2為0.81,RMSEV為1.17。
圖3 SSC(a)和硬度(b)實測值與預測值散點圖
圖4 SFS算法提取的兩個波長
?在此基礎上,文章采用順序前向選擇(SFS)算法提取兩個有效波長(957nm,518nm),如圖4所示。隨后使用LIBSVM模型對桃子的成熟度進行辨別,如圖5所示,圖5a為模型選取的最佳核參數(shù)C=5.7和γ=16,圖5b為模型分類識別的準確率,分類識別精度達到91.7%。
圖5 LIBSVM模型對桃子成熟期的判別
上一頁 : 沒有了
下一頁 : 高光譜技術帶你揭秘楓葉變色過程
本文標簽:
便攜式高光譜成像儀對桃子品質和成熟度無損預測研究
相關產品
-
紅外光譜的發(fā)展、原理、特點、分類
紅外光譜的發(fā)展、原理、特點、分類紅外光譜的技術在各領域中的應用相繼經歷了很長時期,逐漸完善著自身技術在領域中的應用,且將低成本高性能作為發(fā)展與創(chuàng)新的主要方向。本..
-
近紅外光譜技術的優(yōu)缺點和應用范圍
?由于近紅外光譜在光纖中良好的傳輸性,近年來也被很多發(fā)達國家廣泛應用在產業(yè)在線分析中。近紅外定量分析因其快速、正確已被列人世界谷物化學科技標準協(xié)會和美國谷物化學..
-
高光譜數(shù)據常見預處理方法有哪些?
高光譜在采集數(shù)據時會有成百上千個不同的波段數(shù)據,數(shù)據量巨大從而增加了數(shù)據處理的難度。而且在高光譜圖像采集過程中會有來自儀器與環(huán)境的干擾,獲得的光譜信號易存在噪聲..
-
高光譜成像儀光譜數(shù)據特征波長的選取方法介紹
高光譜成像儀?在對樣品進行側臉時,會采集多波段的光譜數(shù)據,全波段數(shù)據有較多的冗余信息,因此就需要采用一定的方法來選取樣本光譜的特征波段與紋理特征的重要變量。本文..