基于电磁振动上料的茶梗和昆虫异物近红外光谱和荧光图像在线检测研究

茶叶是大众青睐的健康饮品之一,但茶叶在机器采收和加工过程中,容易混入茶梗和昆虫异物,污染茶叶、影响其质量安全,是未来应防范和检测的重点。X射线成像技术,根据食品基质和异物的密度差实施检测,广泛适用于金属异物并延伸至高密度塑料,但对于茶梗、昆虫这类低密度有机异物尚不适用,所以迫切需要研发新型无损检测技术和方法。针对片状茶叶重叠、遮掩异物的问题,提出了电磁振动上料辅助近红外光谱和荧光图像的检测方案,进行绿茶中的内源性异物茶梗和外源性异物昆虫的在线检测研究。通过电磁振动上料辅助近红外光谱和荧光成像系统,采集了600~1050 nm范围的近红外光谱600条和RGB-N四通道图像各65幅。采用451条光谱进行建模,其余149条光谱作为预测集,评估模型的性能,比较了去趋势(Detrending)、多元散射校正(MSC)、标准正态变换(SNV)、变权重正态变换(VSN)、迭代自适应加权惩罚最小二乘法(airPLS)、不对称最小二乘法(ALS)、光程估计与校正(OPLEC)等不同光谱预处理方法的处理效果,其中OPLEC能较好地消除散射效应,偏最小二乘判别分析(PLS-DA)模型的正确识别率由78%提高到85%。结果表明,近红外光谱结合OPLEC能够更加准确地检出茶叶中的茶梗和昆虫异物。与近红外光谱的精确点测量相比,图像提供了较大范围的检测手段。对65幅蓝色(B通道)图像进行分析,采用最大类间方差法进行阈值分割后,对图像进行取反运算、中值滤波、连通区域标记和特征提取,提取出长轴长、短轴长、长短轴比、离心率四个特征变量,采用267个感兴趣目标,建立了线性判别分析(LDA)模型,用未参与建模的88个感兴趣目标来评价模型的预测能力,正确识别率达到了64%。实验结果表明,电磁振动上料辅助近红外光谱和荧光图像在线检测茶梗和昆虫异物具备可行性,为食品中有机异物在线检测提供了低成本的解决方案。

高光谱成像的水稻螟虫蛀入检测方法

为了控制水稻螟虫预警和喷洒农药用量,实现对水稻螟虫虫害的无损检测,提出了基于主成分分析特征波段检测方法和基于迭代阈值的最优波段检测方法,确定了水稻茎秆螟虫检测的特征波段和最优波段,提取出单波段和组合波段的图像来分割虫孔,从而实现水稻螟虫的精准的无损检测。首先通过高光谱得到的120个样品反射率信息分析确定了光谱区域为450~1000 nm。基于主成分分析特征波段检测方法,对高光谱图像进行主成分分析,通过前五个主成分图像比较确定第三主成分图像为最佳,然后根据第三主成分图像中各个波段的贡献率来选取特征波长(668.8和750 nm),最后结合全局阈值分割和图像掩膜等图像处理方法实现对虫孔区域的判别。而利用基于迭代阈值的最优波段检测方法,在可见光波段450~750 nm范围和近红外波段750~1000 nm范围内应用混合距离挑选最佳的单波段,通过单波段来确定组合波段,对单波段和组合波段进行迭代阈值分割,其中753.5 nm波长分割效果最好,故确定753.5 nm为最优波长,然后提取该波长的图像采用一种基于迭代阈值虫孔提取方法和形态学处理,最后能对水稻茎秆虫孔区域进行判别来实现水稻茎秆虫害是否存在。对60个虫害水稻茎秆和60个正常水稻茎秆进行检测,应用基于主成分分析特征波段检测方法在668.8和750 nm波长处检测率分别为95.8%和93.3%,而应用基于迭代阈值的最优波长检测方法在753.5 nm波长处检测率高达96.7%。说明利用基于迭代阈值的最优波长检测方法对水稻螟虫的检测更加精确,也说明所获取的特征波段和最优波段为以后水稻螟虫虫害的多光谱成像技术提供了理论参考。