基于高光谱成像的油茶籽含油率检测方法

为了快速准确地检测油茶籽含油率、解决传统检测手段费时费力等问题,提出了一种基于高光谱成像技术的油茶籽含油率检测方法。应用光谱集Ⅰ(400~1 000 nm)和光谱集Ⅱ(900~1 700 nm)两组高光谱成像系统采集油茶籽的漫反射高光谱图像,并结合化学计量学方法建立油茶籽含油率的回归预测模型。结果显示,在不经预处理的情况下,两组光谱集数据建立的偏最小二乘回归模型精度最高:光谱集Ⅰ的预测集决定系数R^(2)_(p)为0.681,均方根误差(RMSEP)为2.89%;光谱集Ⅱ的R^(2)_(p)为0.740,RMSEP为2.92%。通过对比7种不同的变量选择方法发现,两组光谱集采用遗传算法筛选特征波长后建立的PLSR模型精度最高:光谱集Ⅰ的R^(2)_(p)为0.694,RMSEP为2.82%;光谱集Ⅱ的R_(p)^(2)为0.779,RMSEP为2.54%。通过对比光谱集Ⅰ和光谱集Ⅱ的建模效果发现,使用光谱集Ⅱ建立的PLSR模型的性能更好,因此900~1 700 nm波段比400~1 000 nm波段更适用于油茶籽含油率的检测,进一步验证了利用高光谱成像技术实现油茶籽含油率预测值分布可视化的可行性。

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。

水果成熟度近红外光谱及高光谱成像无损检测研究进展

成熟度作为一项水果品质重要评价指标,与水果的采收、储存、加工、运输、销售等环节息息相关,也是其产量和质量的关键影响因素之一。本文综述了国内外近十年来利用近红外光谱和高光谱成像技术检测水果成熟度的研究现状。从水果成熟度定性判别和成熟度参数定量预测两个方面入手,详细分析了光谱仪器工作波段、光谱采集方式、光谱采样区域、成熟度表征因子、单一成熟度参数、多元成熟度指数对最终检测模型精度和稳定性的影响,最后展望了近红外光谱和高光谱成像技术在水果成熟度检测方向的未来发展趋势,以期为相关领域研究工作提供科学依据和技术参考。

肉类掺杂掺假的高光谱成像检测研究进展

肉类的掺杂掺假是国内外普遍关注的公共安全问题,对社会经济、健康、环境等方面具有潜在影响。近年来,不法商家为牟取暴利导致肉类掺杂掺假现象层出不穷、多种多样,针对此类问题研究行之有效的检测技术与方法以保障肉品真实性具有重要意义。高光谱成像技术以快速、非侵入、图谱合一等优势在食品农产品检测领域发展迅速,不仅可同时提取图像及光谱特征信息,还具备让肉类掺杂掺假"快速现形"的能力,具有较好的未来市场应用前景。该文介绍了肉类掺杂掺假现状,简述了高光谱成像原理及相关研究中数据解析方法,在探讨现有肉类掺杂掺假定性判别及定量预测研究进展基础上展望进一步研究突破方向,以期为相关肉品市场监管办法提供参考,也为其他类农产品掺假检测研究提供方法和思路借鉴。

铁齿钢牙，邵钰舒

那天阳光正好，你却没穿一件白衬衫。体育课上，老师让女生分组打篮球，正好你和我都属于“豪放派”的女生，各带领一队，打起了篮球比赛。球场上，瞬息万变，热火朝天，你的“铁齿钢牙”与我的“空气刘海儿”都成了彼此眼中绚烂的风景。