基于LIBS结合傅里叶变换NIR技术的油茶炭疽病等级研究

油茶(Camellia oleifera)炭疽病是油茶产业普遍发生的一种破坏性极强的病害,严重制约了油茶产业的发展,油茶患炭疽病初期只需及时修除树上的患病部位,随着病情的加重需铲除患病枝干,患病严重的病株要及时砍伐。针对目前检测油茶炭疽病等级的实验复杂、判定精度不高等问题,提出采用激光诱导击穿光谱(LIBS)结合傅里叶变换近红外光谱检测油茶叶片炭疽病等级判定的方法,以实现油茶炭疽病等级的快速、高效和高精度判定。健康和感染不同程度炭疽病油茶叶片的LIBS光谱中Fe、Ca、Mn、CaⅡ等元素健康油茶叶片与患病油茶叶片存在显著差异,且随着患病程度的增加元素的特征峰强度逐渐降低,主要原因是这几类元素都是油茶生长所必需的元素;健康油茶叶片与患不同程度炭疽病油茶叶片的傅里叶变换近红外光谱的吸光度也存在差异,随着油茶叶片炭疽病等级的加重傅里叶变换近红外光谱的吸光度逐渐降低,主要是由于傅里叶变换近红外光谱能够反映样品的物理特性。分别采用归一化(Normalization)、多元散射校正(MSC)、标准正态变换(SNV)预处理方法结合竞争自适应重加权采样(CARS)、连续投影算法(SPA)变量筛选方法建立了偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)的油茶炭疽病等级的融合光谱分类模型。PLS-DA模型中LIBS(Normalization-CARS)-NIR(Normalization-CARS)-PLS-DA的预测集RMSEP=0.173,R_(p)^(2)=0.987,误判率为0;SVM模型中LIBS-NIR-CARS-SVM的建模集精度100%,预测集精度为97.59%。实验结果表明:基于LIBS与傅里叶变换近红外光谱融合检测油茶叶片炭疽病等级中PLS-DA模型比SVM模型的定性分析精度更高,模型更稳定。研究表明:LIBS光谱联合傅里叶变换NIR光谱可高效、快速、高精度地区分健康油茶叶片与各个等级的炭疽病油茶叶片。

基于高光谱成像技术的枇杷碰伤等级检测研究

枇杷果味甘酸,供生食、蜜饯、酿酒用,有化痰止咳、和胃降气之效,是春夏之交的度淡水果。枇杷皮薄、质细、松软多汁,在采摘及藏运过程中极易发生碰伤,造成经济损失,因此对碰伤枇杷的高精度快速分级检测处理至关重要。针对几种碰伤程度的枇杷可以选用不同的方法以减少经济损失,轻度碰伤的可以制作枇杷汁、枇杷膏等;中度碰伤的可以去除损伤部分制作枇杷罐头进行保存;重度碰伤的直接处理掉节约仓储成本。目前枇杷的碰伤程度主要通过操作员的肉眼进行损伤辨别,受到个人习惯、光线强度和主观心理因素影响,会对不同碰伤程度的枇杷造成误分类。故此提出基于高光谱成像技术图谱特征融合的方法对枇杷碰伤程度进行高精度、快速、无损分级。首先,利用自由落体碰撞装置制备轻度、中度、重度碰伤三组样品,并利用高光谱成像系统采集各样品数据;其次选用感兴区内100个像素点的平均光谱作为样本光谱并用多元散射校正(MSC)对光谱进行预处理,作为光谱特征用于后续模型使用;最后将光谱数据结合枇杷样品的颜色特征,利用随机森林(RF)、偏最小二乘法判别分析(PLS-DA)、极限学习机(ELM)、最小二乘支持向量机(LS-SVM)分别建立基于枇杷光谱特征、 RGB颜色特征结合光谱特征、 HSI颜色特征结合光谱特征、混合颜色特征结合光谱特征的枇杷碰伤程度模型,在所有模型中混合图像特征结合光谱特征的枇杷碰伤程度模型预测效果最好,利用RF、 PLS-DA、 ELM、 LS-SVM算法的模型整体识别准确率分别为91.11%、 86.67%、 95.56%、 100%,其中基于RBF核函数的LS-SVM碰伤枇杷模型准确率最高。研究结果说明:单一光谱特征模型准确率最低,结合RGB颜色特征、 HSI颜色特征后具有更高的准确率,光谱特征结合混合颜色特征建立的模型准确率最高,该研究为水果碰伤程度判别提供了一定的理论参考和实验依据。