便携式马铃薯多品质参数局部透射光谱无损检测装置

基于可见/近红外局部透射光谱,根据马铃薯大小及形状特征,设计了便携式马铃薯多品质无损检测装置,包括光谱采集模块、光源模块、控制与显示模块、供电模块和黑白参考盒,装置尺寸为11 cm×6.5 cm×9.5 cm。选取大西洋品种马铃薯样品85个,基于装置建立了马铃薯含水率、淀粉质量分数和还原糖质量分数的偏最小二乘定量预测模型,马铃薯含水率、淀粉质量分数和还原糖质量分数预测模型验证集相关系数分别为0.927 8、0.914 6、0.933 8,均方根误差分别为0.325 3%、0.344 9%、0.041 6%。基于QT开发工具,采用C/C++语言编写了装置实时分析控制软件,将所建预测模型植入到软件中,实现了马铃薯多品质参数实时无损检测一键式操作。最后对便携式马铃薯多品质无损检测装置的检测精度进行了验证。20个马铃薯样品含水率、淀粉质量分数和还原糖质量分数的装置预测值与标准理化值的相关系数分别为0.914 1、0.912 2和0.914 0,均方根误差分别为0.352 7%、0.340 4%和0.040 0%,平均偏差分别为0.295 1%、0.253 6%和0.031 6%,重复采样最大变异系数分别为0.006 7、0.012 4和0.123 1。结果表明:马铃薯多品质局部透射无损检测装置可以实现马铃薯含水率、淀粉质量分数和还原糖质量分数的实时无损检测。

基于高光谱图像和3D-CNN的苹果多品质参数无损检测

[目的]为解决水果品质无损检测中成本、效率、精度问题,提出了一种基于高光谱图像和三维卷积神经网络(3D-CNN)的苹果高光谱多品质参数同时检测方法。[方法]使用高光谱成像系统获取400~1000 nm波段的苹果样本的高光谱反射图像并使用S-G平滑法对原始图像进行去噪处理,在此基础上,对采集到的高光谱图像通过多感兴趣位置的选取以及间隔波段抽取重组的方法进行样本扩充,再利用三维卷积神经网络建立样本扩充后的苹果高光谱图像与苹果糖度、硬度、含水量的多任务学习模型,通过该模型实现对苹果的糖度、硬度、含水量等品质参数的无损检测。[结果]采集245个苹果的高光谱图像及其对应的品质参数信息,通过样本扩充的方法将原始数据集扩充至9800个样本后进行建模和验证。结果表明:本算法建立的苹果糖度、硬度、水分的分类模型,在糖度类间隔为1°Brix、硬度类间隔为0.5 kg·cm-2、含水量类间隔为10%的情况下,糖度、硬度、水分的预测准确率分别为93.97%、92.29%和93.36%,回归模型糖度、硬度和水分的相关系数最高分别达到0.827、0.775和0.862,比最优的传统算法分别提高15.0%、17.0%和17.2%。[结论]本算法能够较准确实现苹果高光谱多品质参数同时检测,且相对传统方法预测精度有较大提升。

便携式大米多品质参数无损检测仪设计与试验

基于近红外漫透射光补偿光谱分析技术,设计了便携式大米多品质参数无损检测仪,检测仪包括光谱采集单元、光源单元、控制与显示单元、供电单元、专用参考校正盒等,光谱采集单元通过光补偿杯和聚焦准直透镜有效提高了采集光谱的信噪比,整个装置尺寸为207 mm×90 mm×148 mm,携带方便。选取52个籼米样品,基于便携式大米多品质参数无损检测仪建立了大米含水率、直链淀粉质量分数和蛋白质质量分数的偏最小二乘预测模型,含水率、直链淀粉质量分数和蛋白质质量分数的校正集相关系数分别为0.980 3、0.977 0、0.932 3,校正集均方根误差分别为0.279 1%、0.727 4%、0.204 5%,验证集相关系数分别为0.979 3、0.957 1、0.924 9,验证集均方根误差分别为0.300 9%、1.106 7%、0.212 7%。基于MFC软件开发工具,采用C/C++语言编写了实时检测及控制软件,实现了便携式大米多品质参数检测仪的一键式操作。试验验证了便携式大米品质无损检测仪的检测精度和稳定性,结果表明,利用该装置预测大米含水率、直链淀粉质量分数和蛋白质质量分数的最大变异系数分别为0.024、0.079、0.034,大米样品的含水率、直链淀粉质量分数和蛋白质质量分数的预测值和标准理化值的相关系数分别为0.972 7、0.940 9、0.901 5,预测均方根误差为0.363 2%、1.318 1%、0.243 0%。这表明自行设计的检测仪可以实现大米含水率、直链淀粉和蛋白质质量分数的实时无损检测。

基于特征LED光源的苹果多品质参数无损检测装置研究

为了实现对优质果品的快速无损筛选,设计了便携式苹果多品质一体化无损检测装置。利用可见/近红外光谱检测平台,获取苹果样本的漫反射光谱信息,采用随机蛙跳算法提取了可溶性固形物含量、可滴定酸含量和果肉硬度的特征波长,优选出3个参数的10个共享特征波长。在此基础上,采用特征窄带LED光源与光电二极管相结合的检测方式,设计了漫反射检测光路、窄带LED环形光源、检测探头及控制电路等硬件系统。选取144个苹果样本,通过检测装置获取漫反射特征电压强度,由传感器感光系数计算出对应的光强,建立了苹果可溶性固形物含量、可滴定酸含量和果肉硬度的多元线性回归模型,预测集相关系数分别为0. 812 9、0. 807 3和0. 773 6,均方根误差为0. 603 6°Brix、0. 063 6%和1. 732 5 N。基于QT和Python3开发工具,采用Python语言开发了装置的实时控制与分析软件,植入苹果多品质参数预测模型,实现了多品质参数的同时检测与分析。为测试该装置的检测精度和稳定性,另选取46个样本,每个样本重复检测8次,预测苹果可溶性固形物含量、可滴定酸含量和果肉硬度的相关系数分别为0. 809 6、0. 796 2和0. 758 9,均方根误差0. 697 3°Brix、0. 070 3%和1. 832 3 N,装置重复采样最大变异系数分别为0. 010 6、0. 011 6和0. 006 2。结果表明:基于多特征窄带LED光源研发的低成本、便携式无损检测装置可实现对苹果多品质参数的实时无损检测,可满足农户田间生产及电商销售优质果筛选要求。

便携式红提葡萄多品质可见/近红外检测仪设计与试验

基于可见/近红外漫反射光谱分析技术,设计了便携式生长期红提葡萄多品质参数无损检测仪,该仪器由光谱采集探头、光谱仪、卤素灯光源、锂电池、控制器及外围电路等部分组成,仪器尺寸为200 mm×160 mm×150 mm,方便携带。以生长期内的红提葡萄果粒为研究对象,采集400~1000 nm的可见/近红外漫反射光谱信息,对原始光谱进行预处理和特征波长提取,分别建立了红提SSC、总酸质量分数、pH值、硬度和含水率的最优偏最小二乘回归(PLSR)预测模型,所建各指标的最优PLSR预测模型的预测集相关系数分别为0.9545、0.9778、0.9878、0.9456、0.9028,均方根误差分别为1.0122°Brix、2.0225%、0.0747、7.2813 N、0.9799%。基于MFC开发工具,运用C++语言编写了仪器实时分析处理软件,将所建红提葡萄多品质参数的最优PLSR预测模型植入硬件装置中,实现了生长期红提葡萄果粒的多品质参数一键式无损检测。经检验测试,果粒SSC、总酸质量分数、pH值、硬度和含水率预测集相关系数R p分别为0.9414、0.9687、0.9768、0.9348、0.9006,预测集均方根误差分别为1.1567°Brix、2.3645%、0.0986、8.3571 N、1.1051%,且该检测仪一次检测时间不超过2 s,说明该仪器可完成生长期红提葡萄果粒的实时无损检测。