融合光谱形态特征的苹果霉心病检测方法

针对轻微霉心病和健康苹果光谱差异较小,致使基于可见/近红外特征光谱的检测方法对轻微霉心病检测准确率较低的问题。该研究将光谱形态特征与光谱特征融合的方法引入霉心病模型构建,建立了融合光谱形态特征的判别模型。以215个苹果可见/近红外光谱为样本,分析了不同预处理和特征提取组合对建模效果的影响,并完成了光谱特征的提取;分析健康果和霉心病苹果平均光谱的差异性,提取波峰、波谷等差异明显的光谱形态特征点,对比波段比、波段差和归一化强度差三类形态特征获取方法;最终建立光谱形态特征参数和光谱特征融合的苹果霉心病模型。试验结果表明,归一化预处理后提取的特征光谱和归一化强度差形态特征融合后模型判别准确率最高,在支持向量机模型中训练集、测试集判别准确率分别为98.6%和96.3%。特别是当发病程度小于10%时,该研究的判别模型准确率高于95%,表明通过融合光谱形态特征可以提升轻微病变霉心苹果的判别准确率。

基于液相色谱仪的农产品质量检测方法

精准完成农产品质量的检测,可靠判断农产品的内部质量情况,提出基于液相色谱仪的农产品质量检测方法。该方法结合可调焦红光点状激光发射器、光谱仪、光谱分析平台等部分,组成液相色谱仪采集系统,采集农产品光谱信息;利用标准正态变量变换算法预处理采集的光谱信息后,选择波段比、波段差以及归一化强度差作为农产品样本的光谱形态特征,将其作为支持向量机判别模型的输入参数,通过模型的学习输出农产品质量的判别结果。测试结果显示:采集特征的特异性均在0.933以上,特征提取效果良好;决定系数的结果均在0.928以上,可靠识别出存在内部病害的农产品。