1 广西大学机械工程学院, 广西 南宁 530004 北京市农林科学院智能装备技术研究中心, 北京 100097国家农业智能装备工程技术研究中心, 北京 100097
2 北京市农林科学院智能装备技术研究中心, 北京 100097国家农业智能装备工程技术研究中心, 北京 100097
可溶性固形物含量(SSC)是评价西瓜果肉品质优劣的关键指标。 西瓜SSC在线检测模型的建立, 可以实现西瓜品质按其SSC进行在线分级, 满足不同人群需求, 提高市场竞争力。 以160个京美2K西瓜为研究对象, 通过实验室自主研发的在线检测设备, 采集了西瓜两种姿态的可见近红外全透射光谱数据, 分别与西瓜不同部位SSC建立偏最小二乘回归(PLSR)预测模型, 探究西瓜SSC在线检测的最佳姿态和检测部位。 首先, 分别定义西瓜不同部位SSC测量值为瓜蒂糖、 中心糖、 瓜脐糖和整果糖, 在线检测的两种姿态分别定义为T1姿态和T2姿态。 其次对比西瓜不同部位SSC, 探讨西瓜SSC评价标准。 然后去除光谱透射强度值较低且频率较高, 包含大量噪声和无用信息的光谱数据, 最终选取波长范围(671~1 116 nm)的光谱进行分析。 采用卷积平滑(SGS)算法分别与多元散射校正(MSC)、 单位矢量归一化(UVN)和标准正态变量变换(SNV)这3种算法相结合对两种姿态下的光谱数据进行预处理, 随后对应西瓜不同部位SSC分别建立预测模型。 通过对比不同模型的预测结果发现: 使用SGS和MSC组合对T1姿态采集的光谱数据预处理效果最好, 而对于T2姿态的光谱数据使用SGS与UVN结合预处理效果最好; T1姿态明显比T2姿态的光谱数据所建模型的预测效果好; 对西瓜瓜蒂糖和整果糖的预测结果较好, 瓜脐糖次之, 中心糖最差。 最后采用竞争性自适应重加权算法(CARS)分别对预测瓜蒂糖和整果糖的模型进行优化。 其中, 共挑选出81个波长点用于建立预测瓜蒂糖模型, 106个波长点用于建立预测整果糖模型, 两模型的预测集相关系数分别为0.881 0和0.875 8, 均方根误差分别为0.866 7%和0.758 9%, 不仅模型得到了简化, 还提高了模型的预测精度。 研究结果表明, 西瓜不同姿态和对不同部位SSC预测的差异, 会影响西瓜SSC在线检测和品质评价分级结果, 应根据用户的实际需求进行模型选取和优化; 为此, 提出了糖度评价指数, 为进一步开发西瓜SSC在线检测设备提供了技术支撑。
近红外光谱 西瓜 可溶性固形物含量 在线检测 模型优化 Near infrared spectroscopy Watermelon Soluble solids content Online detection Model optimization 光谱学与光谱分析
2023, 43(6): 1800
1 中国农业大学信息与电气工程学院, 北京 100083
2 北京市农林科学院智能装备技术研究中心, 北京 100097
光谱质量、 样本个体差异、 检测系统和建模算法等多种因素共同决定水果糖度检测模型的预测精度和稳定性。 采用自主研发的短积分全透射近红外在线检测系统以5 ms积分时间和0.5 m·s-1运行速度在线获取了“富士”苹果全透射光谱信号。 不同姿态获取的透射光谱强度差异明显, 但曲线走势相近, 均在920 nm波段具有最大的光谱强度, 在850 nm波段存在波谷。 采用移动平均平滑、 标准正态变量变换和多元散射校正等预处理方法有效去除原始光谱的随机噪声和基线偏差, 减小了样本检测姿态引起的光谱差异。 为分析不同检测姿态对苹果整果糖度预测模型的影响, 构建了单一姿态局限模型和多姿态通用模型, 结果表明基于全位点平均透射光谱构建的单一姿态局限模型对检测姿态具有很大的局限性, 而多姿态通用模型预测能力较单一检测姿态相当, 但却对不同的检测姿态具有更强的适用能力。 为进一步提高光谱信号质量, 优化模型预测能力, 采用信号强度阈值优选方法实现了苹果整果糖度预测模型优化, 发现移除中央位点获取的透射光谱信号, 有利于提高苹果整果糖度预测模型精度。 多姿态通用信号强度优化模型综合考虑不同姿态获取的光谱信息有效性, 有效提升了通用信号强度优化模型的预测能力和稳定性, 当多姿态通用模型中信号强度阈值为5 000时, 模型预测性能最佳, 其预测参数Rp, RMSEP和RPD分别为0.79, 0.84%和1.58。 表明短积分全透射近红外在线检测系统用于不同姿态苹果糖度预测是可行的, 多姿态通用模型的建立, 扩大了模型在不同姿态的预测稳健性, 短积分光谱采集方式结合信号强度阈值优选方法提升了光谱信号的质量和模型的预测能力。
在线检测 全透射光谱 通用模型 苹果 糖度 Online detection Full transmittance spectrum Universal prediction model Apple Sugar content 光谱学与光谱分析
2022, 42(6): 1907
1 北京农业信息技术研究中心, 北京 100097
2 西南交通大学利兹学院, 四川 成都 611731
基于可见-近红外光谱分析技术开发了手持式水果糖度检测装置, 并用于水果糖度的现场实时分析。 硬件系统主要包括微型光谱仪、 卤素灯、 OLED显示屏、 单片机及驱动电路等。 采用Keil 5开发工具, 用C语言开发单片机程序。 配合上位机以LabView编写的光谱采集程序, 实现光谱信息的采集。 以苹果和大桃作为检测对象, 对装置的检测精度和模型在2台装置(主机、 从机)间的传递效果进行了探讨。 在实验室和果园环境下, 分别获取了苹果、 大桃样本在600~950 nm范围的可见-近红外光谱。 对实验室条件下采集的主机校正集光谱进行分析, 经过平滑、 最大值归一化、 二阶导数等预处理后, 利用偏最小二乘算法分别建立了苹果、 大桃的糖度检测模型。 模型导入主机装置后, 对预测集样本进行检验。 对苹果、 大桃的预测集相关系数和预测均方根误差分别为0.925, 0.587%和0.821, 0.613%。 采用分段直接校正和基于典型相关分析算法的模型传递方法将模型由主机传递到从机。 对比后发现, 基于典型相关分析算法取得了更好的模型传递结果。 从机对苹果、 大桃糖度的预测集相关系数和预测均方根误差分别为0.883, 0.641%和0.805, 0.626%。 将实验室条件下建立的模型用于树上采集到的水果光谱数据分析, 得到预测集相关系数和预测均方根误差分别为0.866, 0.741%和0.816, 0.627%。 整体检测结果表明, 该装置可以满足对苹果、 大桃糖度的有效检测, 借助模型传递算法, 实现了模型在不同装置间的共享和有效传递, 且实验室环境下采集的数据建立的模型可以用于树上水果糖度的有效检测, 该装置具有较大的经济价值和应用前景。
无损检测 水果 可见-近红外光谱 光谱分析 糖度 模型传递 Nondestructive detection Fruit Visible-near infrared spectrum Spectral analysis Sugar content Model transfer 光谱学与光谱分析
2021, 41(10): 3058
田喜 1,2,3,4黄文倩 1,2,3,4李江波 1,2,3,4樊书祥 1,2,3,4张保华 1,2,3,4
1 北京农业智能装备技术研究中心, 北京 100097
2 国家农业智能装备工程技术研究中心, 北京 100097
3 农业部农业信息技术重点实验室, 北京 100097
4 农业智能装备技术北京市重点实验室, 北京 100097
通过波段比和阈值相结合的方法, 分别提取了玉米籽粒全表面结构和胚结构区域的1 000～2 500 nm近红外高光谱信息, 研究了玉米籽粒水分含量与胚结构区域光谱关系, 同时采用竞争性自适应重加权变量选择算法(CARS)、 遗传算法(GA) 、 连续投影算法(SPA)筛选特征波段, 建立并比较偏最小二乘回归(PLS)模型对水分含量的预测效果。 结果显示, 玉米籽粒水分含量与胚结构区域光谱关系显著, 随着水分含量的增加, 光谱反射值逐渐降低。 预测模型结果表明, 基于玉米籽粒胚结构区域光谱信息所建立的CARS-PLS, GA-PLS和SPA-PLS回归模型预测相关系数Rp分别为0.931 2, 0.917 6和0.922 7, 预测均方根误差(RMSEP)分别为0.315 3, 0.336 9和0.336 6, 所选取的特征波段数量分别为9, 14和6, 较基于全表面光谱信息所建模型的特征波段数量分别少了49, 12和24个, 且预测效果与采用全表面光谱信息无显著差别, SPA-PLS算法为基于玉米籽粒胚结构光谱信息的水分含量预测最高效模型。 提取胚结构区域所用光谱波段为1 197, 1 322和1 495 nm, 建立SPA-PLS回归模型所用特征波段为1 322, 1 342, 1 367, 1 949, 2 070和2 496 nm。 研究结果表明, 采用近红外高光谱技术进行玉米籽粒水分含量无损检测时, 提取玉米籽粒胚结构的图谱信息较全表面光谱信息更高效。
高光谱成像 玉米籽粒 胚 水分 无损检测 Hyperspectral imaging Maize kernel Embryo Moisture content Nondestructive determination 光谱学与光谱分析
2016, 36(10): 3237
1 西南大学园艺园林学院, 重庆400715
2 西南大学/中国农业科学院柑桔研究所, 重庆400712
3 国家柑桔工程技术研究中心, 重庆400712
暗箱环境下采集柑橘叶片高光谱图像, 采用阈值法提取整叶有效光谱信息区域的平均光谱, 比对分析了柑橘叶片光谱信息不同预处理方法和光谱PLS、 BPNN和LS-SVM预测模型对叶绿素a、 叶绿素b和类胡萝卜素等光合色素含量的预测精度。 结果显示, 采用MSC对原始光谱进行预处理和LS-SVM建模对叶绿素a含量的预测效果较好, Rp达0.898 3, RMSEP为0.140 4; 采用SNV光谱预处理和LS-SVM模型对叶绿素b含量的预测其Rp为0.912 3, RMSEP为0.042 6; 采用MAS预处理和PLS模型对于类胡萝卜素含量预测的Rp和RMSEP分别为0.712 8和0.062 4。 结果表明: 采用高光谱图像信息可较好地进行柑橘叶片叶绿素a, 叶绿素b和类胡萝卜素等光合色素含量的预测, 为进一步研究柑橘叶片光合色素含量与组分构成的非损伤实时检测提供了依据。
柑橘叶片 光合色素 高光谱图像 BP神经网络 最小二乘支持向量机 Citrus leaf Photosynthetic pigment Hyperspectral imaging BP neural network Least square support vector machines 光谱学与光谱分析
2014, 34(9): 2506
