华东交通大学智能机电装备创新研究院, 江西 南昌 330013
脐橙粒化影响消费者食用口感, 降低品质, 受到广大果农和消费者的关注。 脐橙粒化的检测是一项具有挑战性的任务, 对品质分级具有重大意义。 以不同粒化程度的赣南脐橙为研究对象, 探究利用高光谱检测实现对赣南脐橙粒化程度定性判别的可行性。 肉眼是无法判断脐橙粒化程度的, 因此对脐橙样本做好序号标记后先测光谱再切开判断粒化程度, 按照粒化程度分为无粒化(粒化面积为0%)、 轻度粒化(粒化面积小于25%)、 中度粒化(粒化面积25%~50%), 每类各58个脐橙样品。 在这三类脐橙底部均匀取3个点, 每类174个样本, 共计522个样本数据用作构建原始光谱矩阵。 利用近红外高光谱成像系统采集样本397.5~1 014 nm波段内的高光谱图像信息, 再利用ENVI4.5软件通过选择感兴趣区域(ROI)提取样本的平均光谱信息。 采用主成分分析(PCA)、 连续投影算法(SPA)、 无信息变量消除(UVE)三种降维方法对光谱数据进行降维处理, 消除无关变量, 提取有用信息。 原始光谱176个波长, PCA挑选出6个主成分因子, SPA挑选17个特征波长, UVE挑选54个特征波长。 以全谱数据和三种降维方法挑选出来的变量作为输入分别建立偏最小二乘判别分析(PLS-DA)和最小二乘支持向量机(LS-SVM)模型。 建立的PLS-DA建模方法, PCA-PLS-DA误判率最高为25.58%, UVE-PLS-DA误判率最低为5.38%。 基于RBF-Kernel和LIN-Kernel两种核函数下的LS-SVM建模方法, 整体上RBF-Kernel建模效果优于LIN-Kernel, UVE波长筛选后建立的模型效果优于其他降维方法且降低了模型的误判率。 基于RBF-Kernel的UVE-LS-SVM模型效果最佳, 检测精度最高, 分类总误判率为0.78%, 达到最佳效果。 该研究结果表明建立的模型能很好地对不同粒化程度的脐橙进行判别, 该模型仅采用30.68%的数据, 在降低光谱空间维度的同时还降低了误判率, 对促进脐橙产业的品质分级发展具有一定的现实意义。
高光谱 赣南脐橙 粒化程度 无信息变量消除 Hyperspectral Gannan navel orange Granulation degree Uninformative Variable Elimination 光谱学与光谱分析
2022, 42(5): 1366
1 浙江水利水电学院, 浙江 杭州 310018
2 浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058
3 华东交通大学, 江西 南昌 330013
高光谱成像技术具备图像和光谱的双重优势, 作为一种快速无损检测分析技术, 检测过程无损、 无污染和无接触。 高光谱成像数据包括样本的图像信息和光谱信息, 采集样本高光谱成像数据时, 样本的每个像素点都有一条光谱与之对应, 样本的每个波长都有一幅灰度图像与之对应。 研究采用高光谱成像技术无损检测不同稀释浓度的农药在赣南脐橙样品表面残留随时间变化的关系。 用蒸馏水把农药分别配置成1∶20, 1∶100和1∶1 000倍的溶液。 然后把不同浓度的溶液滴到30个洗净的脐橙表面, 将涂有农药的脐橙分别放置0, 4和20 d, 然后采集在900~1 700 nm波长范围的高光谱成像原始数据。 通过主成分分析获取930, 980, 1 100, 1 210, 1 300, 1 400, 1 620和1 680 nm共8个特征波长, 基于这些特征波长做第二次主成分分析, 应用PC-2图像并经过适当的图像处理方法对不同浓度及放置不同天数的农药残留进行无损检测。 采用高光谱成像技术检测三个时间段较高稀释浓度的果面农药残留都比较明显。 高光谱成像技术作为一种检测方法, 可用于评价各个时间段较高浓度的农药残留。
高光谱成像 赣南脐橙 农药 残留 Hyperspectral imaging Gannan navel Pesticide Residue 光谱学与光谱分析
2016, 36(12): 4034
江西农业大学 生物光电技术及应用重点实验室, 南昌 330045
研究了可见/近红外漫反射与漫透射两种检测方式对赣南脐橙的可溶性固形物含量检测结果的影响.采用波长范围为350~1 800 nm的QualitySpec型光谱仪采集196个脐橙样品的可见/近红外漫反射和漫透射光谱,取其中148个样品作为建模集用来建模,剩余48个样品作为预测集用于预测模型.用多种预处理结合偏最小二乘回归法分别建立两种检测方式下单次光谱及三次光谱并求平均,得到光谱相对应的脐橙可溶性固形物预测模型,对比该模型可知漫透射方式明显优于漫反射方式;最优结果为漫透射三次光谱求平均所得光谱结合多元散射校正预处理建立的赣南脐橙的可溶性固形物含量预测模型,其校正模型及预测模型的相关系数分别为0.980和0.949,均方根误差分别为0.230°Brix和0.374°Brix.由此得出近红外漫透射光谱更适合用于检测脐橙的可溶性固形物含量.
可见/近红外光谱 漫反射 漫透射 偏最小二乘 可溶性固形物 赣南脐橙 Nearinfrared spectroscopy Reflection Diffuse transmission Partial least squares regression Soluble solids content Gannan navel orange
华东交通大学机电学院光机电技术及应用研究所, 江西 南昌 330013
用遗传算法(GA)和连续投影算法(SPA)分别提取了赣南脐橙叶片高光谱图像的有效信息, 对叶绿素的含量用偏最小二乘法(PLS)进行建模定量分析。 高光谱图像标定后, 提取感兴趣区域(ROI)的平均光谱, 用GA和SPA算法分别选出了27和8条特征波长, 然后用PLS对叶绿素含量建模。 GA-PLS与SPA-PLS模型得到的预测集相关系数分别为0.80和0.83, 均方根误差分别为2.45和2.30。 结果表明: SPA-PLS模型具有较高的优势, 可以结合高光谱技术对赣南脐橙叶绿素含量快速、 无损的定量分析。
叶绿素含量 高光谱成像 赣南脐橙 遗传算法 连续投影算法 Chlorophyll content Hyper-spectral imaging Gannan navel orange GA SPA 光谱学与光谱分析
2012, 32(12): 3377
江西农业大学生物光电及应用重点实验室, 江西 南昌330045
为了提高激光诱导击穿光谱(laser induced breakdown spectroscopy, LIBS)实验装置检测赣南脐橙中重金属元素的检测灵敏度和稳定性, 可对检测参数进行范围设定。 在初次选定延迟时间参数值后, 再在包含初定延迟时间的1.10~1.30 μs范围内细分进行实验。 实验得出: 在该范围内, 延迟时间与信背比和被测元素特征谱线强度的关系曲线上出现了多个峰值, 并且这些峰值都比初次的要大, 用统计学中的区间估计间接求出延迟时间的置信区间为[1.13,1.25], 在置信区间内延迟时间由初定的1.20 μs调至1.14 μs时, 相对标准偏差(RSD)由0.103降到0.025。 由此表明: 设定一个LIBS实验装置的参数范围, 在对待测元素检测时可以在这一范围内进行自由调节来提高其检测的精度和灵敏度。
赣南脐橙 重金属 参数范围 Gannan navel LIBS heavy metal LIBS Parameter range 光谱学与光谱分析
2012, 32(11): 2925
江西农业大学生物光电及应用重点实验室, 江西 南昌 330045
为评估激光诱导击穿光谱技术(LIBS)对水果样品中重金属元素的检测潜力, 选用在不同浓度梯度重铬酸钾水溶液中浸泡了30个小时的赣南脐橙样品进行LIBS实验, 采集铬元素的特征谱线与峰值强度信息。 在激光照射部位称取3 g左右的脐橙样品进行湿法消解, 用原子分光光度计检测样品中的铬浓度。 实验数据用Origin软件进行拟合后得到了谱线峰值强度和Cr浓度之间的关系曲线, 即定标曲线, 二者有线性关系, 线性相关度0.981 66。 由检测限公式计算得到铬浓度的检测限为11.68 μg·g-1。 采用该定标曲线即可对赣南脐橙中的铬元素进行定量检测。 实验结果表明LIBS技术是一种检测、 定量分析水果样品中重金属元素含量的有效手段。
激光诱导击穿光谱 赣南脐橙 重金属元素铬 定标曲线 检测限 Laser induced breakdown spectroscopy Gannan navel orange Heavy metal element chromium Calibration curve Detection limit 光谱学与光谱分析
2012, 32(9): 2555
1 江西农业大学工学院, 江西 南昌 330045
2 江西蓝天学院汽车系, 江西 南昌 330098
应用可见/近红外光谱法对赣南脐橙可溶性固形物进行了无损检测研究。通过主成分分析,获取光谱的有效信息,将其作为人工神经网络的输入变量进行非线性建模。90个建模样品训练结果是,样品参考值与预测值之间的相关系数为0.9147,训练均方差为0.5203;38个未知样品预测结果是:样品参考值与预测值之间的相关系数为0.9033,预测均方差为0.6964,相对预测偏差4.5709%。实验结果表明基于人工神经网络的可见/近红外光谱法无损检测赣南脐橙可溶性固形物是可行的。
医用光学与生物技术 可见/近红外光谱 无损检测 人工神经网络 主成分分析 可溶性固形物 赣南脐橙