无码精品一区二区三区在线,欲性游乐场(高H),日日橹狠狠爱欧美视频,欧美日韩精品

高光譜成像技術(shù)在農(nóng)產(chǎn)品檢測中的應(yīng)用

農(nóng)業(yè)經(jīng)濟(jì)是國家重要經(jīng)濟(jì)來源，農(nóng)產(chǎn)品是社會發(fā)展的必然需求物品。 隨著人民生活水平不斷提高，人們對農(nóng)產(chǎn)品品質(zhì)及安全更加重視，做好農(nóng)產(chǎn)品檢測是保障農(nóng)產(chǎn)品質(zhì)量的重要方式。傳統(tǒng)農(nóng)產(chǎn)品檢測以人工方式檢測，其容易受外界因素影響，且效率極低，容易產(chǎn)生誤判。新時期農(nóng)業(yè)技術(shù)迅猛發(fā)展，高光譜成像技術(shù)作為新興無損檢測方式，成為新時期農(nóng)產(chǎn)品重要檢測方式之一。

1?高光譜成像技術(shù)原理分析 

1.1? 高光譜成像技術(shù)原理 

技術(shù)原理是以窄電磁波波段得到物體數(shù)據(jù)，電磁波紫外線、可見光、中紅外等影響下，仍可獲得較窄且聯(lián)系的光譜圖像信息，得到大量窄波段光譜信息，從而得到完整且連續(xù)的管溝曲線。高光譜將各個波段、圖譜等結(jié)合起來，原本二維圖像及光譜技術(shù)結(jié)合，高光譜成像通過三維數(shù)據(jù)顯示，在建立二維平面像素坐標(biāo)軸后，建立第三維坐標(biāo)軸，表示波長信息。高光譜圖像可以精準(zhǔn)的表示出樣本大小、形狀等，了解樣本缺陷等各項特征。此外，不同成分對光譜吸收具有差異性，通過差異性的光譜信息可以更清楚的反映出缺陷，了解樣品內(nèi)部結(jié)構(gòu)、化學(xué)成分等。因此，高光譜成像對觀察農(nóng)產(chǎn)品缺陷、農(nóng)產(chǎn)品化學(xué)成分及物理性質(zhì)有獨特優(yōu)勢，可更好的應(yīng)用到農(nóng)產(chǎn)品檢測中。

1.2? 高光譜成像檢測設(shè)備 

高光譜成像設(shè)備由成像儀器、圖像采集設(shè)備、暗箱、計算機(jī)數(shù)據(jù)處理系統(tǒng)等組成。 

1.3? 高光譜成像數(shù)據(jù)處理 

高光譜成像對圖像采集，可反饋出較多數(shù)據(jù)，含有諸多不重要的數(shù)據(jù)信息，需對數(shù)據(jù)詳細(xì)分析，選擇合適的波段可充分反饋原始信息，減少不必要信息的干擾，也就是“數(shù)據(jù)降維”。數(shù)據(jù)降維有多種方式：常用的為主成分分析法、判別時分析法及特征波段法等方式。通過合適的方式將數(shù)據(jù)降維處理之后，對其特征波段圖像準(zhǔn)確處理。

2?高光譜成像技術(shù)在農(nóng)產(chǎn)品檢測中的實際應(yīng)用 

高光譜成像自身具有檢測準(zhǔn)確、無損、快速特點，是現(xiàn)代農(nóng)產(chǎn)品檢查的主要手段。下文就分析其在果蔬、肉類等農(nóng)產(chǎn)品品質(zhì)檢測的實際應(yīng)用，為農(nóng)產(chǎn)品檢測打下堅實基礎(chǔ)。 

2.1? 果蔬檢測中高光譜成像技術(shù)的應(yīng)用 

2.1.1? 內(nèi)部品質(zhì)檢測 

果蔬內(nèi)部品質(zhì)檢測包含糖分、硬度、成熟度、SSC、水分。糖分是水果重要品質(zhì)，直接影響水果酸甜度。高光譜成像技術(shù)檢測水果的糖度，以成像系統(tǒng)得到水果糖度漫反射光譜圖像，以哈密瓜檢測為例，用500-820mm波段分析，采取PLS、SMLR、PCR方式，建立帶皮、去 皮哈密瓜糖度檢測模型，發(fā)現(xiàn)采用PLS方式檢測帶皮哈密瓜糖度可行，而以SMLR檢測去皮哈密瓜糖度效果最佳。對蘋果糖度預(yù)測檢查，以高光譜成像技術(shù)提取蘋果平均光譜，以白板校正方式，一階微分光譜有效處理，將10個波長光譜都結(jié)合、合并，再以多元線性回歸方式建立對蘋果的糖度預(yù)測模型。最終結(jié)果表示，蘋果糖度預(yù)測模型系數(shù)為0.911，RMSEC為0.727。 

2.1.2? 果樹外部品質(zhì)檢測 

外部品質(zhì)檢測主要從果蔬大小、色澤、形狀等評估，農(nóng)產(chǎn)品無損檢測中，通過高光譜成像技術(shù)可及時了解果蔬損傷、凍傷、腐爛等缺陷。 果蔬采摘、運輸中，可能發(fā)生凍傷、擦傷等，易導(dǎo)致果蔬變質(zhì)、腐爛， 且前期損傷范圍較小，不易被人工檢查方式識別。而采取高光譜成像技術(shù)，通過PCA、LDA檢測，45min后凍傷檢測效果最理想，對凍傷果蔬檢測正確率達(dá)到97.9%。 

2.2? 肉類檢測 

以高光譜成像技術(shù)對肉類檢測，可檢查豬肉嫩度、大腸桿菌等。在400-1100nm波段分析光譜圖像，得到豬肉嫩度及大綱桿菌污染模型驗證 系數(shù)為0.949、0.939。將高光譜成像技術(shù)和Gompertz函數(shù)技術(shù)結(jié)合，可以實現(xiàn)對豬肉嫩度及大腸桿菌的迅速檢測。此外，高光譜成像技術(shù)在肉類脂肪、蛋白質(zhì)、水分等方面檢測效果也較理想。以高光譜成像技術(shù)對牛肉化學(xué)成分無損分析，以近紅外900-1700nm得到反射率光譜圖像，提取光譜數(shù)據(jù)，測量質(zhì)量參數(shù)，并通過PLSR建立關(guān)于牛肉內(nèi)部水分、脂肪、蛋白質(zhì)的預(yù)測檢查模型，得到三種成分預(yù)測系 數(shù)，水分為0.89，脂肪為0.84，蛋白質(zhì)為0.886。 

2.3? 谷物檢測中高光譜成像技術(shù)的應(yīng)用 

我國地域遼闊，農(nóng)業(yè)發(fā)展由來已久，是世界上最大的糧食生產(chǎn)國，谷物類包含水稻、小麥、玉米、花生等。但是近年來，糧食安全問題頻發(fā)， 因此，需重視對谷物的質(zhì)量檢測。通過高光譜成像技術(shù)對大米急性檢測， 檢測質(zhì)量及種類，得到大米高光譜圖像，以上文的主成分分析方式，對圖像中的數(shù)據(jù)降維處理，提取堊白度及形狀特點，以PCA、BPNN建立谷物識別模型，發(fā)現(xiàn)采用BPNN模型效果較為理想，其準(zhǔn)確率達(dá)到89.91%，而PCA準(zhǔn)確率為89.18%，兩者相差不大。BPNN和數(shù)據(jù)融合結(jié)合，準(zhǔn)確率進(jìn) 一步提高，可達(dá)到94.45%。因此，采用高光譜成像技術(shù)對谷物進(jìn)行檢測，對大米種類及質(zhì)量分析具有實用性。 

3?結(jié)束語 

高光譜成像技術(shù)將圖像、光譜有機(jī)結(jié)合起來，實現(xiàn)對農(nóng)產(chǎn)品外部品質(zhì)分析的同時，也可檢測內(nèi)部品質(zhì)。高光譜成像技術(shù)相較于傳統(tǒng)人工檢測方式，具有快速、無損的優(yōu)勢。此外，高光譜成像技術(shù)在農(nóng)產(chǎn)品檢測，如果蔬、肉類、谷物等檢測上取得豐碩結(jié)果，為農(nóng)產(chǎn)品無損檢測進(jìn)一步發(fā)展打下基礎(chǔ)，為農(nóng)產(chǎn)品檢測中廣泛應(yīng)用高光譜成像技術(shù)提供新思路。