古文君;田有文;張芳;賴興濤;何寬;姚萍;劉博林;

• 1:沈陽農業大學信息與電氣工程學院/遼寧省農業信息化工程技術研究中心
• 2:中國人民解放軍空軍工程大學信息與導航學院

摘要(Abstract)：

為了實現藍莓內部品質快速、準確檢測,采用高光譜成像技術對藍莓的糖度和硬度多指標同時進行檢測研究。提出多階段特征波長選擇方法,即采用連續投影法(SPA)和逐步多元線性回歸(SMLR)等特征波長選擇方法同時將糖度和硬度的特征波長選擇出來。通過高光譜成像系統(400~1000nm)采集了200幅藍莓圖像,首先對高光譜圖像進行多元散射校正、標準正態變量變換和Savitzky-Golay平滑等光譜預處理,選取最優的預處理方法。然后利用SPA或者SMLR選擇出糖度的幾個特征波長,在此基礎上再利用SPA或者SMLR選擇出硬度的幾個特征波長,從而形成四個特征波長選擇方法 (SPA-SPA、SMLR-SMLR、SPA-SMLR和SMLR-SPA),采用4種多階段特征波長選擇方法提取同時反映藍莓糖度和硬度的特征波長的組合。最后以全波長光譜信息(FS)和4種多階段特征波長選擇方法得出的光譜信息作為BP神經網絡模型的輸入矢量,建立了藍莓糖度和硬度的預測模型。結果表明:Savitzky-Golay平滑為最優的預處理方法 ,結合BP神經網絡,采用SPA-SPA多階段特征波長選擇方法所得的預測性能最優,糖度校正集的相關系數(Rc)和校正均方根誤差(RMSEC)分別達到0.959和0.318°Brix,硬度校正集的相關系數(Rc)和校正均方根誤差(RMSEC)分別達到0.956和0.153°Brix。糖度預測集的相關系數(Rp)和預測均方根誤差(RMSEP)分別達到0.952和0.391°Brix,硬度預測集的相關系數(Rp)和預測均方根誤差(RMSEP)分別達到0.953和0.234°Brix。該研究表明,應用高光譜成像技術可以對藍莓糖度和硬度多指標同時進行檢測研究,所獲得的特征波長可為開發多光譜成像的藍莓品質檢測和分級系統提供參考。

關鍵詞(KeyWords)： 多階段特征波長選擇方法;高光譜成像技術;藍莓;糖度;硬度

Abstract:

Keywords:

基金項目(Foundation): 國家自然科學基金項目(31601219);; 遼寧省科學事業公益研究基金項目(20170039)

作者(Author): 古文君;田有文;張芳;賴興濤;何寬;姚萍;劉博林;

Email:

DOI:

參考文獻(References)：

• [1]KADER F,ROVEL B.Fractionation and identification of the phenolic compounds of highbush blueberries(Vaccinium corymbosum L.)[J].Food Chemistry,1996,55(1):35-40.
• [2]王姍姍,孫紅男,陳健,等.基于近紅外光譜技術檢測藍莓可溶性固形物含量[J].食品工業科技,2012,33(1):340-342.
• [3]孫世鵬,彭俊,李瑞,等.基于近紅外高光譜圖像的冬棗損傷早期檢測[J].食品科學,2017,38(2):301-305.
• [4]MENDOZA F,LU R,ARIANA D,et al.Integrated spectral and image analysis of hyperspectral scattering data for prediction of apple fruit firmness and soluble solids content[J].Postharvest Biology and Technology,2011,62(2):149-160.
• [5]SUN M J,ZHANG D,LIU L,et al.How to predict the sugariness and hardness of melons:a near-infrared[J].Food Chemistry,2017,218(3):413-421.
• [6]SIEDLISKA A,BARANOWSKI P,MAZUREK W,et al.Classification models of bruise and cultivar detection on the basis of hyperspectral imaging data[J].Computers and Electronics in Agriculture,2014,106:66-74.
• [7]LIU D,SUN D W,ZENG X N,et al.Recent advances in wavelength selection techniques for hyperspectral image processing in the food industry[J].Food Bioprocess Technol,2014,7:307-323.
• [8]ZHANG C,GUO C T,LIU F,et al.Hyperspectral imaging analysis for ripeness evaluation of strawberry with support vector machine[J].Journal of Food Engineering,2016,179:11-18.
• [9]劉思伽,田有文,馮迪,等.基于高光譜成像的蘋果病害無損檢測方法[J].沈陽農業大學學報,2016,47(5):634-640.
• [10]馬本學,應義斌,饒秀勤,等.高光譜成像在水果內部品質無損檢測中的研究進展[J].光譜學與光譜分析,2009,29(6):1611-1615.
• [11]胡鵬程,孫曄,吳海倫,等.高光譜圖像對白蘿卜糠心的無損檢測[J].食品科學,2015,36(12):171-176.
• [12]馬本學,肖文東,祁想想,等.基于漫反射高光譜成像技術的哈密瓜糖度無損檢測研究[J].光譜學與光譜分析,2012,32(11):3093-3097.
• [13]LI B C,HOU B L,ZHANG D W,et al.Pears characteristics(soluble solids content and firmness prediction,varieties)testing methods based on visible-near infrared hyperspectral imaging[J].Optik,2016,127:2624-2630.
• [14]FAN S X,ZHANG B H,LI J B,et al.Prediction of soluble solids content of apple using the combination of spectra and textural features of hyperspectral reflectance imaging data[J].Postharvest Biology and Technology,2016,121:51-61.
• [15]RAJKUMAR P,WANG N,EIMASRY G,et al.Studies on banana fruit quality and maturity stages using hyperspectral imaging[J].Journal of Food Engineering 2012,108:194-200.
• [16]董金磊,郭文川.采后獼猴桃可溶性固形物含量的高光譜無損檢測[J].食品科學,2015,36(16):101-106.
• [17]薛建新,張淑娟,張晶晶.高光譜成像技術對鮮棗內外部品質檢測的研究[J].光譜學與光譜分析,2015,35(8):2297-2302.
• [18]洪添勝,喬軍,WANG N,等.基于高光譜圖像技術的雪花梨品質無損檢測[J].農業工程學報,2007,23(2):151-155.
• [19]郭恩有,劉木華,趙杰文,等.臍橙糖度的高光譜圖像無損檢測技術[J].農業機械學報,2008,39(5):91-93.
• [20]侯寶路,李柏承,周瑤,等.基于可見-近紅外高光譜成像技術的梨硬度和可溶性固體含量的預測[J].激光雜志,2015,36(10):70-74.
• [21]WU D,SUN D W.Advanced applications of hyperspectral imaging technology for food quality and safety analysis and assessment a review part I[J].Innovative Food Science and Emerging Technologies,2013,19(4):1-14.
• [22]吳迪,寧紀鋒,劉旭,等.基于高光譜成像技術和連續投影算法檢測葡萄果皮花色苷含量[J].食品科學,2014,35(8):57-61.
• [23]李友坤.BP神經網絡的研究分析及改進應用[D].淮南:安徽理工大學,2012.
• [24]郭文川,王銘海,岳絨.基于近紅外漫反射光譜的損傷獼猴桃早期識別[J].農業機械學報,2013,44(2):142-146.
• [25]郭文川,董金磊.高光譜成像結合人工神經網絡無損檢測桃的硬度[J].光學精密工程,2015,23(6):1530-1537.
• [26]褚小立.化學計量學與分子光譜分析技術[M].北京:化學工業出版社,2011:41-48.
• [27]徐爽,何建國,賀曉光,等.基于高光譜技術的長棗內外品質同時檢測[J].光電子·激光,2013,24(10):1972-1976.
• [28]單佳佳,吳建虎,陳菁菁,等.基于高光譜成像的蘋果多品質參數同時檢測[J].光譜學與光譜分析,2010,30(10):2729-2733.