使用高光谱成像评估水果和蔬菜的成熟度和新鲜度

智能文字提取功能测试中

监测和控制食品质量是食品生产中最重要的一环。特别是水果和蔬菜比其他食品更加敏感，新鲜健康的才更有价值。高光谱成像为自动质量控制系统提供了关键数据，以确保食品的高质量。使用Specim FX10高光谱相机测量李子和番茄的老化新鲜度对评估水果和蔬菜的品质十分重要，成熟度和坚实度是需要观察和监控的两个最基本的质量指标。高光谱相机能够观察水果和蔬菜在成熟过程中的光谱变化。在这项研究中，我们使用Specim FX10高光谱相机和实验室扫描仪对李子和番茄进行了为期20天的观测，以评估其老化过程。Specim FX10是一台覆盖400-1000nm光谱范围的可见光-近红外（VNIR）相机。分析的第一部分侧重于样本随时间变化的光谱特征，然后提出了番茄和李子新鲜度的回归模型。 使用FX10拍摄了样本的照片以及高光谱数据。照片显示，番茄和李子的新鲜度随时间明显下降（图2）。在其中一个番茄和李子的中间做了一个小切口，对加速番茄的老化有显著影响，但对李子没有影响。 光谱反射揭示化学变化在进行光谱测量的第1、2、3、6、9、13、14、16、17、19和20天，每个李子和番茄上都选择矩形区域统计了反射光谱。为了便于阅读结果，图3仅呈现了在第1天、第13天和第20天获得的光谱，番茄的光谱差异比李子更显著。在图2的照片中已经可以看出差异。光谱曲线揭示了水果和蔬菜内部随时间推移发生的化学变化。李子和番茄在早期生长阶段因为叶绿素呈现绿色，但当它们成熟时，叶绿素分解成另外一种化学物质。对于番茄来说，叶绿素分解成番茄红素，成熟的番茄则呈现为红色。这种化学变化解释了李子和番茄在550-750nm之间的光谱变化。水果和蔬菜的成熟过程也会影响水分水平或结构，水分的对应光谱体现在970nm处。除此之外，其他化学属性（如糖含量）也会随着时间变化而变化，多种化学变化塑造了各时间段的光谱曲线。 回归模型量化新鲜度在这项研究中，建立了一个回归模型来量化李子和番茄的新鲜度。成像天数做为实际的回归变量，李子和番茄分别基于588-976nm和445-993nm的光谱范围进行预测回归分析，R2分别能达到0.81和0.91。实际值与预测值的回归图在图5中呈现。 结论Specim FX10相机适用于测量水果和蔬菜的成熟度和新鲜度，因为它对与农产品新鲜度相关的特征十分敏感。在构建典型的回归模型时，经常采用有损的实验室测量值来作为参考进行模型开发和验证，这个研究显示，采用测量天数作为回归变量依然可以很好的预测果蔬新鲜程度。因此，有损的实验室指标对于获取果蔬的新鲜度并不是必要的，高光谱可以实现真正的无损预测与评估。在可见光-近红外（VNIR）下工作的高光谱相机为监测新鲜食品品质提供了有效的工具。与传统的基于点的方法相比，高光谱成像具有无损、非破坏性的优势，是一种特别适合食品分级、分选和分类的方法。 北京易科泰生态技术有限公司为您提供：ü FluorTron多功能高光谱成像分析技术ü PhenoTron-HIS植物果实品质高光谱无损检测技术ü FluorCam植物及果实叶绿素荧光成像全面解决方案ü SeedSort高光谱成像在线分选平台