方案摘要
方案下载| 应用领域 | 食品/农产品 |
| 检测样本 | 生干坚果与籽类食品 |
| 检测项目 | |
| 参考标准 | 无 |
本研究应用了400-1000nm的高光谱相机，检测核桃内部，可采用杭州彩谱科技有限公司产品FS13进行相关研究。用800-1700nm的光谱范围检测核桃表面，可以采用光谱范围在900-1700nm的FS15高光谱相机，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。
本研究应用了400-1000nm的高光谱相机，检测核桃内部，可采用杭州彩谱科技有限公司产品FS13进行相关研究。用800-1700nm的光谱范围检测核桃表面，可以采用光谱范围在900-1700nm的FS15高光谱相机，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。
核桃是一种老幼皆宜的坚果食品和重要的木本油料作物，我国核桃种植面积及产量均居世界首位。核桃仁品质检测与分级是核桃生产加工的重要环节。按照国家相关标准的规定，核桃仁外观品质指标包括完整度和表皮色泽，内部品质指标包含脂肪含量和蛋白质含量。实际生产中核桃仁分级主要依靠外形和色泽进行人工挑选，生产成本高，分级随意性大，难以对内部品质进行分辨。传统的化学检测对样品具有破坏性，检测时间也较长，难以适应现代化生产要求。目前，采用高光谱技术进行核桃品质检测的研究主要集中于核桃壳仁分类，针对核桃仁品质的研究尚未见相关报道。
为了探索同时实现核桃仁内部品质检测和外观等级分类的方法，本研究采用高光谱成像技术开展了核桃仁脂肪含量、蛋白质含量及色泽的特征光谱筛选，筛选出了品质指标的相关特征波段以期为核桃仁品质无损检测的应用提供参考。
核桃仁样品在近红外区域（863~1704 mm）的平均光谱信息及预处理后的光谱信息如图3所示.样品原始光谱信息总体特征基本一致，除了水分的吸收峰外，其它成分的吸收峰并不明显，需要对光谱进行进一步处理。通过MSE和SNV组合的预处理方法，去除了部分背景噪声的影响，使样品光谱信息更平滑。同时，进一步增强了光谱信息的一致性，突出了光谱峰谷，使光谱特征得到了强化。
基于光谱信息与图像特征的核桃仁外观等级分类，图6为3种色泽核桃仁样品在可见光和短波近红外区域（382~1027nm）的平均光谱曲线，由于光谱前后段噪声影响较大，因此去除了前端和后段各20个波段点。由图6可见，在原始光谱中，3种色泽核桃仁样品的光谱曲线在可见光范围内光谱反射率随着色泽由浅到深呈现明显的下降趋势，在近红外范围内光谱较杂乱。经过MSC和SNV组合方法预处理后的光谱信息，光谱反射率呈现出一定的规律性和一致性，有助于后续的光谱处理。
采用高光谱成像技术，开展了核桃仁内外部品质检测方法研究，通过光谱与图像信息相结合的方法实现了核桃仁蛋白质和脂肪含量预测以及基于完整度和色泽的核桃仁外观品质分级。结果表明，采用CARS算法与相关系数法相结合的方式，有效地去除了全光谱波段中的无关信息和冗余信息。与全光谱波段相比，特征波段预测模型蛋白质含量的验证集R²由0.66增长到0.91，RMSEP由1.37%下降到0.78%；脂肪含量的验证集R²由0.83增长到0.93，RMSEP由0.98%下降到0.47%，表明筛选出的特征波段有效地降低的模型的复杂度，提高了模型预测能力。将色差特征光谱与图像统计特征参数相结合，采用高光谱图像提取了总色差特征波段光谱，能够大幅降低冗余信息的干扰，提高建模效率。
通过总色差特征波段光谱与图像统计特征参数相结合的方法，与RGB波段相比进一步提升分类的准确率，当采用DT算法建立的色泽分类模型时，模型具有最高的分类准确率（98.6%）。采用高光谱图像同时实现了核桃仁内部品质参数（蛋白质含量、脂肪含量）的检测和外观品质（完整度、色泽）的分类，为核桃仁品质无损检测的应用提供了新的解决方案。
文献贡献者
高光谱相机对“阳光玫瑰葡萄”的糖度测试实验
高光谱成像系统对燕麦β-葡聚糖含量估测研究
高光谱成像技术的水稻叶瘟病斑分割方法及其光谱特性分析
相关产品
关注
拨打电话
留言咨询
