成像高光谱仪

摘要通过近红外高光谱成像技术建立对冬虫夏草粉末的真假鉴别及含量判断的无损检测方法。方法：1、通过光谱范围为1um~2.5um的高光谱相机对真假及不同含量的虫草粉末进行高光谱反射光谱采集。2、通过反射率校正、噪声与背景去除后，通过主成分分析变换（PCA）提取真假样本，再通过偏最小二乘法变换（PLSA）对样本含量进行分析判断。结论：通过近红外高光成像技术可以准确的对虫草粉的真假进行差别，并可对虫草粉有效含量进行评判，含量评判准确性有待进一步验证。1、 实验部分 1.1 仪器与样本 仪器：测试仪器为北京卓立汉光仪器有限公司自主开发的高光谱分选仪-GaiaSorter-N25（如图1）。光谱范 围1~2.5um，光谱分辨率10nm，帧速100fps。http://ng1.17img.cn/bbsfiles/images/2017/01/201701191656_648459_488_3.jpg 样本：由青海唐古拉药业公司提供的10种[/s

[align=center][b]基于高光谱成像技术的包子在线检测研究[/b][/align]随着生活品质的提高以及消费者对食品安全意识的不断增强，消费者对包子食品安全问题越来越关注。在实际包子加工过程中，由于生产规模、生产速度、包子馅的加工机械等的影响，包子在生产过程其表面可能会存在污物或包子露馅、包子发霉等问题，因而存在严重的食品安全隐患。成像技术和光谱技术是传统的光学技术的两个重要方向，成像技术能够获得物体的影像，得到其空间信息；光谱技术能够得到物体的光学信息，进而研究其物质属性。20 世纪 70 年代以前，成像技术和光谱技术是相互独立的学科，随着遥感技术的发展，成像光谱技术迅速发展起来，它是一种快速、无损的检测技术，具有光谱分辨率高、多波段和图谱合一的特点，能在大尺度范围内识别地表并深入研究其地表物质的成分及结构。目前，成像高光谱技术已成熟应用于农业、食品、药品、化工产品、刑侦、文物保护等领域，但用于包子的品质检测目前尚未有研究者对其进行开展研究。[b]1. 可见、近红外设备介绍[/b]高光谱图像数据采集采用四川双利合谱科技有限公司的 GaiaSorter高光谱分选仪系统（fx10e）。该系统主要由高光谱成像仪、面阵列相机、卤素灯光源、暗箱、计算机组成，如图1。[align=center][img=,386,355]https://ng1.17img.cn/bbsfiles/images/2019/10/201910281452562204_1516_488_3.jpg!w386x355.jpg[/img] [/align][align=center]图1 GaiaSorter高光谱分选仪[/align]高光谱图像采集软件采用四川双利合谱科技有限公司提供的高光谱成像系统采集软件Specview完成。图像处理采用 ENVI5.3 软件进行处理。在进行图像处理之前，先要对采集的光谱图像进行图像校正，图像校正公式如下：[img=,291,63]https://ng1.17img.cn/bbsfiles/images/2019/10/201910281453117460_190_488_3.jpg!w291x63.jpg[/img] (1)式中，R[sub]ref[/sub] 是校正过的图像，DN[sub]raw[/sub] 是原始图像，DN[sub]white[/sub]为白板校正图像，DN[sub]dark[/sub] 是黑板校正图像，R[sub]white[/sub]为白板的反射率。[b]2. 实验目标[/b]本次实验对包子的混杂金属、混杂玻璃片、混杂塑料片、包子完整情况（是否有馅露出来）、有无包装纸、有何种颜色的包装纸进行了初步的检测，目的是为了分辨出包子中混杂的金属、玻璃片、塑料片，以及是否露馅、是否包含包装纸和用何种包装纸对其进行包装。[b]3. 分析方法3.1 波段选择方法[/b]目前应用比较广泛的最佳波段选取方法有各波段信息量的比较、波段间相关性比较、最佳指数法(O IF)、各波段数据的信息熵和联合熵、协方差矩阵特征值法、波段指数法等。在各种方法中，由美国查维茨提出的最佳指数法( OIF)综合考虑单波段图像的信息量及各波段间的相关性，更接近于波段选择的原则，且计算简单，易于实现，得到广泛的应用。OIF指数的计算公式如下：[img=,261,59]https://ng1.17img.cn/bbsfiles/images/2019/10/201910281453308659_4069_488_3.jpg!w261x59.jpg[/img] (2)其中：S[sub]i[/sub] 为第i个波段的标准差，R[sub]ij[/sub]为i、j 两波段的相关系数。对n波段图像，先统计计算单波段图像的标准差，计算各波段间的相关系数矩阵，再分别求出所有可能的波段组合对应的OIF指数，根据该指数大小来判断各种波段组合的优劣。指数越大，则相应组合影像所包含的信息量就越大。对OIF指数从大到小进行排序，最大O IF指数对应的波段组合即为最佳波段组合。[b]3.2 分类方法[/b]利用see5.0机器学习法进行分类。see5.0机器学习规则软件是美国USGS在完成国家土地覆盖制图(NLCD)项目中开发的一个自动提取分类规则的数据挖掘工具。[b]4. 分析结果[/b][align=center][img=,553,402]https://ng1.17img.cn/bbsfiles/images/2019/10/201910281453511269_6838_488_3.jpg!w553x402.jpg[/img][/align][align=center]图2 塑料托盘上有无包子进行判别分析[/align][align=center][img=,562,414]https://ng1.17img.cn/bbsfiles/images/2019/10/201910281454085302_6251_488_3.jpg!w562x414.jpg[/img][/align][align=center]图3 包子混杂塑料片原图及分类结果[/align][align=center][img=,541,389]https://ng1.17img.cn/bbsfiles/images/2019/10/201910281454249343_7458_488_3.jpg!w541x389.jpg[/img][/align][align=center]图4 包子混杂金属原图及分类结果[/align][align=center][img=,526,387]https://ng1.17img.cn/bbsfiles/images/2019/10/201910281454574305_7671_488_3.jpg!w526x387.jpg[/img][/align][align=center]图5 包子混杂玻璃片原图及分类结果[/align][align=center][img=,547,393]https://ng1.17img.cn/bbsfiles/images/2019/10/201910281455104118_736_488_3.jpg!w547x393.jpg[/img][/align][align=center]图6 包子多种包装纸原图及判别结果[/align][align=center][img=,570,409]https://ng1.17img.cn/bbsfiles/images/2019/10/201910281455437023_7191_488_3.jpg!w570x409.jpg[/img][/align][align=center]图7 包子露馅判别分析[/align][align=center][img=,587,427]https://ng1.17img.cn/bbsfiles/images/2019/10/201910281456093534_9772_488_3.jpg!w587x427.jpg[/img][/align][align=center]图8 包子过程有无包装纸判别分析[/align][align=center][img=,582,425]https://ng1.17img.cn/bbsfiles/images/2019/10/201910281456238943_7757_488_3.jpg!w582x425.jpg[/img][/align][align=center]图9 多种情形下包子品质分析[/align][align=left][b]5. 结论与讨论[/b] 从图2到图9我们可以看出，利用高光谱成像设备可实现包子在线生产过程中可能出现的各种问题，从而避免了有质量问题的包子流向市场。高光谱成像仪在实际生产过程中可快速实时无损地监测每个包子的品质，减少了人工的排查程序，有效地提高了包子的出厂效率。[/align]