基于光谱特性分析的冬枣渐变损伤研究

发布时间：2021-11-02 12:21

　　为了较早地对冬枣损伤进行预测,减少冬枣内部损伤引起的储藏损失,以山东沾化冬枣为研究对象,对冬枣内部隐性损伤直至表面微观损伤的渐变光谱特性进行研究,利用高光谱成像系统采集每个冬枣在同一试验条件下的各个损伤时期的高光谱图像,得到波长在390～1 090 nm的512幅高光谱分量图像,从表面微观损伤的感兴趣区域反推内部隐性损伤的感兴趣区域,并获取各个损伤时期的光谱信息,通过3组差谱分析并交叉验证,确定变化较大的8个波长,再根据冬枣内部的主要成分变化确定4个波长,最终选取528.5、547.4、573.9、702.7、727.2、755.7、880.2、942.6、982.7、518.5、863.0、973.4 nm 12个波长作为冬枣渐变损伤的特征波长。利用偏最小二乘分析方法建立判别模型,并对预测集的83个样本（无损伤27、第1阶段损伤12、第2阶段损伤12、第3阶段损伤12、第4阶段损伤10、第5阶段损伤10）进行预测,检测精度依次为100%、58.3%、66.7%、83.3%、100%、100%,总体检测精度为86.7%。 

【文章来源】：安徽农业科学. 2020,48(24)

【文章页数】：4 页

【部分图文】：

冬枣损伤样本

首先对图2e的冬枣图像进行损伤感兴趣区域的划分,并在图中用红色圈表示,确定其损伤区域后,将同样大小的红色圈分别在前几次采集的冬枣图像上进行同位置的划分感兴趣区域,即冬枣各个阶段的损伤感兴趣区域均被确定,如图2所示。1.2.2 冬枣损伤光谱信息获取及预处理。

根据图2确定的各个损伤区域,分别计算各个感兴趣区域(ROI)的平均灰度值,得到各个损伤阶段的冬枣光谱信息,5条光谱曲线如图3所示,波长为390～1 090 nm。观察计算得出的光谱曲线,光谱曲线前后两端的噪声较大,并且5条曲线的光滑度不够,给数据分析造成较大的困难。因此,剔除前后两端噪声数据,并且采用周期为10的移动平均法对该原始光谱数据进行预处理,移动平均值公式为 a n = a n +a n+1 +?+a n+9 10 (周期为10),结果如图4所示。

【参考文献】：
期刊论文
[1]基于高光谱成像分析的冬枣微观损伤识别[J]. 魏新华,吴姝,范晓冬,黄嘉宝.  农业机械学报. 2015(03)
[2]基于高光谱成像技术的鲜枣裂纹的识别研究[J]. 余克强,赵艳茹,李晓丽,张淑娟,何勇.  光谱学与光谱分析. 2014(02)
[3]基于高光谱成像技术的腐烂、病害梨枣检测[J]. 王斌,薛建新,张淑娟.  农业机械学报. 2013(S1)
[4]近红外漫反射用于检测苹果糖度及有效酸度的研究[J]. 刘燕德,应义斌,傅霞萍.  光谱学与光谱分析. 2005(11)

博士论文
[1]水果糖度和酸度的近红外光谱无损检测研究[D]. 刘燕德.浙江大学 2006



本文编号：3471974