南京林业大学机械电子工程学院, 江苏 南京 210037
成熟度是确定番茄采摘时间和评估收获后果实品质的重要参数之一, 随着番茄成熟阶段的递进, 叶绿素含量逐渐下降, 而番茄红素含量逐步增加, 使得果实颜色由绿色转变为红色。 以六个成熟阶段的600个番茄为研究对象, 采用空间分辨光谱技术提取番茄的吸收(μa)和约化散射(μ's)系数光谱, 结合偏最小二乘判别分析(PLSDA)算法对番茄的不同成熟度进行判别。 由新型空间分辨光谱系统采集每个番茄样品的30个空间分辨光谱, 光谱区间为550~1 650 nm, 覆盖光源-检测器距离1.5~36 mm。 由于30根光纤对称布置, 平均具有相同光源-检测器距离的光纤数据, 获得15个新空间分辨光谱。 受水分强吸收影响, 1 300 nm之后的光谱区域信噪比较小, 仅550~1 300 nm的光谱区域被用来分析和计算番茄的μa和μ's。 另外, 由于光在组织中传输衰减, 光源-检测器距离超过12.5 mm的信号较弱, 仅靠近光源的9个空间分辨光谱(光源-检测器距离1.5~12.5 mm)被用来提取番茄的μa和μ's, 根据漫射近似方程逆算法获得μa和μ's在550~1 300 nm的光谱区间的光谱值。 随着番茄的成熟, μa光谱在675 nm处叶绿素吸收峰逐渐衰减伴随着560 nm处花青素和姜黄素吸收峰的增加, μ's光谱随着波长的增加单调递减。 比较分析μa和μ's评估番茄六成熟度与三成熟度分类效果, 同时, 针对表面颜色和内部颜色两方面对番茄成熟度进行分类。 数学模型结果表明, μa和μ's光谱组合能够进一步提高单独μa和μ's光谱建立的番茄六成熟度分类模型性能, 尤其是μa×μ's参数, 对基于内、 外颜色特征的番茄成熟度识别率分别为78.5%与85.5%。 μa和μ's以及它们的组合对番茄三成熟度分类结果更优, 且基于内、 外颜色特征的成熟度分类准确率相近, 均可达到94%。 本研究证明光学吸收与约化散射系数光谱能够有效识别番茄成熟度, 为农产品品质无损检测提供了新的技术手段。
番茄 成熟度 吸收系数光谱 约化散射系数光谱 Tomato Ripeness Absorption coefficient spectra Reduced scattering coefficient spectra 光谱学与光谱分析
2020, 40(11): 3556
1 南京农业大学工学院, 江苏 南京 210031
2 江苏省农业科学院食品质量安全与检测研究所, 江苏 南京 210014
脱氧雪腐镰刀菌烯醇(DON)是一种经常发生在谷物及其衍生产品中的霉菌毒素, 危害人类和家畜的生命健康。 开发快速、 准确、 经济、 无环境危害的检测方法是一个亟待解决的问题。 本研究定义了可见光-近红外(Vis-NIR)光谱的趋势参数TP(trend parameter), 利用TP确定与DON浓度最相关的特征波段。 文中校正集样本的光谱矩阵行按样本DON浓度逐渐增加的顺序排列, 矩阵每一列(每一个波段)都对应一个TP值, 所有样本在某波段下的吸光度在列方向上的递增趋势越强(即TP值越大), 则此波段下的吸光度与DON浓度的相关性就越强, 该波段便可以作为评估DON浓度的特征波段。 研究发现在666, 1 238和1 660 nm处TP出现局部最大值, 利用此三个特征波段下的光谱进行二次判别分析Quadratic Discriminant Analysis(QDA), 以此构建的TP-QDA模型可以将小麦粉按DON污染水平分成轻度(0
脱氧雪腐镰刀菌烯醇 趋势参数 二次判别分析 小麦粉 Deoxynivalenol Trend parameters Quadratic discriminant analysis Wheat flour 光谱学与光谱分析
2020, 40(5): 1565
1 南京林业大学机械电子工程学院, 江苏 南京 210037
2 南京农业大学工学院, 江苏 南京 210031
比较分析空间分辨光谱和单点可见/近红外光谱(可见/短波近红外光谱和中波近红外光谱)对番茄颜色的识别能力。 根据番茄表面和内部颜色将600个样品分为6个等级(green, breaker, turning, pink, light red和red)。 分别利用新型空间分辨光谱系统(550~1 650 nm), 可见/短波近红外光谱仪(400~1 100 nm)和中波近红外光谱仪(900~1 700 nm)采集番茄的空间分辨(spatially-resolved, SR)光谱和单点可见/近红外(SP Vis/NIR)光谱, 建立番茄等级的偏最小二乘判别(PLSDA)模型, 比较其对番茄颜色等级的预测效果。 结果表明, SR光谱组合可在最佳单一SR光谱基础上进一步提高番茄颜色的识别能力, 对番茄表面颜色和内部颜色的识别率可分别达到98.8%和84.6%。 光源-检测器距离较近的SR光谱对番茄表面颜色的识别有帮助, 而光源-检测器距离较远的SR光谱能较好的判别番茄内部颜色。 SP NIR光谱在对番茄表面颜色判别中与SR光谱具有一定可比性, 其分类准确率可达到95%, 但SP Vis/NIR光谱在对番茄内部颜色识别中具有较低的分类准确率, 分类结果远不如SR光谱, 说明SR光谱比SP Vis/NIR光谱对番茄颜色的判别更具潜力。
空间分辨光谱 单点可见/近红外光谱 空间分辨光谱组合 番茄颜色 判别分析 Spatially resolved spectra Visible and near infrared spectra Combination of SR spectra Tomato color Discrimination analysis 光谱学与光谱分析
2019, 39(11): 3585
1 南京林业大学机械电子工程学院， 江苏 南京 210037
2 United States Department of Agriculture Agricultural Research Service (USDA/ARS), Michigan State University, East Lansing, MI 48824, USA
3 南京农业大学工学院， 江苏 南京 210031
番茄的可溶性固形物（SSC）、 pH值和坚实度（Firmness）是决定番茄的口感及收获后品质的主要因素。 提出一种基于波长比和近红外光谱的番茄SSC， pH和坚实度检测方法。 首先用Vis/SWNIR便携式光谱仪 (波长： 400～1 100 nm)和中波近红外便携式光谱仪 (波长： 900～1 683 nm）在相互作用模式下， 对6个不同成熟度的600个番茄样本进行光谱采集， 对所采集的光谱用波长比法和波长比+自动缩放法进行预处理后， 分别建立番茄SSC， pH和坚实度的预测模型， 比较单一自动缩放、 单一波长比、 波长比+自动缩放及不做预处理四种方法的预测结果。 结果显示， 波长比法结合自动缩放预处理可有效提高可见/短波近红外光谱对SSC， pH和坚实度的预测精度（rp=0.779， 0.796和0.917）； 波长比法+自动缩放法可提高中波近红外光谱对SSC的预测效果（rp=0.818）。 这说明波长比法在优化和处理番茄光谱信息方面具有一定的潜力。
番茄 波长比 可溶性固形物 坚实度 Tomato Soluble solid content pH Firmness pH Wavelength ratio 光谱学与光谱分析
2018, 38(8): 2362
1 南京农业大学工学院, 江苏 南京 210031
2 Department of Biosystems and Agricultural Engineering, Michigan State University,East Lansing, MI 48824, USA
3 United States Department of Agriculture Agricultural Research Service (USDA/ARS),Michigan State University, East Lansing, MI 48824, USA
对基于空间可分辨光谱的番茄成熟度分类判别方法进行了试验研究。 首先根据番茄的内部颜色, 将600个番茄分为6个不同成熟度 (green, breaker, turning, pink, light red and red) , 然后用自行开发的多通道高光谱成像探头采集番茄的空间可分辨(SR)光谱, 建立基于空间可分辨光谱的番茄成熟度偏最小二乘判别(PLSDA) 模型和支持向量机判别(SVMDA)模型。 结果显示, 对于PLSDA模型, SR光谱15为最佳分类光谱, 分类正确率达到81.3%; 对于SVMDA模型, SR光谱10为最佳预测分类光谱, 分类正确率为86.3%。 对六个成熟度等级番茄的判别分类, SVMDA模型要明显优于PLSDA模型。 此外, 相对于较小的光源-检测器距离SR光谱, 较大的光源-检测器距离SR光谱可以获得更好的判别效果, 显示出空间可分辨光谱在果蔬品质检测方面的应用潜力。
空间可分辨 成熟度 番茄 多通道高光谱成像 Spatially resolved spectra Maturity Tomato Multichannel hyperspectral imaging probe 光谱学与光谱分析
2018, 38(7): 2183
1 南京农业大学工学院, 江苏 南京210031
2 常州纺织服装职业技术学院 江苏 常州213164
提出一种基于高光谱成像技术的鸡胴体表面低可见污染物的双波段检测算法。 首先, 在所采集的高光谱数据中, 选择ROI(region of interesting)内光谱的同一性最好、 同时与边缘区域平均光谱差值最大的675 nm波段图像进行二值化处理, 利用区域生长法提取最大连通区域作为掩膜。 再将掩膜与污染物可分辨度最大的400 nm谱段图像进行“与”操作, 提取出最大面积的鸡胴体待检ROI, 最后利用标记法识别出ROI内有污染物存在的鸡胴体。 试验结果表明, 采用这种双波段算法, 不仅可以获得能够根据鸡胴体形状及位置自适应调节的最大ROI(比已有研究方法提取的ROI面积大176%以上), 而且对鸡胴体表面低可见度血液、 胆汁和粪便的正确检出率平均可达81.6%。
双波段算法 污染物 可分辨度 高光谱图像 鸡胴体 Dual-Band algorithm Contaminants Differentiation Hyperspectral imaging Chicken carcass 光谱学与光谱分析
2014, 34(12): 3363
南京农业大学工学院, 江苏省高等学校智能化农业装备重点实验室, 江苏 南京210031
为了能够快速实时地识别温室中的黄瓜, 研究了黄瓜和其茎叶的近红外反射光谱特性。 利用近红外光谱仪在室内共采集138个样本 (黄瓜46个, 茎46个, 叶46个)的反射光谱, 进行Savitzky-Golay平滑后, 抽取光谱中的108个样本作为校正集, 采用偏差权重法选择信息量较大的光谱波段690～950 nm进行研究。 在主成分分析(PCA)的基础上, 结合马氏距离建立识别模型, 剔除了7个异常样本。 用剩余的101个样本进行偏最小二乘法建模, 对校正集之外的30个样本进行预测。 结果显示预测值和实际值的相关性达0.994 1, 正确识别率达100%。 说明黄瓜、 茎和叶的近红外反射光谱特性之间有一定差异, 可以用近红外光谱技术进行鉴别, 为黄瓜识别提供了一种新的方法和思路。
光谱分析 黄瓜识别 主成分分析 偏最小二乘法 马氏距离法 Spectral analysis Cucumber recognition Principal component analysis Partial least squares Mahalanobis distance 光谱学与光谱分析
2011, 31(10): 2834
