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
