1 中国农业大学信息与电气工程学院食品质量与安全北京实验室, 北京 100083
2 中国农业大学工学院, 北京 100083
3 中国农业大学动物科学技术学院动物营养国家重点实验室, 北京 100083
随着居民生活水平的提高和对健康饮食结构的重视, 羊肉作为一种高蛋白且低脂肪和胆固醇的畜肉, 需求量逐年上涨。 根据国家统计局统计, 2012年—2019年我国畜肉产业中羊肉产量占比从6.27%上升到9.02%。 研究提出了一种基于二次迭代Monte Carlo(MC)算法剔除异常样本的羊肉硬度定量检测PLSR模型。 采用GaiaSorter高光谱分选仪的Image-λ-V10E-H相机采集羊肉样品400~950 nm的高光谱数据, Image-λ-N17E相机采集羊肉样品900~1 650 nm的高光谱数据。 首先, 对比分析了S-G平滑、 二阶求导、 多元散射校正(MSC)、 标准正态变换(SNV)等光谱预处理方法在消除噪声影响, 提高光谱分别率等方面的能力, 选取最佳光谱预处理方法。 然后, 在第一次MC抽样中, 计算所有样本预测误差均值和标准差的平均值, 以该平均值的2.5~3倍作为可疑样本阈值, 3倍作为异常样本阈值; 剔除异常样本, 保留并标注可疑样本, 进行第二次MC抽样, 以样本预测误差均值和标准差的3倍值为阈值进行异常样本二次剔除; 对第一次MC抽样中标注可疑样本进行二次检测。 最后, 对比分析了基于全波长建立的偏最小二乘回归(PLSR)模型和基于回归系数法(RC)提取的特征波长建立的PLSR模型。 研究结果表明, 所提出的二次迭MC算法可以准确判别可疑样本是否为异常样本, 有效优化样本集, 为建模提供良好的数据基础。 以MSC作为光谱预处理算法基于400~950和900~1 650 nm两段高光谱数据建立PLSR模型的RP2分别为0.947 2和0.978 3, RMSEP分别为47.789 9和30.590 1 g, 优于其他三种光谱预处理算法。 另外, 基于900~1 650 nm建立的PLSR模型明显优于基于400~950 nm波长样本集建立的模型。 通过RC算法选取出羊肉硬度在400~950和900~1 650 nm波长范围的特征波长分别为14个(410, 438, 450, 464, 539, 558, 612, 684, 701, 734, 778, 866, 884和935 nm)和10个(915, 949, 1 085, 1 156, 1 206, 1 262, 1 318, 1 384, 1 542和1 580 nm)。 其中, 基于900~1 650 nm波长建立的PLSR模型的RP2为0.985 0, RMSEP为24.397 0 g, 为羊肉硬度预测的最佳模型。 结果表明, 所提出的融合二次迭代MC算法的PLSR模型可以有效预测羊肉冷藏过程中硬度特性变化趋势, 为羊肉品质无损检测相关研究提供参考。
可见-近红外光谱 二次迭代Monte Carlo 偏最小二乘回归模型 羊肉硬度 Visible-near infrared spectroscopy Twice iterative Monte Carlo PLSR Mutton hardness 光谱学与光谱分析
2021, 41(7): 2057
中国农业大学信息与电气工程学院食品质量与安全北京实验室, 北京 100083
黄瓜白粉病是黄瓜病害中爆发频率较高的一种, 传播速度极快, 常常导致产量降低, 无法获得预期的经济效益。 特别是在病害爆发严重的年份, 黄瓜减产量高达20%。 提出了一种基于可见光谱图像联合区间的偏最小二乘回归判别模型(SI-PLSR), 用于黄瓜白粉病无损检测。 采用Canon EOS 800D和Ocean Optics USB2000+光纤光谱仪采集了200个黄瓜白粉病感病叶片的可见光谱图像和反射率曲线。 首先, 采用基于小波降噪和H分割的分水岭分割算法从实时采集的黄瓜白粉病感病叶片可见光谱图像中提取目标叶片; 其次, 通过高斯拟合优化的Otsu算法分割目标叶片的可见光谱图像, 获取白粉病病斑; 然后, 对350~1 100 nm全波段光谱反射率曲线建立偏最小二乘回归模型并计算交叉验证均方根误差RMSECV, 同时将全波段等分为20个子区间, 分别建立偏最小二乘回归模型, 选取RMSECV小于全波段反射率曲线建模RMSECV的子区间组成联合区间; 最后, 将光谱联合区间与白粉病病斑分割结果融合建立SI-PLSR模型。 从实验结果可知, 感病目标叶片的提取成功率高达94.00%, 200幅感病叶片可见光谱图像中成功提取188幅, 其中157幅目标叶片的完整性参数高于95%, 31幅目标叶片完整性参数在90%~95%之间。 188幅目标叶片的病斑分割结果显示, 平均错分率为5.81%, 其中平均False negative为1.55%, 平均False positive为4.26%。 对20个子区间分别建立偏最小二乘回归模型发现, 第5, 6, 7, 11, 12, 13和19子区间的RMSECV值小于全波段光谱反射率曲线建模的RMSECV值, 说明这7个子区间的光谱信息对白粉病的判别有较大的贡献, 这与呈现波峰的470~520, 530~580和700~780 nm波段相对应, 因此选取这7个子区间的光谱反射率曲线建立联合区间。 对联合区间建立SI-PLSR模型, 其主成分数为7, 校正集和验证集的相关系数和标准误差分别是0.975 2, 0.907 3和0.919 5, 1.091。 与全波段PLSR模型相比, SI-PLSR的相关系数更接近于1, 且标准误差更小。 结果表明, 所提出的SI-PLSR模型有效去除了可见光谱数据中冗余信息, 加强了模型的稳定性, 可以实现对黄瓜白粉病的快速无损准确识别, 为黄瓜病害诊断提供了方法和参考依据。
可见光谱 联合区间 偏最小二乘回归模型 计算机视觉 Visible spectrum Subinterval interval SI-PLSR Computer vision 光谱学与光谱分析
2019, 39(11): 3592
