服务热线:
86-0755-23229824
您当前所在位置: 首页>>应用案例>>农业环境
高光谱成像技术在农产品检测中的应用

高光谱成像技术在农产品检测中的应用

农业经济是国家重要经济来源,农产品是社会发展的必然需求物品。 随着人民生活水平不断提高,人们对农产品品质及安全更加重视,做好农产品检测是保障农产品质量的重要方式。传统农产品检测以人工方式检测,其容易受外界因素影响,且效率极低,容易产生误判。新时期农业技术迅猛发展,高光谱成像技术作为新兴无损检测方式,成为新时期农产品重要检测方式之一。

查看源图像

1 高光谱成像技术原理分析 

1.1  高光谱成像技术原理 

技术原理是以窄电磁波波段得到物体数据,电磁波紫外线、可见光、中红外等影响下,仍可获得较窄且联系的光谱图像信息,得到大量窄波段光谱信息,从而得到完整且连续的管沟曲线。高光谱将各个波段、图谱等结合起来,原本二维图像及光谱技术结合,高光谱成像通过三维数据显示,在建立二维平面像素坐标轴后,建立第三维坐标轴,表示波长信息。高光谱图像可以精准的表示出样本大小、形状等,了解样本缺陷等各项特征。此外,不同成分对光谱吸收具有差异性,通过差异性的光谱信息可以更清楚的反映出缺陷,了解样品内部结构、化学成分等。因此,高光谱成像对观察农产品缺陷、农产品化学成分及物理性质有独特优势,可更好的应用到农产品检测中。

查看源图像

1.2  高光谱成像检测设备 

高光谱成像设备由成像仪器、图像采集设备、暗箱、计算机数据处理系统等组成。 

1632898288(1).png


1.3  高光谱成像数据处理 

高光谱成像对图像采集,可反馈出较多数据,含有诸多不重要的数据信息,需对数据详细分析,选择合适的波段可充分反馈原始信息,减少不必要信息的干扰,也就是“数据降维”。数据降维有多种方式:常用的为主成分分析法、判别时分析法及特征波段法等方式。通过合适的方式将数据降维处理之后,对其特征波段图像准确处理。

image.png


2 高光谱成像技术在农产品检测中的实际应用 

高光谱成像自身具有检测准确、无损、快速特点,是现代农产品检查的主要手段。下文就分析其在果蔬、肉类等农产品品质检测的实际应用,为农产品检测打下坚实基础。 


2.1  果蔬检测中高光谱成像技术的应用 

2.1.1  内部品质检测 

果蔬内部品质检测包含糖分、硬度、成熟度、SSC、水分。糖分是水果重要品质,直接影响水果酸甜度。高光谱成像技术检测水果的糖度,以成像系统得到水果糖度漫反射光谱图像,以哈密瓜检测为例,用500-820mm波段分析,采取PLS、SMLR、PCR方式,建立带皮、去 皮哈密瓜糖度检测模型,发现采用PLS方式检测带皮哈密瓜糖度可行,而以SMLR检测去皮哈密瓜糖度效果最佳。对苹果糖度预测检查,以高光谱成像技术提取苹果平均光谱,以白板校正方式,一阶微分光谱有效处理,将10个波长光谱都结合、合并,再以多元线性回归方式建立对苹果的糖度预测模型。最终结果表示,苹果糖度预测模型系数为0.911,RMSEC为0.727。 

1632899470(1).png

2.1.2  果树外部品质检测 

外部品质检测主要从果蔬大小、色泽、形状等评估,农产品无损检测中,通过高光谱成像技术可及时了解果蔬损伤、冻伤、腐烂等缺陷。 果蔬采摘、运输中,可能发生冻伤、擦伤等,易导致果蔬变质、腐烂, 且前期损伤范围较小,不易被人工检查方式识别。而采取高光谱成像技术,通过PCA、LDA检测,45min后冻伤检测效果最理想,对冻伤果蔬检测正确率达到97.9%。 

1632900075(1).png


2.2  肉类检测 

以高光谱成像技术对肉类检测,可检查猪肉嫩度、大肠杆菌等。在400-1100nm波段分析光谱图像,得到猪肉嫩度及大纲杆菌污染模型验证 系数为0.949、0.939。将高光谱成像技术和Gompertz函数技术结合,可以实现对猪肉嫩度及大肠杆菌的迅速检测。此外,高光谱成像技术在肉类脂肪、蛋白质、水分等方面检测效果也较理想。以高光谱成像技术对牛肉化学成分无损分析,以近红外900-1700nm得到反射率光谱图像,提取光谱数据,测量质量参数,并通过PLSR建立关于牛肉内部水分、脂肪、蛋白质的预测检查模型,得到三种成分预测系 数,水分为0.89,脂肪为0.84,蛋白质为0.886。 

1632900136(1).png

2.3  谷物检测中高光谱成像技术的应用 

我国地域辽阔,农业发展由来已久,是世界上最大的粮食生产国,谷物类包含水稻、小麦、玉米、花生等。但是近年来,粮食安全问题频发, 因此,需重视对谷物的质量检测。通过高光谱成像技术对大米急性检测, 检测质量及种类,得到大米高光谱图像,以上文的主成分分析方式,对图像中的数据降维处理,提取垩白度及形状特点,以PCA、BPNN建立谷物识别模型,发现采用BPNN模型效果较为理想,其准确率达到89.91%,而PCA准确率为89.18%,两者相差不大。BPNN和数据融合结合,准确率进 一步提高,可达到94.45%。因此,采用高光谱成像技术对谷物进行检测,对大米种类及质量分析具有实用性 

1632900261(1).png

3 结束语 

高光谱成像技术将图像、光谱有机结合起来,实现对农产品外部品质分析的同时,也可检测内部品质。高光谱成像技术相较于传统人工检测方式,具有快速、无损的优势。此外,高光谱成像技术在农产品检测,如果蔬、肉类、谷物等检测上取得丰硕结果,为农产品无损检测进一步发展打下基础,为农产品检测中广泛应用高光谱成像技术提供新思路。

Copyright © 2020 All Rights Reserved 莱森光学(深圳) 有限公司·版权所有 备案号:粤ICP备18141551号