-
题名枇杷糖度无损检测及可视化研究
被引量：2
- 1
-
-
作者
冯树南
谭涛
尚静
温青纯
孟庆龙
-
机构
贵阳学院食品科学与工程学院
贵州省农产品无损检测工程研究中心
-
出处
《中国农机化学报》
北大核心
2024年第2期157-163,共7页
-
基金
贵阳市科技计划项目(筑科合同[2021]43-15号)
国家级大学生创新创业训练计划项目(202210976043)
贵阳学院硕士研究生科研基金项目(GYU-YJS[2021]-45)。
-
文摘
糖度是评价枇杷内部品质的重要指标。采集枇杷高光谱图像并提取不同感兴趣区域的平均光谱,分析光谱提取区域对枇杷糖度预测精度的影响规律。使用标准正态变换对原始光谱作预处理,分别利用竞争性自适应重加权算法和连续投影算法(Successive Projection Algorithm, SPA)筛选特征光谱,为枇杷糖度建立多元线性回归(Multi Linear Regression, MLR)预测模型。最后采用伪彩色技术实现枇杷糖度含量分布的可视化。结果表明:以整个样本为感兴趣区域,经连续投影算法筛选特征光谱建立的多元线性回归模型具有最好的预测性能(决定系数R_(p)^(2)=0.822,均方根误差RMSE_(p)=0.435,剩余预测偏差RPD=2.407),基于SPA-MLR模型计算枇杷每个像素点的糖度,生成可视化分布图。表明采用高光谱成像技术可实现枇杷糖度的快速无损检测及可视化研究。
-
关键词
枇杷
高光谱成像
糖度
可视化
无损检测
-
Keywords
loquat
hyperspectral imaging
sugar content
visualization
nondestructive detection
-
分类号
O657.3
[理学—分析化学]
S663.9
[农业科学—果树学]
-
-
题名高光谱与极限学习机的番茄品质指标无损预测方法研究
- 2
-
-
作者
黄莲飞
吴莎
黄人帅
-
机构
贵阳学院食品科学与工程学院
贵州省农产品无损检测工程研究中心
-
出处
《光谱学与光谱分析》
北大核心
2025年第11期3090-3097,共8页
-
基金
贵州省科技厅青年引导项目(黔科合基础-[2024]青年080)
贵阳学院科研资金(GYU-KY-[2025])
贵州省教育厅研究生科研基金项目(2024YJSKYJJ397)资助。
-
文摘
高光谱成像技术凭借其能够获取样品连续且丰富光谱信息、有效反映内部成分特征的独特优势,为果蔬品质关键理化指标的快速无损检测提供了新的技术路径。基于此,以番茄为研究对象,聚焦其关键理化指标——包括可溶性固形物(SSC)、番茄红素含量和维生素C含量,探索其快速无损预测方法。为提高预测模型的准确性与稳健性,首先对高光谱数据采用标准正态变换(SNV)进行预处理,以削弱散射和光谱漂移的干扰,随后基于遗传算法(GA)筛选有效特征波段。进一步分别构建了反向传播-人工神经网络(BP-ANN)与极限学习机(ELM)预测模型,对比其在不同品质指标预测中的性能差异。结果表明,ELM在番茄红素、SSC及维生素C的预测中均优于BP模型。与BP模型相比,ELM的预测集相关系数(R_(p)^(2))分别提升了7.5%、11.4%和9.8%;均方根误差(RMSEP)分别降低了25.0%、22.2%和10.4%;相对预测偏差(RPD)分别提高了20.3%、25.3%和28.0%。其中,ELM模型在番茄红素、维生素C和SSC的预测中RPD值均超过2.6,达到良好预测精度水平。该研究为番茄品质关键指标的快速无损检测提供了高效、可靠的技术方案,同时也为果蔬品质无损检测技术的应用与推广增添了基石。
-
关键词
高光谱成像技术
番茄
品质指标
无损检测
极限学习机
-
Keywords
Hyperspectral imaging technology
Tomato
Quality indicators
Non-destructive testing
Extreme learning machine
-
分类号
O433.4
[机械工程—光学工程]
-
-
题名高光谱成像技术在水果品质检测中的应用研究进展
被引量：7
- 3
-
-
作者
谭涛
冯树南
温青纯
黄人帅
孟庆龙
尚静
-
机构
贵阳学院食品与制药工程学院
贵州省农产品无损检测工程研究中心
-
出处
《江苏农业科学》
北大核心
2024年第6期11-18,共8页
-
基金
中央引导地方科技发展资金(编号:黔科中引地[2022]4050)
贵州省科技计划(编号:黔科合基础[2020]1Y270)
+3 种基金
贵州省普通高等学校青年人才成长项目(编号:黔教合KY字[2020]081)
贵阳市科技计划(编号:筑科合同[2021]43-15号)
贵阳学院硕士研究生科研基金(编号:GYU-YJS[2022]-53)
大学生创新创业训练计划(编号:S202210976046)。
-
文摘
高光谱成像技术结合成像技术和光谱技术,可以从样本中获取其空间和光谱信息。因此,高光谱成像技术能够识别和检测水果的各种化学成分及其空间分布,在水果品质的检测中备受关注。本文首先综述了高光谱成像原理及系统装置,并展开讨论了高光谱图像的校正方法、多种光谱预处理、数据降维和样本集划分方法,从定量和定性角度对模型的构建方法和性能评估进行了分析。其次,总结了高光谱成像技术在水果内部品质(可溶性固形物含量、酸度、硬度、水分含量)和外部品质(损伤、缺陷和纹理)检测和分级中的最新研究进展。最后,对高光谱成像技术在水果品质检测与分级中的应用前景提出展望,以期为优化水果品质的检测方法提供理论依据。同时,也指出了当前可能存在的挑战和局限性。
-
关键词
高光谱成像
水果品质
缺陷
物理化学属性
无损检测
-
分类号
TS255.7
[轻工技术与工程—农产品加工及贮藏工程]
S127
[农业科学—农业基础科学]
-
-
题名基于高光谱成像的贵长猕猴桃硬度快速预测
被引量：4
- 4
-
-
作者
尚静
冯树南
谭涛
吴美芝
陈海江
孟庆龙
-
机构
贵阳学院食品与制药工程学院
贵州省农产品无损检测工程研究中心
-
出处
《食品工业科技》
CAS
北大核心
2023年第6期345-350,共6页
-
基金
贵州省科技计划项目(黔科合基础[2020]1Y270)
贵阳学院专项资金(GYU-KY-[2022])。
-
文摘
为了提高猕猴桃硬度预测的效率。应用可见/近红外(390~1030 nm)高光谱成像系统获取贵长猕猴桃的高光谱图像信息,并提取每个样品感兴趣区域的反射光谱,采用标准正态变换消除原始反射光谱中的噪声干扰;基于竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)与连续投影算法筛选特征变量,建立误差反向传播神经网络和多元线性回归(multi linear regression,MLR)模型检测贵长猕猴桃硬度。结果表明:应用CARS从256个变量中筛选了35个特征变量,运算效率提升了近11倍(即运算时间从5.84 s降到了0.54 s);构建的CARS-MLR检测模型具有较大的r_(c)=0.95和r_(p)=0.92,较小的RMSEC=1.65 kg/cm^(2)和RMSEP=1.99 kg/cm^(2),且RPD值(2.47)大于2,表明CARS-MLR模型具有非常好的检测性能,利用高光谱成像技术以及化学计量学可以实现贵长猕猴桃硬度的快速无损检测。
-
关键词
贵长猕猴桃
硬度
高光谱成像
化学计量学
无损检测
-
Keywords
Guichang kiwifruit
firmness
hyperspectral imaging
chemometrics
nondestructive detection
-
分类号
O657.3
[理学—分析化学]
S663.4
[农业科学—果树学]
-
