為了較早地對冬棗損傷進(jìn)行預(yù)測,減少冬棗內(nèi)部損傷引起的儲藏?fù)p失,以山東沾化冬棗為研究對象,對冬棗內(nèi)部隱性損傷直至表面微觀損傷的漸變光譜特性進(jìn)行研究,利用高光譜成像系統(tǒng)采集每個(gè)冬棗在同一試驗(yàn)條件下的各個(gè)損傷時(shí)期的高光譜圖像,得到波長在390～1 090 nm的512幅高光譜分量圖像,從表面微觀損傷的感興趣區(qū)域反推內(nèi)部隱性損傷的感興趣區(qū)域,并獲取各個(gè)損傷時(shí)期的光譜信息,通過3組差譜分析并交叉驗(yàn)證,確定變化較大的8個(gè)波長,再根據(jù)冬棗內(nèi)部的主要成分變化確定4個(gè)波長,最終選取528.5、547.4、573.9、702.7、727.2、755.7、880.2、942.6、982.7、518.5、863.0、973.4 nm 12個(gè)波長作為冬棗漸變損傷的特征波長。利用偏最小二乘分析方法建立判別模型,并對預(yù)測集的83個(gè)樣本（無損傷27、第1階段損傷12、第2階段損傷12、第3階段損傷12、第4階段損傷10、第5階段損傷10）進(jìn)行預(yù)測,檢測精度依次為100%、58.3%、66.7%、83.3%、100%、100%,總體檢測精度為86.7%。 

【文章來源】：安徽農(nóng)業(yè)科學(xué). 2020,48(24)

【文章頁數(shù)】：4 頁

【部分圖文】：

冬棗損傷樣本

首先對圖2e的冬棗圖像進(jìn)行損傷感興趣區(qū)域的劃分,并在圖中用紅色圈表示,確定其損傷區(qū)域后,將同樣大小的紅色圈分別在前幾次采集的冬棗圖像上進(jìn)行同位置的劃分感興趣區(qū)域,即冬棗各個(gè)階段的損傷感興趣區(qū)域均被確定,如圖2所示。1.2.2 冬棗損傷光譜信息獲取及預(yù)處理。

根據(jù)圖2確定的各個(gè)損傷區(qū)域,分別計(jì)算各個(gè)感興趣區(qū)域(ROI)的平均灰度值,得到各個(gè)損傷階段的冬棗光譜信息,5條光譜曲線如圖3所示,波長為390～1 090 nm。觀察計(jì)算得出的光譜曲線,光譜曲線前后兩端的噪聲較大,并且5條曲線的光滑度不夠,給數(shù)據(jù)分析造成較大的困難。因此,剔除前后兩端噪聲數(shù)據(jù),并且采用周期為10的移動平均法對該原始光譜數(shù)據(jù)進(jìn)行預(yù)處理,移動平均值公式為 a n = a n +a n+1 +?+a n+9 10 (周期為10),結(jié)果如圖4所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于高光譜成像分析的冬棗微觀損傷識別[J]. 魏新華,吳姝,范曉冬,黃嘉寶.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(03)
[2]基于高光譜成像技術(shù)的鮮棗裂紋的識別研究[J]. 余克強(qiáng),趙艷茹,李曉麗,張淑娟,何勇.  光譜學(xué)與光譜分析. 2014(02)
[3]基于高光譜成像技術(shù)的腐爛、病害梨棗檢測[J]. 王斌,薛建新,張淑娟.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2013(S1)
[4]近紅外漫反射用于檢測蘋果糖度及有效酸度的研究[J]. 劉燕德,應(yīng)義斌,傅霞萍.  光譜學(xué)與光譜分析. 2005(11)

博士論文
[1]水果糖度和酸度的近紅外光譜無損檢測研究[D]. 劉燕德.浙江大學(xué) 2006



本文編號：3471974