小少妇BBBBBBBBBBBB,亚洲综合欧美另类,五月婷婷免费图文,久久精品国产亚洲av麻豆

賽斯拜克中國核心技術品牌 博士專業(yè)研發(fā)團隊   18年專注高光譜

咨詢熱線:400-888-5135

高光譜相機實現(xiàn)核桃仁內(nèi)部品質(zhì)檢測和外觀等級分類

來源:賽斯拜克 發(fā)表時間:2023-09-01 瀏覽量:460 作者:awei

核桃作為一種重要的堅果,其品質(zhì)和等級的準確檢測對確保食品安全及保障消費者利益具有重要意義。傳統(tǒng)上,核桃仁的品質(zhì)檢測和等級分類主要依賴人工檢驗,但這種方法既費時又易受主觀因素影響。高光譜相機技術的發(fā)展為核桃仁的自動化品質(zhì)檢測和等級分類提供了新的可能性。高光譜相機能夠捕捉到核桃仁的細微變化,從內(nèi)部品質(zhì)和外觀特征兩方面提供精確的數(shù)據(jù)。

1693549842302720.png

高光譜相機技術


高光譜相機是一種結(jié)合了光學、成像技術和計算機科學的先進設備。它能夠獲取物體的高光譜信息,這些信息包含了物體反射、透射、散射等多個維度的數(shù)據(jù)。通過對這些數(shù)據(jù)的分析,我們可以得到物體的詳細物理和化學特性。高光譜相機在核桃仁品質(zhì)檢測和等級分類中的應用,能夠?qū)崿F(xiàn)非破壞性的、高效的檢測。


核桃仁內(nèi)部品質(zhì)檢測


利用高光譜相機技術,我們可以獲取核桃仁內(nèi)部品質(zhì)的信息。如水分、油脂含量、蛋白質(zhì)含量等都可以通過高光譜數(shù)據(jù)進行無損檢測。通過對這些數(shù)據(jù)的分析,我們可以判斷核桃仁的內(nèi)部品質(zhì)是否符合標準。


核桃仁外觀等級分類


高光譜相機還可以用于核桃仁外觀等級的分類。通過對核桃仁的形狀、大小、色澤等外觀特征的高光譜數(shù)據(jù)進行分析,可以實現(xiàn)核桃仁外觀等級的自動化分類。這大大提高了分類的準確性和效率,減少了人為錯誤。


高光譜相機實現(xiàn)核桃仁內(nèi)部品質(zhì)檢測和外觀等級分類


本研究應用了400-1000nm的高光譜相機,可采用廣東賽斯拜克科技有限公司產(chǎn)品SP130M進行相關研究。光譜范圍在400-1000nm,波長分辨率優(yōu)于2.5nm,可達1200個光譜通道。采集速度全譜段可達128FPS,波段選擇后最高3300Hz(支持多區(qū)域波段選擇)。


cc707a9e513e200f0b8edd1bb2f6557f_1692004018147423.jpg

圖片4.png

為了探索同時實現(xiàn)核桃仁內(nèi)部品質(zhì)檢測和外觀等級分類的方法,本研究采用高光譜成像技術開展了核桃仁脂肪含量、蛋白質(zhì)含量及色澤的特征光譜篩選,篩選出了品質(zhì)指標的相關特征波段以期為核桃仁品質(zhì)無損檢測的應用提供參考。


  核桃仁樣品在近紅外區(qū)域(863~1704 mm)的平均光譜信息及預處理后的光譜信息如圖3所示。樣品原始光譜信息總體特征基本一致,除了水分的吸收峰外,其它成分的吸收峰并不明顯,需要對光譜進行進一步處理。通過MSE和SNV組合的預處理方法,去除了部分背景噪聲的影響,使樣品光譜信息更平滑。同時,進一步增強了光譜信息的一致性,突出了光譜峰谷,使光譜特征得到了強化。


圖片5.png

基于光譜信息與圖像特征的核桃仁外觀等級分類,圖6為3種色澤核桃仁樣品在可見光和短波近紅外區(qū)域(382~1027nm)的平均光譜曲線,由于光譜前后段噪聲影響較大,因此去除了前段和后段各20個波段點。由圖6可見,在原始光譜中,3種色澤核桃仁樣品的光譜曲線在可見光范圍內(nèi)光譜反射率隨著色澤由淺到深呈現(xiàn)明顯的下降趨勢,在近紅外范圍內(nèi)光譜較雜亂。經(jīng)過MSC和SNV組合方法預處理后的光譜信息,光譜反射率呈現(xiàn)出一定的規(guī)律性和一致性,有助于后續(xù)的光譜處理。


圖片6.png

采用高光譜成像技術,開展了核桃仁內(nèi)外部品質(zhì)檢測方法研究,通過光譜與圖像信息相結(jié)合的方法實現(xiàn)了核桃仁蛋白質(zhì)和脂肪含量預測以及基于完整度和色澤的核桃仁外觀品質(zhì)分級。結(jié)果表明,采用CARS算法與相關系數(shù)法相結(jié)合的方式,有效地去除了全光譜波段中的無關信息和冗余信息。與全光譜波段相比,特征波段預測模型蛋白質(zhì)含量的驗證集R?由0.66增長到0.91,RMSEP由1.37%下降到0.78%;脂肪含量的驗證集R?由0.83增長到0.93,RMSEP由0.98%下降到0.47%,表明篩選出的特征波段有效的降低的模型的復雜度,提高了模型預測能力。


  將色差特征光譜與圖像統(tǒng)計特征參數(shù)相結(jié)合,采用高光譜圖像提取了總色差特征波段光譜,能夠大幅降低冗余信息的干擾,提高建模效率。通過總色差特征波段光譜與圖像統(tǒng)計特征參數(shù)相結(jié)合的方法,與RGB波段相比進一步提升分類的準確率,當采用DT算法建立的色澤分類模型時,模型具有最高的分類準確率(98.6%)。采用高光譜圖像同時實現(xiàn)了核桃仁內(nèi)部品質(zhì)參數(shù)(蛋白質(zhì)含量、脂肪含量)的檢測和外觀品質(zhì)(完整度、色澤)的分類,為核桃仁品質(zhì)無損檢測的應用提供了新的解決方案。


高光譜相機技術的發(fā)展為核桃仁的品質(zhì)檢測和等級分類提供了新的解決方案。通過高光譜數(shù)據(jù)的獲取和分析,我們可以實現(xiàn)核桃仁內(nèi)部品質(zhì)的無損檢測和外觀等級的自動化分類。這無疑將提高檢測的準確性和效率,保障食品安全,提升消費者體驗。然而,如何進一步優(yōu)化高光譜數(shù)據(jù)的分析算法,以提高檢測的精確度和穩(wěn)定性,是我們未來需要關注和研究的問題。


相關產(chǎn)品

物質(zhì)鑒別排行榜top10

物質(zhì)鑒別相關推薦