基于可见-近红外光谱和多光谱成像技术的梨损伤检测研究 Detection of Pear Injury Based on Visible-Near Infrared Spectroscopy and Multispectral Image.pdfVIP

第31卷，第4期 光谱学与光谱分析 201 and 1年4月 SpectroscopySpectralAnalysis April，2011 基于可见一近红外光谱和多光谱成像技术的梨损伤检测研究 曹 芳1，吴 迪1，郑金土2，鲍一丹¨，王遵义3，何勇1 1．浙江大学生物系统T程与食品科学学院，浙江杭州310029 z．浙江省宁波市林特科技推广中心，浙江宁波315010 3．浙江万里学院科研处，浙江宁波315100 摘要提出了利用可见一近红外光谱技术和多光谱成像技术检测鸭梨损伤随时问及程度变化的新方法。利 least 用町见一近红外光谱技术，分别结合偏最小二乘(partialsquares。PLS)和最小二乘支持向量机(1east vector squares-supportmachine，L§SVM)方法对鸭梨受损程度和受损天数进行预测。结果表明，两种方法 在鸭梨损伤后期对损伤程度的判别均具有较好的效果；LS-SVM方法对鸭梨轻度损伤的损伤天数的预测精 度较高，彳开重度损伤天数的预测效果不如PLS方法。然后利用多光谱I车I像预测鸭梨受损天数。研究发现，利 用LS-SVM建立的模型预测效果较稳定，预测结果相关系数均在0．85左右。说明利用町见一近tr．夕b光谱分析 技术和多光谱成像技术能够快速无损地检测出鸭梨的损伤程度及时间，为鸭梨检测提供了一种新方法。 关键词可见一近红外光谱；多光谱成像；鸭梨；最dx--乘支持向鼍机；偏最dx-乘法 中图分类号：$123文献标识码：A DOI：10．3964／j．issrL1000-0593{2011)04—0920—04 并预测。 引 言 1材料与方法 梨果汁多、质脆、多具芳香，深受我国人们的欢迎，但 我国梨果质量与国外相比仍有较大差距，主要表现在果形不 1．1实验材料与仪器设备 正、石细胞较多、可溶性嗣形物含最低等方面。现有的水果 从牛产企业购买鸭梨，选取大小均匀，形状相近，完好 分级机械缺乏对缺陷及损伤Ⅸ域的鉴别，难以从表面直接识 无损的鸭梨共60个，随机分为六组，每组lO个样本，其中 别水果的内部缺陷，比如梨的内部腐烂等。近红外光谱(near五组为实验组，一组为对照组。 infraredreflectance 首先利用美国Instron5543生物材料万能试验机对鸭梨 spectroscopy．NIRS)分析技术是一种高 效、快速的现代分析技术，在农产品和食品的!竖实度检测分 造成人为标准损伤。用一个直径为6mm的探头下面连接一 析中得到了广泛的应用，如梨果实L1|、西瓜【2j、无核小蜜橘个直径为3cm的圆盘，以10mm·min_1的加载速度压入， 坚实度[3]，苹果酸度、硬度、糖度检测[4{1等。 对每组样本分别压入2，3，4，5和6mm五种不同深度，压 机器视觉又称计算机视觉，具有较好的适应性和鲁棒 人方向为由表面指向果心。通过联接的计算机控制每组样本 性，逐渐被应用于农产品的无损检测中。比如桃子坚实度检 的压力和压入深度的变化并获取连续的应力变化曲线。 测、苹果硬度检测L7]、苹果新旧损伤检测[8]、水果分级[9’1…、然后使用美国ASD(analyticalspectraldevice)公司的 HandheldField 大豆缺陷检测【11]等。3CCD光谱成像仪的图像不仅拥有普通 Spee光谱仪对所有鸭梨样本的损伤部位进行 图像的信息，而且还包含肉眼不可见的近红外信息。 光谱采集，光谱采样问隔(波段宽)1．5n／n，测定范围32