• <nav id="ai48w"></nav>
    <menu id="ai48w"></menu>
  • <dd id="ai48w"></dd>
  • 文章詳情
    所在位置: 首頁> 技術文章> 農業相關>

    雙利合譜便攜式高光譜成像儀在田間肥城桃品質和成熟度無損預測研究

    日期:2022-09-13 03:04
    瀏覽次數:435
    摘要:通過使用江蘇雙利合譜相機GaiaField-V10E采集高光譜圖像,并結合化學計量學來確定肥城桃的內部質量和判別不同成熟度階段的肥城桃。


     雙利合譜便攜式高光譜成像儀在田間肥城桃品質和成熟度無損預測研究

    肥城桃因其良好的品質和豐富的營養而廣受消費者喜愛,但肥城桃作為一種呼吸性氣候的水果,其水分含量很高,容易變色、變軟后變質。在日常的生產中,成熟的桃子通常采摘下來后就立即食用,而中熟的桃子被采摘下來后需要經過運輸或儲存很長一段時間才能上市。在此期間,桃子的質量屬性(諸如可溶性固溶物含量和硬度等)會不斷地快速變化,因此本文通過使用江蘇雙利合譜相機GaiaField-V10E采集高光譜圖像,并結合化學計量學來確定肥城桃的內部質量和判別不同成熟度階段的肥城桃。

    圖1果園現場高光譜圖像采集和光譜處理
    表1 肥城桃可溶性固溶物含量和硬度含量分布及數據集劃分

    圖1為現場圖像采集照片和對高光譜圖像中的光譜進行提取和處理。文章采用SPXY法將160個樣品劃分為100個校正集和60個預測集,集合劃分結果和指標如表1所示,圖2為中熟和成熟的肥城桃子的平均光譜反射率與標準偏差的示意圖。

    圖2 中熟和成熟的肥城桃子的平均光譜反射率與標準偏差



    文章采用CARS算法和隨機跳蛙(RF)算法提取有效波長,并基于特征波長建立可溶性固溶物含量(SSC)和硬度的多元線性回歸(MLR)模型,建模效果如圖3所示。其中SSC的RF-MLR預測模型較好,Rv2為0.88,RMSEV為0.54,硬度的CARS-MLR預測模型較好,Rv2為0.81,RMSEV為1.17。



    圖3 SSC(a)和硬度(b)實測值與預測值散點圖
    圖4 SFS算法提取的兩個波長
     

    在此基礎上,文章采用順序前向選擇(SFS)算法提取兩個有效波長(957nm,518nm),如圖4所示。隨后使用LIBSVM模型對肥城桃子的成熟度進行辨別,如圖5所示,圖5a為模型選取的*佳核參數C=5.7和γ=16,圖5b為模型分類識別的準確率,分類識別精度達到91.7%。



    圖5 LIBSVM模型對肥城桃子成熟期的判別


     基于便攜式高光譜成像儀的田間肥城桃品質和成熟度無損預測研究

    參考文獻:Shao Y, Wang Y , Xuan G , et al. In-field and non-invasive determination of internal quality and ripeness stages of Feicheng peach using a portable hyperspectral imager[J].Bigosystem Engineering, 212(2021):115-125.


    川公網安備 51011202000202號

    处破学生毛都没长齐在线播放
  • <nav id="ai48w"></nav>
    <menu id="ai48w"></menu>
  • <dd id="ai48w"></dd>