使用超光谱数据和化学计量方法,在果中检测灰菌感染的非破坏性预症状检测

科学领域:

• 农业科学 农业科学
• 植物病理学 植物病理学
• 频谱学是一种光谱学.

背景情况:

• 灰色菌 (Botrytis cinerea) 在收获后对果造成重大损失.
• 早期和非破坏性检测方法对于质量控制和减少损坏至关重要.
• 目前的检测方法通常依赖于视觉检查,这可能是主观的和迟到的.

研究的目的:

• 调查超光谱成像 (HSI) 的应用,以早期和非破坏性检测虫虫在果中的感染.
• 开发和验证数据分析算法,以准确分类受感染和非受感染的水果.
• 评估灰色菌感染对果质量属性的影响 (坚度,SSC,TA) 并以非破坏性的方式预测这些参数.

主要方法:

• 随着时间的推移,从受感染和未受感染的基维果中收集了超光谱图像 (450-900nm).
• 应用的光谱预处理技术:移动窗口光滑 (MWS),标准正常变量 (SNV),乘法散射校正 (MSC),萨维茨基-戈莱导数.
• 使用的波长选择算法:竞争性自适应重权取样 (CARS),非信息变量消除 (UVE),连续投影算法 (SPA).
• 开发了使用线性差异分析 (LDA) 的分类模型和使用部分最小平方回归 (PLSR) 的回归模型.

主要成果:

• 用SNV过的数据与LDA实现了高分类准确度 (96.67%的交叉验证,96.00%的评估) 检测受感染的果.
• 该系统在明显的疾病症状出现之前成功检测到感染.
• 灰色菌显著影响了果的坚硬度,可溶性固体含量 (SSC) 和可定位酸度 (TA).
• 在校准过程中,萨维茨基-戈莱第1导数-CARS-PLSR模型准确地预测了度 (R2=0.9879),SSC (R2=0.9644),和TA (R2=0.9797).

结论:

• 超光谱成像与化学测量分析相结合,为快速,非破坏性检测基维果真菌感染提供了强大的工具.
• 这项技术可以早期识别受病的水果,促进及时干预.
• 在存储期间,HSI提供了一种可靠的方法来评估和预测受感染果的关键质量属性.