通过正常化的VNIR-SWIR透射高光谱成像和SPF-SSF-GSF-NLF融合方法,提高了果中可溶性固体和素的检测
Teng Long1, Kangning Wei1, Binshan Huang1
1College of Electronic Engineering/College of Artificial Intelligence, South China Agricultural University, Guangzhou 510642, China; Guangdong laboratory for Lingnan Modern Agriculture, South China Agricultural University, Guangzhou 510642, China; National Center for International Collaboration Research on Precision Agricultural Aviationdc Pesticides Spraying Technology, South China Agricultural University, Guangzhou 510642, China; Guangdong Engineering Technology Research Center of Smart Agriculture, South China Agricultural University, Guangzhou 510642, China; State Key Laboratory of Green Pesticides, Guizhou University, Guizhou 550025, China.
用于检测水果品质的高光谱成像 (HSI) 通过一种新方法来改进,该方法融合了光谱,图像和几何特征. 这种方法提高了在立花中测定可溶性固体含量 (SSC) 和素含量 (AC) 的准确性.
科学领域:
- 农业科学
- 光谱学
- 计算机视觉
背景情况:
- 使用高光谱成像 (HSI) 检测水果中的内部成分含量受到几何结构和非线性光谱含量关系的挑战.
- 现有的方法往往难以同时解决这些复杂因素,限制了准确的质量评估.
研究的目的:
- 开发和验证一种增强的HSI方法,用于准确检测果中的可溶性固体含量 (SSC) 和素含量 (AC).
- 克服水果几何和非线性光谱特征在HSI分析中的局限性.
主要方法:
- 使用VNIR-SWIR传输HSI与部分最小平方回归 (PLSR) 相结合.
- 开发了整合光谱特征 (SPF),图像特征 (SSF),几何结构特征 (GSF) 和非线性特征 (NLF) 的特征融合策略.
- 应用光谱规范化以减轻光谱变化.
主要成果:
- 拟议的融合方法显著提高了预测准确性 (Rp2):SSC为17.47%和AC为11.85%,分别达到0.9148和0.8455.
- 开发了一种基于预测的SSC和AC的litchi分类系统,分类精度高达95.17%.
- 证明了光谱规范化和多特征融合在增强基于HSI的水果质量检测方面的有效性.
结论:
- 综合方法有效地解决了水果质量评估中的几何和非线性挑战.
- 这种方法提供了一个可靠的解决方案,用于精确的,非破坏性的SSC和AC的测定.
- 开发的分类系统在水果行业具有很高的实际应用潜力.
