基于VIS-NIR和SWIR高光谱图像的黄瓜溶性固体含量的非破坏性评估
Fanghong Liu1,2, Ning Zhang2, Bo Huang1
1State Key Laboratory of Robotics and System Harbin Institute of Technology Harbin China.
使用可见近红外 (VIS-NIR) 和短波红外 (SWIR) 频谱的高光谱成像可以在黄瓜中非破坏性检测可溶性固体含量 (SSC). 维斯-尼尔为分类工厂的在线质量监测提供了一个具有成本效益的解决方案.
科学领域:
- 农业工程 农业工程
- 频谱学是一种光谱学.
- 食品质量评估 食品质量评估
背景情况:
- 溶性固体含量 (SSC) 对黄瓜的质量和商业价值至关重要.
- 目前的破坏性采样方法对于分类工厂的大规模,持续的质量控制是不够的.
- 对于高效的黄瓜质量评估,需要使用非破坏性检测方法.
研究的目的:
- 评估可见近红外 (VIS-NIR) 和短波红外 (SWIR) 超光谱成像在黄瓜中非破坏性SSC检测的潜力.
- 将不同的光谱预处理和波长选择方法进行比较,以优化SSC预测模型.
- 为在线SSC监测黄瓜分类中建立最合适的光谱范围.
主要方法:
- 使用VIS-NIR和SWIR光谱学收集不同生长阶段的黄瓜的超光谱数据.
- 开发了部分最小平方回归 (PLSR) 模型,结合了各种光谱预处理 (例如,SG,MSC) 和波长选择 (例如,全波,CARS) 技术.
- 使用预测准确度指标 (R2p,RMSEP,RPD) 评估模型性能.
主要成果:
- 最佳的VIS-NIR模型 (SG-全波-PLSR) 实现了R2p=0.827,RMSEP=0.176,RPD=2.403.3的时间.
- 最优的SWIR模型 (MSC-CARS-PLSR) 实现了R2p=0.818,RMSEP=0.177,RPD=2.344.4. 这是一个非常好的模型.
- 两种光谱范围都显示出非破坏性SSC检测的能力.
结论:
- 在VIS-NIR和SWIR范围的高光谱成像对于在黄瓜中非破坏性SSC检测是有效的.
- 由于预测准确性和成本效益的平衡,推使用VIS-NIR系列进行在线监测.
- 这项技术可以显著提高黄瓜分类工厂的质量控制效率.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
相关概念视频
Ultraviolet and Visible (UV–Vis) Spectroscopy: Overview
UV–Vis Spectroscopy of Conjugated Systems
One of the factors influencing λmax is the extent of conjugation in...
IR and UV–Vis Spectroscopy of Aldehydes and Ketones
UV–Vis Spectroscopy: Woodward–Fieser Rules
