基于高光谱成像技术的小黄瓜水分无损检测

被引：24

作者：

李丹

何建国

刘贵珊

贺晓光

王松磊

吴龙国

机构：

[1] 宁夏大学农学院

来源：

红外与激光工程 | 2014年 / 43卷 / 07期

关键词：

高光谱成像技术; 小黄瓜; 水分; 无损检测;

D O I：

暂无

中图分类号：

TN215 [红外探测、红外探测器];

学科分类号：

0803 ; 080401 ; 080901 ;

摘要：

利用近红外高光谱成像技术对小黄瓜的水分进行无损检测研究。采用多元散射校正和Savitzky-Golay卷积平滑对900～1 700 nm波段范围内的原始光谱进行预处理,选取最优的预处理方法;运用偏最小二乘回归系数选择特征波长,建立全波段和特征波长下的偏最小二乘水分预测模型。结果表明,经过Savitzky-Golay卷积平滑处理后的光谱建模效果最好,且利用特征波长建立的小黄瓜水分校正和验证模型的相关系数和均方根误差分别为0.86,0.90和0.111,0.156,优于全波段建立的模型。研究表明,采用高光谱成像技术对小黄瓜水分的无损检测是可行的。

引用

页码：2393 / 2397

页数：5

共 10 条

[1]

基于高光谱图像的生菜叶片水分预测研究[J]. 孙俊,武小红,张晓东,高洪燕.光谱学与光谱分析. 2013(02)

[2]

农产品外部品质无损检测中高光谱成像技术的应用研究进展[J]. 李江波,饶秀勤,应义斌.光谱学与光谱分析. 2011(08)

[3] 基于高光谱成像技术的苹果内外品质同时检测 [J].

单佳佳 ;

彭彦昆 ;

王伟 ;

李永玉 ;

吴建虎 ;

张雷蕾 .

农业机械学报, 2011, 42 (03) :140-144

[4] 高光谱图像技术检测柑橘果锈 [J].

蔡健荣 ;

王建黑 ;

黄星奕 ;

陈全胜 .

光电工程, 2009, 36 (06) :26-30

[5] 高光谱数据光谱分辨率对矿物识别的影响分析 [J].

张萌 ;

赵慧洁 ;

李娜 .

红外与激光工程, 2006, (S4) :493-498

[6] 用近红外光谱快速测定对二乙基苯的纯度 [J].

陆道礼 ;

陈斌 .

红外与激光工程, 2003, (06) :580-582

[7] Prediction of firmness and soluble solids content of blueberries using hyperspectral reflectance imaging [J].

Leiva-Valenzuela, Gabriel A. ;

Lu, Renfu ;

Miguel Aguilera, Jose .

JOURNAL OF FOOD ENGINEERING, 2013, 115 (01) :91-98

[8]

Studies on banana fruit quality and maturity stages using hyperspectral imaging[J] . P. Rajkumar,N. Wang,G. EImasry,G.S.V. Raghavan,Y. Gariepy.Journal of Food Engineering . 2011 (1)

[9]

Detecting chilling injury in Red Delicious apple using hyperspectral imaging and neural networks[J] . Gamal ElMasry,Ning Wang,Clément Vigneault.Postharvest Biology and Technology . 2008 (1)

[10]

Hyperspectral imaging for nondestructive determination of some quality attributes for strawberry[J] . Gamal ElMasry,Ning Wang,Adel ElSayed,Michael Ngadi.Journal of Food Engineering . 2006 (1)

← 1 →