高光谱成像技术在果蔬品质与安全无损检测中的原理及应用

水果和蔬菜的品质与安全是消费者最为关心的问题。传统的化学检测方法是一种费时费力的破坏性检测技术。随着成像和光谱技术的快速发展,高光谱成像技术已经广泛应用于农产品品质与安全的快速无损检测中。高光谱成像技术融合了传统的成像和光谱技术的优点,可以同时获取被检测物体的空间信息和光谱信息,因此该技术既可以像检测物体的外部品质,又可以像光谱技术一样检测物体的内部品质和品质安全。目前,已经有大量的基于高光谱成像技术检测水果和蔬菜品质与安全的研究性论文发表,为了深入了解高光谱成像技术的检测原理并跟踪国内外最新的研究进展,综述了高光谱成像技术在水果和蔬菜外部品质、内部品质和品质安全检测中的原理、发展和应用。另外,还简要介绍和讨论了高光谱成像系统的构成、常用的数据分析方法、发展趋势及面临的挑战。     

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

高光谱成像技术是一种传统图像及光谱的融合技术,可以同时获取研究对象的空间及光谱信息.由于图像数据能反映农产品的外部特征、表面缺陷及污斑情况,而光谱数据又可以对物体内部物理结构及化学成分进行分析.因此,近几年在农产品品质无损检测中引起越来越多的关注,成为一个研究热点.为了跟踪国内外的最新研究成果,对高光谱反射及荧光成像技术应用于农产品(水果、蔬菜、肉类、谷物等)的外部品质检测进行了分类综述,以期为高光谱技术在农业方面更广阔的应用提供参考.     

用于水果品质检测的小型成像光谱仪

利用成像光谱可同时获得水果的成像信息和光谱信息,实现水果外部和内部品质的高精度、无损伤、无污染的大面积瞬态检测。为了获得水果的成像光谱,设计了一种以自主研发的凸面光栅作为核心元件的小型成像光谱仪,它具有成像质量好、体积小、重量轻等优点,光谱分辨率在578nm波长处达2.1nm,光谱谱线弯曲和色畸变均小于0.6%。对该小型成像光谱仪进行了检测和苹果成像光谱测量实验,结果表明:该成像光谱仪满足设计要求且可以快速的获得苹果的高精度成像光谱,从而进行水果的品质检测。     

粮油品质安全高光谱成像检测技术的研究进展

粮油品质安全至关人类营养健康与生命安全。常规检测粮油品质安全方法,由于操作困难、破坏性强、费用高、试剂污染等缺点,不能满足快速无损,高效无污染的要求,难以与工业4.0接轨。整合光谱和图像手段的高光谱成像技术,伴随着化学计量学的发展,突破了常规检测方法局限性,是粮油品质安全检测技术的发展趋势。在大量文献的基础上,综述了高光谱成像技术原理,以及在品质方面(组分测定、发芽检测、品种分类)和安全方面(真菌检测、虫害检测)的研究进展,特别分析了高光谱成像技术检测粮油品质安全的应用光谱范围、化学计量学方法、仪器设备和模型准确性,指出了现阶段在粮油品质安全检测中存在的主要问题,并对今后的研究方向和重点进行了展望,以期推动高光谱成像技术在粮油领域的应用发展。     

葡萄品质无损检测技术的研究进展

葡萄营养物质丰富且具有食疗功效,是消费者青睐的水果之一。葡萄在生长、采摘和贮藏过程中易受到损害而品质下降,从而严重影响消费者的购买欲望和葡萄的销售价格,因此检测葡萄品质对于提高葡萄商业价值具有至关重要的作用。传统的检测方法具有破坏样品、耗时耗力、成本高等缺点,而以机器视觉技术、近红外光谱技术和高光谱成像技术为主要检测手段的无损检测方法,因其无损、快速、准确的优势而发展迅速,形成了比较完善的方法体系,目前在葡萄内外部品质检测中得到广泛的应用。综述了利用机器视觉、近红外光谱和高光谱成像技术对葡萄外部品质(果粒大小、表面颜色和果穗尺寸)和内部品质(品种、糖度、可滴定酸、花色苷、总酚、病害和农药残留等)的国内外最新研究进展,总结分析了其在葡萄品质检测中存在的问题,并对葡萄品质无损检测研究方向作了展望,为葡萄品质无损检测技术的发展和相关研究人员的研究工作提供参考。     

近红外光谱分析技术在水果品质无损检测上的应用

近红外光谱分析技术具有快速、非破坏性、低成本及同时测定多种成分等特点,在很多领域得到广泛应用。本文简介了近红外光谱技术的检测原理,指出其检测优点和不足。综述了国内外将近红外光谱技术应用于水果品质无损检测方面的研究进展,并对利用近红外光谱技术进行水果品质无损检测的研究前景进行了展望。     

光谱分析在西甜瓜内部品质无损检测中的研究进展

西甜瓜(西瓜和甜瓜)味甘多汁,营养丰富,其内部品质的检测对其生产和流通具有重要意义。西甜瓜内部品质的传统检测方法检测时间长,成本高且为有损检测,不能满足现代生产的需要。随着光谱分析技术的快速发展,应用近红外光谱分析和高光谱成像进行西甜瓜内部品质的无损检测已成为研究热点。为跟踪国内外最新研究进展并分析研究现状,介绍了近红外光谱分析和高光谱成像的技术特点和系统组成,归纳了光谱信息预处理、变量筛选、模型建立和模型评价等光谱信息解析方法,综述了近红外光谱分析和高光谱成像在西甜瓜内部品质(可溶性固形物含量、坚实度、总酸含量、成熟度、水分等)无损检测中的应用,并从技术难点和实际应用两方面讨论了光谱分析技术在西甜瓜内部品质无损检测中的发展趋势,指出利用深度学习进行光谱信息解析、建立多特征信息融合的综合评价模型、开发基于人工智能与移动终端深度融合的快速无损检测系统等将成为新的研究方向。     

近红外光谱分析技术在农产品/食品品质在线无损检测中的应用研究进展

农产品/食品品质问题一直受到人们的广泛关注,而由品质问题引起的农产品/食品安全事故越来越多,所以急需对农产品/食品品质进行快速无损检测。目前常用的快速检测方法有化学比色分析法、近红外光谱法、免疫学分析法、生物传感器技术、生物芯片检测法以及生物学发光检测法等。近红外光谱分析技术因具有分析时间短、无需样品预处理、非破坏性、无污染以及成本低等特点, 已成为一种快速的现代分析技术, 广泛应用于农产品/食品领域的品质检测。国内外许多学者对其进行了深入的研究,并且从实验室的静态研究向在线检测研究方向发展。文章概述了近红外光谱分析技术在水果、鱼类、畜肉类、牛奶、谷物以及奶酪酒精发酵上的在线品质检测/监控应用上的研究进展,指出了近红外光谱分析技术尚存在的问题,并对今后的近红外光谱分析技术作了展望。提出近红外光谱分析技术将会与网络技术相结合,实现近红外分析模型的在线更新与升级, 指出光谱成像技术将成为21世纪近红外光谱分析技术的发展趋势。     

基于光谱及成像技术的种子品质无损速测研究进展

种子是农业生产过程的重要生产资料。种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究是种子品质检测中的常见问题。种子质量主要包含种子含水率、蛋白含量、脂肪酸含量、淀粉含量等,是种子品质分级的重要指标,并且关系到种子存储过程的安全问题。种子活力是种子发芽和出苗率、幼苗生长的潜势、植株抗逆能力和生产潜力的总和;高活力种子具有明显的生长优势和生产潜力。种子老化是指种子活力的自然衰退,表现为种子变色、发芽率低、生长势差、作物减产。种子的纯度与真伪则会影响作物产量和农产品品质;而种子分类与溯源则是保证种子纯度与鉴别种子真伪的重要方法,进而为作物产量与产品品质提供保障。对于种子品质分析,传统方法通常需要对样品做不可逆的破坏性分析,且分析时间长、过程复杂,难以适应现代农业对种子生产环节的需要。因此,开展种子品质无损快速检测技术研究成为当前亟待解决的问题。近年来,随着化学计量学的发展和计算机技术的进步,近红外光谱法以其快速、无损、高效等优势,在农产品、食品、农业投入品等的无损快速分析方面得以广泛的应用。进一步地,将光谱技术与成像技术相结合,高光谱成像技术近年来日益兴起,相比较于传统的光谱技术,高光谱成像技术在获得待测样品的光谱信息的同时,还可以获取样品的空间分布信息以及图像特征。基于近红外光谱及高光谱成像等无损快速检测技术,从种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究四方面对近年来关于种子品质无损快速检测文献进行综述。在分析不同检测技术特点的基础上,分别就上述种子品质检测方面的问题加以整理。进而对种子品质无损快速检测的技术特点进行了总结与展望。     

黄桃碰伤和可溶性固形物高光谱成像无损检测

黄桃在线分级时,表面损伤和可溶性固形物同时在线检测。损伤和可溶性固形物是评价黄桃品质好坏的重要指标。采用高光谱成像技术,尝试对黄桃损伤和可溶性固形物进行同时检测。利用主成分分析法,首先对高光谱图像进行主成分分析得到最佳PC(principal component)图像,其次根据PC图像中各波长对其贡献率的大小确定最佳特征波长(550和720 nm)并结合二值化,图像掩膜和阈值分割以及相关的图像处理技术对最佳光谱图像进行定性判别。其准确率最高达到94.6%,同时建立偏最小二乘定量回归模型对正常样品SSC(soluble solid content)含量进行预测,通过对模型的不断优化,实现了基于高光谱成像技术对黄桃碰伤和可溶性固形物同时检测。可溶性固形物分选准确率为79.2%。实验结果表明,利用高光谱成像技术可以实现对黄桃碰伤和可溶性固形物同时检测,该研究可以为实际在线分选提供理论依据和参考。     

高光谱成像技术对鲜枣内外部品质检测的研究

外部缺陷以及内部可溶性固形物的含量对提升鲜枣的采后附加值和鲜枣后续生产加工具有重要的意义,因此,为了实现同时对鲜枣内外部品质进行快速、准确识别,利用高光谱成像技术(450-1,000 nm)对壶瓶枣的“自然损伤”和可溶性固形物含量同时进行检测研究。首先,对光谱数据进行主成分分析(PCA)得到前7个主成分光谱值,对图像数据采用灰度共生矩阵(GLCM)提取到7项图像纹理指标(对比度、相关性、能量、同质性、方差、均值、熵)。然后,分别使用光谱主成分值、图像纹理特征值、以及主成分与纹理特征融合值建立偏最小二乘支持向量机(LS-SVM)模型对壶瓶枣的外部缺陷(“自然损伤”)和内部品质(可溶性固形物含量)进行检测研究。结果表明：使用主成分与纹理特征融合值建立的LS-SVM模型可作为通用模型同时对壶瓶枣内外部品质进行检测研究,其“自然损伤”判别正确率为92.5%,可溶性固形物预测集的预测相关系数(R_p)和预测均方根误差(RMSEP)分别达到了0.944和0.495。表明,采用高光谱成像技术可以建立通用模型同时对壶瓶枣的内外部品质进行检测,该研究为壶瓶枣的无损检测提供了理论参考。     

高光谱成像技术在彩绘文物分析中的研究综述

彩绘文物是文化遗产研究的重要内容之一。目前,许多的化学、光谱以及数字成像等分析技术应用于彩绘文物研究中,其中,高光谱成像技术集光谱分析与成像技术为一体,具有无损、快速成像以及"图谱合一"的特点。其技术特点使得高光谱成像技术在非接触、无样本的条件下对彩绘文物进行无损研究,既可以获得彩绘文物的整体形貌特征,还可以深入分析彩绘文物的光谱特征,是高光谱成像技术相比于其他彩绘文物研究方法的独特优势。利用高光谱成像技术研究彩绘文物分为数据采集、数据分析以及数据应用三步,其中数据分析与数据应用是研究的主要内容。通过对高光谱成像技术在彩绘文物中的相关研究成果进行总结归纳,其数据处理方法主要包括高光谱数据降维、光谱特征参量化、光谱解混合以及分类方法四个方面,并分别描述了四类处理方法的主要功能、常用方法和已有案例。从具体应用方向上,可归纳为视觉增强、隐含信息挖掘、保护监测和颜料分析四类,具体描述了四类应用方向所涵盖的内容以及所解决的问题。最后对相关研究中存在的挑战和发展前景进行了总结和展望。     

高光谱成像技术无损检测赣南脐橙表面农药残留研究

高光谱成像技术具备图像和光谱的双重优势,作为一种快速无损检测分析技术,检测过程无损、无污染和无接触。高光谱成像数据包括样本的图像信息和光谱信息,采集样本高光谱成像数据时,样本的每个像素点都有一条光谱与之对应,样本的每个波长都有一幅灰度图像与之对应。研究采用高光谱成像技术无损检测不同稀释浓度的农药在赣南脐橙样品表面残留随时间变化的关系。用蒸馏水把农药分别配置成1∶20, 1∶100和1∶1 000倍的溶液。然后把不同浓度的溶液滴到30个洗净的脐橙表面, 将涂有农药的脐橙分别放置0,4和20 d,然后采集在900～1 700 nm波长范围的高光谱成像原始数据。通过主成分分析获取930,980,1 100,1 210,1 300,1 400,1 620和1 680 nm共8个特征波长,基于这些特征波长做第二次主成分分析,应用PC-2图像并经过适当的图像处理方法对不同浓度及放置不同天数的农药残留进行无损检测。采用高光谱成像技术检测三个时间段较高稀释浓度的果面农药残留都比较明显。高光谱成像技术作为一种检测方法,可用于评价各个时间段较高浓度的农药残留。     

Nondestructive testing of external defects on Nanguo pear

In view of the common pests and diseases and irregularly shaped fruits of Nanguo pear, this paper fused the spectral information and image features to realize the rapid nondestructive testing and recognition of the external defects on Nanguo pear by hyperspectral imaging technology. Backpropagation neural network and support vector machine model was established to identify external defects, which are commonly used in classification and pattern recognition. The testing results show that recognition effect of support vector machine is better than backpropagation neural network. Among them, the recognition accuracy of fruits damaged by insects and rotten fruits of Nanguo pears reaches 100%. This study provides a theoretical basis for developing online grading system and quality detection of Nanguo pear based on multispectral imaging technique.     

便携式水果内部品质近红外检测仪研究进展

介绍了水果内部品质近红外光无损检测原理,描述了便携式水果内部品质近红外检测仪检测流程,对比分析了几款商品化的便携式水果内部品质近红外检测仪性能特点,总结了国内外最新研究进展,并展望了便携式水果内部品质近红外检测仪的发展趋势.     

基于高光谱成像技术的山楂损伤和虫害缺陷识别研究

采用高光谱成像技术（420～1 000 nm）对山楂的缺陷（表面的损伤以及虫害区域）进行识别研究。共采摘了134个样品,包含损伤果46个、虫害果30个、损伤及虫害果10个和完好果48个。考虑到山楂的花萼、果梗与损伤、虫害的RGB图像有相似的外观特征,容易造成误判,利用高光谱成像系统采集了损伤、虫害、完好、花萼和果梗五个区域一共230个山楂样本的高光谱图像,并提取相应的感兴趣区域（region of interest, ROI）,得到了样本的光谱数据。使用标准归一化（standard normalized variate, SNV）,卷积平滑（savitzky golay, SG）,中值滤波（median filter, MF）,多元散射校正（multiplicative scatter correction, MSC）方法进行光谱预处理,建立偏最小二乘（partial least squares method, PLS）判别分析模型,结果表明经过SNV预处理后的预测结果较好。最后选取SNV作为预处理方法。应用回归系数法（regression coefficients, RCs）从全波段中提取10条特征波段（483,563,645,671,686,722,777,819,837和942 nm）,利用Kennard-Stone算法将各类样本按照3:1的比例随机分成训练集（173个）和测试集（57个）,并对其建立最小二乘支持向量机（least squares-support vector machine, LS-SVM）判别模型,山楂缺陷的正确识别率为91.23%。然后,运用主成分分析（principal componentanalysis, PCA）进行10条敏感波段下单波段图像的数据压缩,分别采用“sobel”算子和区域生长算法“Regiongrow”识别出86个缺陷山楂样本的边缘与缺陷特征区域,得出单损伤、单虫害和损伤及虫害样本的识别率分别为95.65%,86.67%和100%。研究结果表明：采用高光谱成像技术可以对山楂的损伤、虫害、花萼和果梗进行定性分析和特征识别,该研究为山楂的缺陷无损检测提供了理论参考。