茶叶夹杂昆虫异物THz光谱检测研究

中国红茶因其悠远的文化底蕴和多种保健功效而广受推崇。红茶经杀青、揉捻、晒干、筛选、干燥制成成品。但复杂的加工工艺也增加了物理污染的风险,在加工过程中难免会夹杂非茶类异物。物理污染属于随机事件,占食品安全投诉事件的19.8%。降低食品污染是未来造成厂家与消费者、进出口贸易双方争议的关键。昆虫等有机异物尚属于X射线不可检测范畴的食品异物,但昆虫异物混入频率较高,容易造成消费投诉,迫切需要开发相应的无损检测方法。太赫兹时域光谱（THz-TDS）技术作为一种新兴的检测技术,在农产品、食品以及药品无损检测方面均具有良好的应用潜力。THz具有良好的低能透射和指纹光谱特性、且无电离辐射损伤,能透过食品基质获取潜藏异物的光谱和图像信息,是农产品、食品无损检测的较佳选择。为了实现茶叶夹杂低密度有机异物的高效检测,本文基于THz光谱技术,探索红茶夹杂昆虫异物的无损检测新方法。在0.2～3.0 THz范围内,采集了红茶基质、昆虫异物以及夹杂昆虫异物红茶的THz光谱。分析了茶叶基质和昆虫异物的THz吸收系数和介电损耗响应特性,从频谱图可以看出茶叶基质与昆虫异物的THz吸收系数和介电损耗存在显著的差异,主要由昆虫异物的蛋白质和脂肪成分引起,这奠定了红茶夹杂昆虫异物的THz光谱检测基础。但茶叶与昆虫异物吸收系数均无明显的特征峰,且在2.0～3.0 THz高频波段内存在较为明显的噪声。采用主成分分析方法分别对吸收系数和介电损耗进行降维处理,通过得分图可以判断出红茶基质与夹杂昆虫异物的红茶之间存在明显的区别,且吸收系数的聚类效果优于介电损耗系数。分别选取0.5～1.0 THz范围的THz吸收系数和介电损耗为输入向量,建立了支持向量机（SVM）和线性判别分析（LDA）判别模型。实验结果表明,基于THz吸收系数的LDA判别模型精度最高,新样品的正确识别率为73.68%。这说明应用THz时域光谱无损检测红茶夹杂的昆虫异物具有可行性,同时THz光谱结合模式识别算法为茶叶夹杂昆虫异物无损检测提供了新方法,也可为其他农产品和食品检测提供参考。     

基于电磁振动上料的茶梗和昆虫异物近红外光谱和荧光图像在线检测研究

茶叶是大众青睐的健康饮品之一,但茶叶在机器采收和加工过程中,容易混入茶梗和昆虫异物,污染茶叶、影响其质量安全,是未来应防范和检测的重点。X射线成像技术,根据食品基质和异物的密度差实施检测,广泛适用于金属异物并延伸至高密度塑料,但对于茶梗、昆虫这类低密度有机异物尚不适用,所以迫切需要研发新型无损检测技术和方法。针对片状茶叶重叠、遮掩异物的问题,提出了电磁振动上料辅助近红外光谱和荧光图像的检测方案,进行绿茶中的内源性异物茶梗和外源性异物昆虫的在线检测研究。通过电磁振动上料辅助近红外光谱和荧光成像系统,采集了600～1 050 nm范围的近红外光谱600条和RGB-N四通道图像各65幅。采用451条光谱进行建模,其余149条光谱作为预测集,评估模型的性能,比较了去趋势(Detrending)、多元散射校正(MSC)、标准正态变换(SNV)、变权重正态变换(VSN)、迭代自适应加权惩罚最小二乘法(airPLS)、不对称最小二乘法(ALS)、光程估计与校正(OPLEC)等不同光谱预处理方法的处理效果,其中OPLEC能较好地消除散射效应,偏最小二乘判别分析(PLS-DA)模型的正确识别率由78%提...     

针剂中异物的光电检测方法研究

针剂在实际生产过程中容易混入异物颗粒,异物颗粒影响人体健康,因此针剂在出厂前必须进行异物检测.本文提出了一种基于光阻法的针剂异物的检测方法,介绍了检测原理及其信号处理方法,单瓶静态实验表明,该方法与人工检测方法比较,符合率为96.30%.针对检测区域和测试时间过小所造成的漏检可能,提出了双光路检测方法,并通过实验论证了其可行性.     

针剂中异物的光电检测方法研究

针剂在实际生产过程中容易混入异物颗粒,异物颗粒影响人体健康,因此针剂在出厂前必须进行异物检测.本文提出了一种基于光阻法的针剂异物的检测方法,介绍了检测原理及其信号处理方法,单瓶静态实验表明,该方法与人工检测方法比较,符合率为96.30%.针对检测区域和测试时间过小所造成的漏检可能,提出了双光路检测方法,并通过实验论证了其可行性.     

同色异谱破坏特性及其在相似异物检测中的应用

由于相似异物与所处背景的外观特征极其相近,现有的光谱成像检测技术遇到新的挑战。针对复杂背景中相似异物检测难题,提出了利用同色异谱破坏特性的透反射光谱图像检测方法。在分析同色异谱破坏过程中异物与背景光谱特性差异基础上,建立了波长优选函数筛选最优波长的透反射光源构建成像检测系统。以棉花中的白色丝状异物作为实验对象,利用最佳波长透反射成像系统获取异物特征,采用图像决策层融合增强异物图像特征,最后利用二值化处理提取异物目标。实验结果表明,在利用390 nm反射波长与580 nm透射波长的双波长图像检测中,成像系统获取的相似异物图像特征明显,异物提取后检测结果与实际相符。此方法可有效检测棉花中多种白色丝状异物,为相似异物检测提供了一种新思路。     

光谱技术在水产品异物残留检测中的研究进展

十四五期间,我国渔业总产量预计持续增长,水产品进一步成为消费者重要饮食组成,但因销售者与消费者食品安全知识和操作过程存在差距导致的食品安全事件频频发生。光谱技术因快速、无损、测试重现度高的优点,既体现物体的光谱属性,也体现了样品的空间信息,已成为水产品检测技术的热点,但多聚焦于新鲜度检测。该文综述了近10年来光谱技术在水产品异物残留检测的研究进展,分别从鱼骨检测、掺伪分析、寄生虫检测与重金属检测四方面介绍常见光谱技术应用及进展,包括X射线技术（X-Rays）、可见光成像（VIS）、近红外成像（NIR）,高光谱成像（HSI）等,介绍目前存在问题的同时,展望光谱技术在水产品异物残留检测的发展前景：传统检测算法进一步优化,多光谱技术被用于水产品异物残留检测;深度学习在特征提取的巨大优势得以应用,光谱技术在水产品异物残留检测的应用领域研究更加深入;光谱技术与多种检测技术的有机融合成为必然趋势,在线实时检测成为可能。     

关于举办“食品、药品分析检测技术学术交流会”的通知

近年来,随着国民经济的发展,食品、药品安全问题受到了空前的重视,食品、药品检测新技术、新设备、新标准不断涌现。频传出药品质量不合格致病事件,越来越多的食品中被检测出含有超标物质,而欧盟、美国、日韩、加拿大等发达国家和地区,则相对进口食品安全指标提出了愈来愈严格的要求。此种情况下,中国仪器仪表学会定于2007年10月16日在北京召开“2007年全食品、药品分析检测技术学术交流会”,就如何应对挑战,加强食品、药品安全管理,提高食品、药品检测技术水平等问题进行深的交流与探讨,大会将组织学术报告、技术交流等活动,同时还将编印论…     

表面增强拉曼光谱技术在动物源性食品兽药残留检测中的应用

动物源性食品是人类营养摄入必不可少的食品之一,兽药被广泛用于动物饲养和疾病防治,但兽药残留超标等问题对消费者的健康安全构成了严重威胁。为防止受污染的食品对消费者造成危害,研发快速有效的兽药残留分析方法非常必要。表面增强拉曼光谱法(SERS)作为一种痕量的检测方法,有望能够满足目前动物源性食品高效、快速、灵敏的检测需求。综述了SERS方法在动物源性食品兽药残留检测中的研究进展,包括肉类(猪肉、鸡肉、鸭肉、鱼肉)、乳和乳制品及蜂蜜中兽药残留的SERS分析研究。概述了SERS技术在肉类食品中主要兽药残留的检测应用进展。家禽肉中的兽药分析包括四环素类药物、磺胺类药物、恩诺沙星和激素类等药物;猪肉中的兽药主要分析了β-受体激动剂、氯霉素、左旋咪唑等药物;鱼肉中的兽药分析了染料类、磺胺类和氯霉素等药物。对乳和乳制品中的四环素类、氨基糖苷类、青霉素类、酰胺醇类药物的SERS检测进行了总结讨论。简述了SERS在蜂蜜中氯霉素类、四环素类等药物的分析。对SERS在动物源性食品的研究发展方向和应用前景进行了总结和展望。虽然SERS作为一种快速、超灵敏的检测方法,在分析复杂食品体系中的微量或痕量化合物方面,尤...     

太赫兹波谱技术在食品掺假检测中的研究进展

近年来食品掺假事件频繁发生,对食品安全领域产生巨大挑战,食品掺假问题已成为人们关注的焦点和讨论的热点,因此实现食品掺假的快速、准确以及无损检测对保障食品质量和安全具有重要意义。随着新食品原料、新添加剂以及新型食品加工技术不断涌现,使得食品掺假问题呈现技术化、隐形化、多样化等特征,食品中掺假对象的鉴别技术面临更严峻的挑战。目前一些现代检测技术可针对食品掺假问题进行有效检测,如高效液相色谱法、稳定碳同位素比值法等,然而由于需对样品进行复杂预处理、检测仪器操作技术要求较高等原因,使其针对现有的食品掺假检测存在一定的局限性,因此寻求一种新型的、灵敏度高的以及具有指纹特性的无损检测技术进行现有食品掺假检测成为关键。太赫兹（Terahertz,THz）波谱是指频率在0.1~10 THz之间的电磁波,具有微波和红外双重特性,其中包括指纹特性、相干性、安全性等。由于物质中大部分有机大分子之间弱相互作用、骨架振动、偶极子的旋转和振动跃迁频率与太赫兹波谱相对应,使得太赫兹技术在食品掺假检测应用领域蕴含着巨大的潜力。首先阐述了太赫兹波谱技术用于物质检测的原理;重点综述了太赫兹波谱技术在食品掺假检测方面的最新研究进展,具体以转基因食品鉴别、食品原产地鉴别、乳制品掺假检测、蜂蜜掺假检测及其他食品掺假检测进行综述;其次分析了目前太赫兹波谱技术在食品掺假检测方面所存在的问题,如水分吸收、散射效应等影响;最后展望了太赫兹波谱技术在食品掺假检测方面的应用前景,如开发低成本的太赫兹源和探测器以促进太赫兹技术普及应用、将机器学习算法用于太赫兹波谱建模分析以提高模型精度和分析速度、与其他现代检测技术结合使用以实现检测技术间优势互补等;以期为开展太赫兹波谱技术在食品掺假检测方面研究提供参考和指导。     

关于举办“食品、药品分析检测技术学术交流会”的通知

近年来，随着国民经济的发展，食品、药品安全问题受到了空前的重视，食品、药品检测新技术、新设备、新标准不断涌现，频频传出药品质量不合格致病事件，越来越多的食品中被检测出含有超标物质，而欧盟、美国、日韩、加拿大等发达国家和地区，则相继对进口食品安全指标提出了愈来愈严格的要求。此种情况下，中国仪器仪表学会定于2007年10月16日在北京召开”2007年全国食品、药品分析检测技术学术交流会”，     

高光谱图像和叶绿素含量的水稻纹枯病早期检测识别

基于高光谱成像技术和化学计量方法,实现了对水稻纹枯病病害的早期检测识别。以幼苗时期的水稻植株为研究对象,对其进行纹枯病病菌侵染,获得染病植株,采集358～1 021 nm波段范围的高光谱图像,三次实验共240个样本,包括染病植株120个样本和健康植株120个样本。根据高光谱图像的光谱维,对染病水稻叶片和健康水稻叶片提取感兴趣区域（ROI）,利用感兴趣区域的光谱数据,对其进行Savitzky-Golay（SG）平滑、Savitzky-Golay（SG）一阶求导、Savitzky-Golay（SG）二阶求导、变量标准化（SNV）和多元散射校正（MSC）预处理,建立线性判别分析（LDA）和支持向量机（SVM）分类模型,结果表明：采用SG二阶求导预处理后的线性判别分析（LDA）模型取得了较好的性能,正确识别率在建模集达98.3%,在预测集达95%;利用载荷系数法（x-loading weights, x-LW）对原始光谱和5种预处理的光谱数据进行特征波长提取,然后根据选取的特征波长建立线性判别分析（LDA）和支持向量机（SVM）分类模型,其中采用SG二阶求导预处理后提取的12个特征波长的线性判别分析（LDA）模型取得了较好的性能,其正确识别率在建模集达97.8%,在预测集达95%,而且基于载荷系数法建立的模型性能与全波段相当,可以通过载荷系数法减少数据量对水稻纹枯病病害进行识别;根据高光谱图像的图像维,研究了基于图像主成分分析、基于概率滤波和基于二阶概率滤波的图像特征提取方法,利用提取的特征变量建立反向传播神经网络(BPNN)和支持向量机（SVM）分类模型,其中基于图像主成分分析的反向传播神经网络（BPNN）模型取得了较好的性能,建模集准确识别率达90.6%,预测集的准确识别率达83.3%;根据高光谱图像光谱维和图像维的最优模型,特将叶绿素含量作为建模的另一个特征,分别与光谱特征、图像特征组合,建立反向传播神经网络（BPNN）和线性判别分析（LDA）模型,提出基于光谱特征加叶绿素含量、图像特征加叶绿素含量和光谱、图像特征加叶绿素含量三种组合方式,其中,光谱特征和图像特征分别与叶绿素组合的方式比之前单独的光谱和图像特征建模性能都有所提升,而且三种组合方式中光谱特征加叶绿素含量的反向传播神经网络（BPNN）建模方式取得本研究所有建模方式中较优的性能,其准确识别率在建模集达100%,在预测集达96.7%。以上研究表明,基于高光谱图像和叶绿素含量对水稻纹枯病病害进行早期识别是可行的,为水稻病害的早期识别提供了一种新方法。     

半透射高光谱成像技术与支持向量机的马铃薯空心病无损检测研究

针对马铃薯空心病的难以检测问题,提出了一种基于半透射高光谱成像技术结合支持向量机(support vector machine,SVM)的马铃薯空心病无损检测方法。选取224个马铃薯样本(合格149个,空心75个)作为研究对象,搭建了马铃薯半透射高光谱图像采集系统,采集了马铃薯样本半透射高光谱图像(390~1 040 nm),对感兴趣区域内的光谱进行平均和光谱特征分析。采用变量标准化(normalize)对原始光谱进行光谱预处理,建立了全波段的SVM判别模型,模型对测试集样本的识别准确率仅为87.5%。为了提高模型性能,采用竞争性自适应重加权算法(competitive adaptive reweighed sampling algorithm, CARS)结合连续投影算法(successive projection algorithm, SPA)对光谱全波段520个变量进行变量选择,最终确定了8个光谱特征变量(454,601,639,664,748,827,874和936 nm),所选8个光谱变量建立的SVM模型对马铃薯测试集的识别率为94.64%。分别采用人工鱼群算法(artificial fish swarm algorithm,AFSA)、遗传算法(genetic algorithm,GA)和网格搜索法(grid search algorithm)对SVM模型的惩罚参数c和核参数g进行优化。经过建模比较分析,确定AFSA为最优优化算法,最优模型参数为c=10.659 1,g=0.349 7,确定AFSA-SVM模型为马铃薯空心病的最优识别模型,该模型总体识别率达到100%。试验结果表明：基于半透射高光谱成像技术结合CARS-SPA与AFSA-SVM方法能够对马铃薯空心病进行准确的检测,也为马铃薯空心病的快速无损检测提供技术支持。     

基于高光谱技术融合图像信息的脱绒棉种品种分类检测研究

开展种子品种的识别研究是保证种子质量的重要手段。利用高光谱图像技术融合图像特征信息对脱绒棉种的品种进行判别分析。采集4个品种共240粒脱绒棉种样本的高光谱图像数据(400～1 000 nm),提取样本的光谱信息及长、宽、面积、圆形度、等12个形态特征。采用连续投影算法(SPA)选出11个特征波段作为输入结合偏最小二乘判别分析法(PLS-DA)、软独立模式识别法(SIMCA)、最邻近节点算法(KNN)、主成分分析结合线性判别(PCA-LDA)及二次判别(PCA-QDA)进行建模分析,得出PLS-DA建模集和预测集的总体识别率分别为93%和90%。利用图像信息进行建模分析,模型整体的识别率均不高,说明单独使用高光谱图像的形态特征进行分类效果不佳。将特征波段的光谱和形态特征信息进行融合作为输入,建立基于PLS-DA,SIMCA,KNN,PCA-LDA及PCA-QDA的信息融合模型,其精度均比基于光谱或形态信息模型高,其中PLS-DA模型识别效果最好,建模集和预测集总体识别率分别为98%和97%。表明融合高光谱图像的光谱与图像信息可以在少量波段情况下有效的提高脱绒棉种品种的分类检测精度。     

应用高光谱图像光谱和纹理特征的番茄早疫病早期检测研究

提出了应用光谱和纹理特征的高光谱成像技术早期检测番茄叶片早疫病的方法。利用高光谱图像采集系统获取380～1 030 nm范围内71个染病和88个健康番茄叶片的高光谱图像,同时采用主成分分析法(PCA)对高光谱图像进行处理。选取染病和健康叶片感兴趣区域(region of interest, ROI)的光谱反射率值,同时分别从前8个主成分的每幅主成分图像的ROI中提取对比度(Contrast)、 相关性(Correlation)、 熵(Entropy)和同质性(Homogeneity)4个灰度共生矩阵的纹理特征值,再通过PCA和连续投影算法(SPA)结合最小二乘支持向量机(LS-SVM)构建番茄叶片早疫病的早期鉴别模型。建立的6个模型中,采用光谱反射率值的LS-SVM模型对番茄叶片早疫病的识别率最高,达到100%。结果表明,应用高光谱成像技术检测番茄叶片早疫病是可行的。     

高光谱漫反射无损检测鸡蛋受精状态

种鸡蛋孵化期间受精状态的检测需要消耗大量人力、物力,并且孵化期间的种鸡蛋不能保证均为健康蛋,需要能够在孵化早期将无精蛋和死精蛋快速准确挑选出来达到降低生产成本的目的。以白来航鸡蛋为研究对象,采用高光谱分选仪批量采集受精、未受精、死精三类鸡蛋共119枚在382～1 026 nm范围内的高光谱数据,其中受精蛋采集孵化3, 5, 7, 9, 11, 13和15 d的数据,并通过黑白校正方法对原始光谱图做校正处理,得到其漫反射率,经过实验对比以及根据实际生产需要,受精蛋选用孵化3和5 d的光谱数据作为建模数据。同时提出了一种将光谱数据转换为图像数据的方法,在最大化保证光谱原始数据的前提下达到了光谱向量数据可视化的效果,可以有效与深度学习图像识别算法相结合。采用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)对光谱波段进行筛选,建立基于全波段、 CARS筛选的特征波长、 SPA筛选的特征波长与SVM、 RandomForest算法与AlexNet、 MobileNet网络的判别模型,其中AlexNet-5dFull Wave Bands准确率最高为93.22%。与通过不同特征波长算法筛...     

应用高光谱鉴别黑枸杞和唐古特白刺果

黑枸杞含有花青素、多糖、氨基酸和微量元素等多种营养成分,具有极高的经济和医药价值,其市场价格很高。唐古特白刺果外观和黑枸杞极为相似,其价格较低,经常被用于冒充黑枸杞。高光谱图像技术结合图像和光谱于一体, 常用于食品检测和识别等领域。结合高光谱图像技术,无损识别黑枸杞和唐古特白刺果。采集黑枸杞（180份）和唐古特白刺果（180份）的高光谱图像,利用掩膜提取光谱,光谱范围为900～1 700 nm,共254个波段,去除前22个异常波段。采用Kennard-Stone法划分样品,校正集∶预测集=2∶1;采用连续投影算法（SPA）法对光谱进行降维,设定提取特征波长范围为0～30,最终提取特征波长为20个;分别将全光谱（FS）和SPA提取的20个特征波长作为模型输入,建立支持向量机（SVM）和极限学习机（ELM）识别模型。结果表明,基于FS和SPA建立的SVM模型识别率为100%;基于FS和SPA建立的ELM模型识别率为100%;SPA法在不降低模型识别精度的情况下,能减少模型输入,输入仅为FS的8.62%,大大降低模型运算量。此研究为识别黑枸杞和唐古特白刺果提供了参数。     

高光谱分析叶菜对颗粒物污染的响应特征规律

大气中的颗粒物不仅影响人类生活,还影响植物的光合作用、生长发育和产量品质。实现了颗粒物污染环境的人工模拟,并对采收期的小白菜、生菜、小油菜三种叶菜进行颗粒物作用试验,获取叶片的光合生理信息和高光谱数据,基于高光谱技术和植物表型分析叶菜对颗粒物的响应机理,研究叶菜的光合特性和光谱特征对颗粒物污染的响应情况。结果表明：以颗粒物作为唯一差别条件下,三种叶菜叶片的高光谱曲线整体趋势相同,在可见光波段内试验组反射率增加最大,红边位置发生蓝移,小油菜对颗粒物的作用最敏感,小白菜吸附颗粒物的能力最强。分别比较三种叶菜的净光合速率与叶片原始光谱、一阶导数光谱的相关性,利用相关分析法提取三种叶菜的敏感波段,用原始光谱、FD、MSC和相关分析法提取特征波长;比较10个高光谱特征参数及4个植被指数与净光合速率的相关系数,选出敏感光谱特征参数和植被指数,即生菜的Dr,SDr,SDr/SDb和SDr/Sdy,小白菜的SDr,Dy,NIRRP,(SDr-SDy)/(SDr+SDy)以及小油菜的λr,SDy,(SDr-SDy)/(SDr+SDy)。用ln对数运算、多项式函数以及几种组合方法建立三种叶菜叶片的净光合速率定量反演模型,其中,预处理方法采用SG,FD,SD和MSC,建模方法采用CLS,PLS,PCR和SMLR。以相关系数为模型评价指标,最终确定FD+SG+PLS方法是建立生菜和小白菜净光合速率反演模型的最优方法,FD+SG+MSC+SMLR方法是建立小油菜净光合速率反演模型的最优方法。所建模型可为今后颗粒物污染环境下的模型修正提供参考,具有实用性。研究结果为利用高光谱技术研究叶菜类蔬菜在颗粒物污染环境下的诊断与分析提供理论依据,为设施农业蔬菜的病害预警、生理信息监测、设施环境的净化和管控提供新思路。     

基于高光谱成像的小麦白粉病与条锈病识别

小麦白粉病和条锈病是我国两种最普遍、最具破坏性的小麦病害,且田间常常混合发生。由于病源和发病机理不同,有必要对这两种病害进行准确区分和识别,以采取不同的防治措施。基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、白粉菌侵染叶片和健康叶片(共计320个)在375～1 017 nm范围内的高光谱图像,利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线,发现小麦白粉病和条锈病的敏感波段均集中在550～680 nm的色素强吸收位置,且趋势基本一致。针对两种病害的响应波段交叉重叠的问题,通过主成分分析-载荷法(PCA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对小麦叶片的光谱信息进行有效降维,分别优选出3、6、30个敏感波段和特征波长;在此基础上,采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、PCA、SPA和CARS的优选波段,建立白粉病、条锈病和健康叶片的判别模型。结果表明,8种模型的准确识别率均在94.58%以上。其中,主成分分析-载荷法结合极限学习机模型最优,训练集与校正集的正确识别率分别为99.18%和100%,且结构简单,仅含有三个变量(占全波段的1.1%)。最后,通过对小麦白粉病、条锈病以及健康叶片的显微结构分析,发现病菌入侵叶片,破环细胞结构,导致叶绿素含量减少,光合作用效能降低,进而使得小麦在可见光波段光吸收程度减弱,反射率增大。可见,利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害,为研发作物病害在线识别的多光谱系统提供重要的理论依据。     

基于图像和光谱融合的脐橙货架期高光谱成像无损检测研究

水果货架期是影响水果品质的重要因素之一,快速无损检测货架期是消费者、食品加工企业日益关心的问题,为了探讨水果不同货架期的预测判别方法的可行性,以不同货架期脐橙为实验样品,运用高光谱成像技术并结合化学计量学方法对不同货架期脐橙进行了预测判别。分别采集脐橙货架期第0天、第7天、14天后的脐橙样本高光谱图像,并进行高光谱图像校正。从光谱角度,提取脐橙样本的平均光谱,每条光谱有176个波长点;从图像角度,先提取脐橙样本的RGB和HSI颜色空间中R,G,B,H,S和I特征值,得到6个分量的均值,然后提取灰度共生矩阵的能量、熵、对比度、逆差矩、相关性的5个图像纹理信息,一共11个图像特征值,并将图像特征进行归一化处理;结合光谱和图像信息,即176个原始光谱和11个图像信息一共187个特征值。利用光谱信息、图像信息、光谱和图像融合信息进行建模,分别建立偏最小二乘支持向量机（LS-SVM）和偏最小二乘判别（PLS-DA）模型。当原始176个光谱变量作为输入变量,核函数为LIN-Kernel时,LS-SVM模型预测效果最佳,预测集误判率为5.33%。当11个图像特征变量作为输入变量,核函数为LIN-Kernel时,LS-SVM模型预测效果最佳,预测集误判率较高为20%。当原始176个光谱变量和11个图像特征变量的融合特征作为输入变量,核函数为LIN-Kernel时,LS-SVM模型预测效果最佳,预测集误判率为1.33%。实验结果表明,以光谱和图像融合信息建立LS-SVM模型效果最优,提高了对不同货架期脐橙识别的正确率,可实现对不同货架期的脐橙准确有效分类识别,误判率为1.33%。利用高光谱成像技术对不同货架期脐橙进行快速判别,对消费者购买新鲜水果和水果深加工企业具有一定程度的理论指导,也为后期相关仪器研发奠定了基础。     

基于机器学习的水体化学需氧量高光谱反演模型对比研究

化学需氧量（COD）是水体有机污染的一项重要指标,如何快速准确检测水体的COD含量尤为重要。机器学习在水质反演领域应用日益增多,并取得了较多的研究成果,高光谱遥感具有光谱空间分辨率高、成像通道多等优势,使其在水体COD反演方面有着极大的潜力。利用不同的高光谱预处理方法对原始高光谱数据进行处理,并利用处理前后的高光谱数据对比研究了不同机器学习模型、不同高光谱预处理方法对水体COD的反演性能。首先利用ZK-UVIR-I型原位光谱水质在线监测仪在扬州宝带河实地收集了1 548组COD和对应的高光谱数据（400~1 000 nm）样本,为降低光谱噪音干扰以及消除光谱散射影响,分别使用Savitzky-Golay（SG）平滑、多元散射校正数据（MSC）以及SG平滑结合MSC对原始光谱进行预处理。其次,将样本集随机划分为训练集和测试集,其中训练集占比80%,测试集占比20%。对预处理后的训练集全波段光谱基于线性回归、随机森林（random forest）、AdaBoost、XGBoost四种机器学习方法建立COD高光谱反演模型,并选取了决定系数（R2）、均方根误差（RMSE）、相对分析误差（RPD）三种指标在测试集数据中评估高光谱反演模型的精度。结果表明,随机森林、AdaBoost、XGBoost均优于线性回归,无论光谱处理与否,通过XGBoost建立的反演模型预测能力均为最佳,其中使用XGBoost对经过SG平滑和MSC处理后的光谱数据进行建模的反演模型精度最高,其R2达到0.92,RMSE为7.1 mg·L-1,RPD为3.4。考虑到原始光谱可能存在冗余,通过主成分分析法（PCA）对经过SG平滑和MSC处理后的光谱进行降维,并选取累计贡献率达到95%的前十个主成分作为模型的输入变量。通过XGBoost建立反演模型,结果表明经过PCA后的反演模型不仅精度有所上升,RPD达到3.8,而且模型的训练时间也由72 s缩短到2.9 s。以上研究可为该水域及类似水域的高光谱水质反演模型的建立提供新的方法及思路。