下载文档原格式
第３４卷，第２期 光谱学与光谱分析Ｖｏｌ畅３４，Ｎｏ畅２，ｐｐ５３２‐５３７２０１４年２月 ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓＦｅｂｒｕａｒｙ，２０１４ 基于高光谱成像技术的鲜枣裂纹的识别研究余克强１，赵艳茹１，李晓丽１，张淑娟２，何 勇１倡１畅浙江大学生物系统工程与食品科学学院，浙江杭州 ３１００５８２畅山西农业大学工学院，山西太谷 ０３０８０１摘 要 裂纹是衡量鲜枣品质的重要指标之一，果皮裂纹加速鲜枣的腐烂，导致鲜枣货架期的缩短，严重降低鲜枣的经济价值。
采用高光谱成像技术在３８０～１０３０ｎｍ波段范围内对鲜枣裂纹的位置及大小信息特征进行快速识别。
选用偏最小二乘回归（ＰＬＳＲ）、连续投影法（ＳＰＡ）和全波段图像主成分分析（ＰＣＡ），得到鲜枣裂纹相关的敏感波段。
然后利用选取的鲜枣裂纹的敏感波段对建模集的１３２个样本建立最小二乘支持向量机（ＬＳ‐ＳＶＭ）判别模型，并对预测集的４４个样本进行判别。
对ＰＬＳＲ‐ＬＳ‐ＳＶＭ，ＳＰＡ‐ＬＳ‐ＳＶＭ和ＰＣＡ‐ＬＳ‐ＳＶＭ判别模型采用ＲＯＣ曲线进行评判，得出ＰＬＳＲ‐ＬＳ‐ＳＶＭ模型对鲜枣裂纹定性判别的结果（ａｒｅａ＝１，ｓｔｄ＝０）最佳。
选取ＰＬＳＲ回归系数挑选出的５条鲜枣裂纹敏感波段（４６７，５４４，６３９，６７３和６８２ｎｍ）对应的单波段图像进行主成分分析，其中将主成分ＰＣ４的图像结合图像处理技术，最终识别出鲜枣裂纹的位置、大小信息。
结果表明，采用高光谱成像技术结合光谱图像处理可以实现鲜枣裂纹定性判别和定量识别的研究，为进一步开发相关仪器的研究提供理论方法和依据。
关键词 高光谱成像技术；鲜枣裂纹；定性判别；定量识别中图分类号：Ｓ１２３；ＴＰ３９１畅４ 文献标识码：Ａ ＤＯＩ：１０畅３９６４／ｊ畅ｉｓｓｎ畅１０００‐０５９３（２０１４）０２‐０５３２‐０６ 收稿日期：２０１３‐０５‐０６，修订日期：２０１３‐０７‐１８ 基金项目：国家“十二五”科技支撑计划课题项目（２０１１ＢＡＤ２１Ｂ０４）和国家自然科学基金项目（３１０７１３３２）资助 作者简介：余克强，１９８６年生，浙江大学生物系统工程与食品科学学院博士生 ｅ‐ｍａｉｌ：ｙｕｋｅ４０６３３６０２２＠ｇｍａｉｌ畅ｃｏｍ倡通讯联系人 ｅ‐ｍａｉｌ：ｙｈｅ＠ｚｊｕ畅ｅｄｕ畅ｃｎ引 言 鲜枣在成熟期由于降雨，果皮水溶性果胶的增加使得果皮生长应力降低，当果肉迅速膨胀，导致果皮出现裂纹［１］。
高光谱成像技术在水果多品质无损检测中的应用刘亚;木合塔尔·米吉提;曹鹏程;岳建魁【摘要】简介高光谱成像系统的原理及优势,综述国内外高光谱技术在水果内部和外部品质检测方面的应用,分析其在相关检测中存在的主要不足,展望其未来发展方向,为提高高光谱成像技术在水果多品质无损检测中的检测准确性提供参考.【期刊名称】《农业科技与装备》【年(卷),期】2016(000)005【总页数】4页(P50-52,56)【关键词】高光谱成像技术;水果品质;无损检测;外部品质;内部品质【作者】刘亚;木合塔尔·米吉提;曹鹏程;岳建魁【作者单位】新疆农业大学机械交通学院,乌鲁木齐 830052;阿克苏职业技术学院,新疆阿克苏 843000;新疆农业大学机械交通学院,乌鲁木齐 830052;新疆农业大学机械交通学院,乌鲁木齐 830052【正文语种】中文【中图分类】S123;TP391.4水果在采摘包装运输过程中，易受人为或水果自身因素影响而内部或外部品质受损。
随着人类健康观念的增强，对水果品质的要求越来越高，促使水果多品质分类越来越严格。
在水果商品化处理过程中，准确、快速、客观的质量检测系统是确保其安全高质量生产的保证，也是现代水果产业的发展趋势。
目前，我国水果分类分级主要依靠人工视觉，既费时费力又难以排除主观因素。
水果无损检测是在不损伤果体的情况下，应用一定的检测技术和分析手段，对水果内外部品质进行测定，并按照一定标准作出评价的过程。
随着光谱技术发展，国内外学者把目光聚焦在高光谱成像技术上。
高光谱成像技术是从遥感图像技术发展而来的，基于非常多窄波段图像数据技术，是传统二维图像技术和光谱技术有机结合的一项新兴技术，融合光学、电子学、图像处理、计算机科学等多学科知识。
高光谱成像技术可以同时获取农产品图像和光谱信息，其中图像信息能够直接反映农产品外部形状特征、颜色、纹理、缺陷和污斑情况，光谱数据则可分析农产品内部化学成分含量，如糖度、酸度、含水率、可溶性固形物含量等。
收稿日期：2023-03-21；修回日期：2023-06-02基金项目：2022年度新疆维吾尔自治区教育厅高校基本科研业务费项目（XJEDU2022P128）作者简介：李锋霞，女，讲师，主要从事农产品智能化检测技术与分级装备的教学与科学研究工作。
E-mail ：****************通信作者：黄勇，男，副教授，主要从事智能化检测技术研究工作。
E-mail ：****************新疆是瓜果之乡，哈密瓜因其独特的风味和口感，在市场上备受消费者喜爱，帮助农民实现了增收。
但目前市场上对其品质的检测方法多为有损检测，且检测效率低下，造成品质等级良莠不齐。
因此，哈密瓜的品质无损检测尤为重要。
近年来，随着分子光谱结合化学计量学方法分析技术的飞速发展，光谱技术以非侵入式、无破坏性、速度快、可在线、结果可再现和重复等优点，被研究者用来对水果品质进行无损检测技术研究[1-3]。
但是，有的光谱数据在检测过程中存在测量值和真实值差异显著，在整体分布态势中异常突出，严重影响了建模精度[4]。
造成光谱数据异常的原因有很多，如在采集的过程中光谱受到环境的干扰，采集到的光谱还包含噪声、样品背景和散光等其他无关的信息[5]。
光谱仪本身有误差，还受误操作、仪器异常、样品前处理不当、环境温度和湿度等的影响[6]。
因光谱检测哈密瓜品质中异常样本的综合分析李锋霞，黄勇，李强（新疆工程学院机电工程学院乌鲁木齐830023）摘要：为了建立准确和稳定的哈密瓜坚实度预测模型，提高检测结果精度，识别和剔除参与建模的异常样本是基础，对采集的哈密瓜光谱样本采用偏最小二乘法（PLS ）建立定量分析模型，并结合异常光谱剔除、马氏距离法、学生化残差T 与杠杆值法以及主成分得分法等多种方法对光谱异常样本进行综合分析判别，根据模型性能的变化，共发现参与建模的样品中有5个疑似异常样本点，并对这5个疑似异常样本进行逐一剔除、回收对比分析。
判定的5个疑似异常样本中，35-2号样本作为误判样本，应将其回收，其余19-1号、33-3号、35-3号和37-3号4个样本确定为异常样本并剔除。
基于高光谱的南疆红枣病虫害特征谱段选择模式
周鹏;张小刚;徐彪;施明登
【期刊名称】《江苏农业科学》
【年(卷),期】2013(41)4
【摘要】利用高光谱成像技术(350 ～ 850 nm)并结合主成分分析波段选择算法识别南疆红枣枣锈病、枣疯病、黑斑病、缩果病和无病区域.创建一个利用高光谱图像采集的系统以分析图像,达到诊断红枣病变的目的,提出了利用均值置信区间带筛选红枣病虫害高光谱特征谱段的方法,并运用逐步判别法进行降维.以该系统获得的光谱参数作为研究南疆红枣病虫害的参数,然后在逐步判别法的指导下进行重复试验,实现对病虫害的深层把握.此外,利用典型判别法可以实现对南疆红枣病虫害百分之百的了解与把握.研究确立了南疆红枣病虫害特征谱段选择的最佳模式.
【总页数】4页(P108-111)
【作者】周鹏;张小刚;徐彪;施明登
【作者单位】塔里木大学信息工程学院,新疆阿拉尔843300;塔里木大学信息工程学院,新疆阿拉尔843300;浙江大学计算机科学与技术学院,浙江杭州310058;塔里木大学信息工程学院,新疆阿拉尔843300;塔里木大学信息工程学院,新疆阿拉尔843300;浙江大学计算机科学与技术学院,浙江杭州310058
【正文语种】中文
【中图分类】S412;O433.4
【相关文献】
1.面向分类应用的高光谱谱段选择方法
2.基于谱结构先验的高光谱图像受损谱段快速修复
3.高光谱遥感影像中最佳谱段的快速选择方法
4.南疆地区红枣病虫害防治措施探究
5.南疆地区红枣病虫害防治技术
因版权原因，仅展示原文概要，查看原文内容请购买。
第45卷第3期包装工程2024年2月PACKAGING ENGINEERING·153·图像处理与识别在果蔬成熟度监测中的研究及应用黎施欣，范小平*（华南农业大学食品学院，广州510642）摘要：目的分析了果蔬成熟度自动监测对发展智慧农业的重要意义，对图像处理与识别技术在监测果蔬成熟度领域的研究与应用现状进行综述、总结与展望，以期为我国发展果蔬成熟度在线或自动检测识别技术提供参考。
方法对图像处理与识别在监测果蔬成熟度中的原理、优势进行分析，对特征提取、深度学习中的神经网络在该领域中的应用研究进展进行综述。
结果采用以图像处理和识别为核心的计算机视觉检测技术对果蔬的颜色、纹理等外部特征进行成熟度检测具有优势，结合神经网络对果蔬成熟度进行检测的识别率高，可在采摘、运输等场景对果蔬成熟度进行监测。
结论图像处理与识别技术在果蔬成熟度监测领域有望得到突破，将催生更多新的应用场景。
关键词：果蔬成熟度；图像处理；图像识别；计算机视觉检测技术；神经网络中图分类号：TB487 文献标志码：A 文章编号：1001-3563(2024)03-0153-12DOI：10.19554/ki.1001-3563.2024.03.018Research and Application of Image Processing and Recognition in MaturityMonitoring of Fruit and VegetableLI Shixin, FAN Xiaoping*(College of Food Science, South China Agricultural University, Guangzhou 510642, China)ABSTRACT: The work aims to analyze the importance of automatic monitoring of fruit and vegetable maturity to the development of smart agriculture, and to review, summarize and prospect the research and application status of image processing and recognition technology in the field of fruit and vegetable maturity monitoring, in order to provide a reference for the development of online or automatic detection and identification technology of fruit and vegetable maturity in China. The principles and advantages of image processing and recognition in monitoring the maturity of fruit and vegetable were analyzed, and the research progress of neural networks in feature extraction and deep learning in this field was reviewed. The computer vision detection technology with image processing and recognition as the core had advantages in detecting the maturity of external features such as color and texture of fruit and vegetable, and the recognition rate of fruit and vegetable maturity detection by combining neural networks was high, which could promote the monitoring of fruit and vegetable maturity in picking, transportation and other scenarios. Image processing and recognition technology are expected to make further breakthroughs in the field of fruit and vegetable maturity monitoring, which will promote more and new application scenarios.KEY WORDS: fruit and vegetable maturity; image processing; image recognition; computer vision detection technology;neural networks收稿日期：2023-07-21基金项目：广东省科技专项资金（210714116891352）；广东省科技创新战略专项资金（pdjh2021b0087）*通信作者·154·包装工程2024年2月果蔬营养丰富，可为人体提供维生素、矿物质等维持机体生长发育和生存的营养素，具有良好的抗氧化、抗炎等功效[1]。
冬枣氮素含量预测模型中特征波长选择方法的应用（英文）佚名
【期刊名称】《中国园艺文摘》
【年(卷),期】2017(33)6
【摘要】为了提高近红外光谱法快速测定枣叶氮含量的准确性和鲁棒性。
采用偏最小二乘法建立了冬枣叶片氮含量近红外光谱模型。
模型的相关系数为0．799，均方根误差为0．055。
整个光谱区域包含了许多与冬枣氮含量无关的光谱变量。
【总页数】1页(P235-235)
【关键词】预测模型;冬枣;波长选择;氮素含量;近红外光谱法;英文;应用;特征
【正文语种】中文
【中图分类】S665.1
【相关文献】
1.一种基于SCARS策略的近红外特征波长选择方法及其应用 [J], 刘国海;夏荣盛;江辉;梅从立;黄永红
2.基于特征波长选择和建模的高光谱土壤总氮含量估测方法研究 [J], 王文才;赵刘;李绍稳;齐海军;金秀;王帅
3.特征选择的降维方法在配网工程项目工期预测模型中的应用 [J], 付健艺; 王晓辉; 石哲方; 侯诗洋
4.不同波长选择方法在土壤有机质含量检测中对比研究 [J], 程介虹;陈争光;张庆华
5.冬枣氮素含量预测模型中特征波长选择方法的应用(英文) [J], 杨玮;李民赞;郑立华;孙红
因版权原因，仅展示原文概要，查看原文内容请购买。
基于近红外高光谱图像的冬枣损伤早期检测孙世鹏;彭俊;李瑞;朱兆龙;Vázquez-Arellano MANUEL;傅隆生【期刊名称】《食品科学》【年(卷),期】2017(038)002【摘要】为了对冬枣损伤进行早期检测,采用近红外高光谱图像技术对损伤区域成像.针对高光谱图像波长多的特点,分别采用连续投影算法、相关特征选择算法、一致性(Consistency)算法选择冬枣损伤的特征波长,对提取的特征波长分别应用k-邻近、朴素贝叶斯(naive bayes,NB)、支持向量机(support vectormachine,SVM)3种分类方法进行损伤区域识别.结果表明:所有方法选择的一致特征波长在1 353 nm和1 691 nm附近.Consistency算法选择的特征波长在SVM 分类器下分类识别正确率达到95.16％,一致特征波长在NB分类器下分类识别正确率达到84.26％,验证了一致波长的有效性,为多光谱成像技术实现在线检测冬枣损伤提供参考依据.【总页数】5页(P301-305)【作者】孙世鹏;彭俊;李瑞;朱兆龙;Vázquez-Arellano MANUEL;傅隆生【作者单位】西北农林科技大学机械与电子工程学院,陕西杨凌 712100;西北农林科技大学机械与电子工程学院,陕西杨凌 712100;西北农林科技大学机械与电子工程学院,陕西杨凌 712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100;霍恩海姆大学农业工程研究所,德国巴符斯图加特 70599;西北农林科技大学机械与电子工程学院,陕西杨凌 712100【正文语种】中文【中图分类】TP391.4【相关文献】1.基于近红外高光谱图像的苹果轻微损伤检测 [J], 陈姗姗;宁纪锋;彭艺伟;张叶2.近红外高光谱成像技术的桃轻微损伤早期检测 [J], 杨婷婷;迟茜;王转卫;谢同振;孟繁宇3.基于近红外高光谱成像的猕猴桃早期隐性损伤识别 [J], 迟茜;王转卫;杨婷婷;刘大洋;郭文川4.基于近红外高光谱图像的黄瓜叶片色素含量快速检测 [J], 邹小波;陈正伟;石吉勇;黄晓玮;张德涛5.基于近红外高光谱成像技术南疆冬枣DOLP五次多项式拟合模型研究 [J], 王玉婷;索玉婷;王长旭;罗华平因版权原因，仅展示原文概要，查看原文内容请购买。
红枣表面损伤的特征光谱提取
辛世华;何建国;王松磊;贺晓光
【期刊名称】《食品科学》
【年(卷),期】2013(034)008
【摘要】以宁夏灵武长枣的损伤为研究对象,利用高光谱成像技术,针对红枣不同损伤形式采集波长650～950nm范围的图像,应用主成分分析(PCA)对图像降维,根据主成分分析中各个波长特征值数据,贡献值比例,提出668nm和715nm为特征波长.使用特征波长光源对样品进行图像识别,解决红枣表面损伤分类的方法,其检测结果对损伤果的识别率达到98.7％.
【总页数】4页(P145-148)
【作者】辛世华;何建国;王松磊;贺晓光
【作者单位】宁夏大学农学院,宁夏银川 750021;宁夏大学农学院,宁夏银川750021;宁夏大学农学院,宁夏银川 750021;宁夏大学农学院,宁夏银川 750021【正文语种】中文
【中图分类】F307.5
【相关文献】
1.基于特征光谱的矿物组分提取研究——以新疆包古图斑岩铜矿钻孔岩芯样品分析为例 [J], 王梦飞;蔺启忠;王钦军;李帅;刘庆杰;陈玉
2.基于多光谱成像技术的水稻特征光谱提取 [J], 冯洁;曹鹏飞;李宏守;李宏
3.基于红外光谱分区的多溴联苯醚辨识及生物毒性特征光谱信息提取研究 [J], 姜龙;李鱼
4.面向高保真印刷的特征光谱提取与匹配方法研究 [J], 杨晟炜;刘真;吴明光;张桢杰
5.基于LCTF多光谱成像的人体指甲特征光谱提取 [J], 赵冬娥;赵宝国;吴瑞;陈媛媛;范小伊
因版权原因，仅展示原文概要，查看原文内容请购买。
