双利合谱便携式高光谱成像仪在田间肥城桃品质和成熟度无损预测研究

日期：2024-11-26 12:42

浏览次数：956

摘要：通过使用江苏双利合谱相机GaiaField-V10E采集高光谱图像，并结合化学计量学来确定肥城桃的内部质量和判别不同成熟度阶段的肥城桃。

双利合谱便携式高光谱成像仪在田间肥城桃品质和成熟度无损预测研究

肥城桃因其良好的品质和丰富的营养而广受消费者喜爱，但肥城桃作为一种呼吸性气候的水果，其水分含量很高，容易变色、变软后变质。在日常的生产中，成熟的桃子通常采摘下来后就立即食用，而中熟的桃子被采摘下来后需要经过运输或储存很长一段时间才能上市。在此期间，桃子的质量属性（诸如可溶性固溶物含量和硬度等）会不断地快速变化，因此本文通过使用江苏双利合谱相机GaiaField-V10E采集高光谱图像，并结合化学计量学来确定肥城桃的内部质量和判别不同成熟度阶段的肥城桃。

图1果园现场高光谱图像采集和光谱处理

表1 肥城桃可溶性固溶物含量和硬度含量分布及数据集划分

图1为现场图像采集照片和对高光谱图像中的光谱进行提取和处理。文章采用SPXY法将160个样品划分为100个校正集和60个预测集，集合划分结果和指标如表1所示，图2为中熟和成熟的肥城桃子的平均光谱反射率与标准偏差的示意图。

图2 中熟和成熟的肥城桃子的平均光谱反射率与标准偏差

文章采用CARS算法和随机跳蛙(RF)算法提取有效波长，并基于特征波长建立可溶性固溶物含量（SSC）和硬度的多元线性回归（MLR）模型，建模效果如图3所示。其中SSC的RF-MLR预测模型较好，Rv2为0.88，RMSEV为0.54，硬度的CARS-MLR预测模型较好，Rv2为0.81，RMSEV为1.17。

图3 SSC（a）和硬度（b）实测值与预测值散点图

图4 SFS算法提取的两个波长

在此基础上，文章采用顺序前向选择（SFS）算法提取两个有效波长（957nm，518nm）,如图4所示。随后使用LIBSVM模型对肥城桃子的成熟度进行辨别，如图5所示，图5a为模型选取的*佳核参数C=5.7和γ=16，图5b为模型分类识别的准确率，分类识别精度达到91.7%。

图5 LIBSVM模型对肥城桃子成熟期的判别

基于便携式高光谱成像仪的田间肥城桃品质和成熟度无损预测研究

参考文献：Shao Y, Wang Y , Xuan G , et al. In-field and non-invasive determination of internal quality and ripeness stages of Feicheng peach using a portable hyperspectral imager[J].Bigosystem Engineering, 212(2021):115-125.

下一篇：双利合谱利用高光谱技术带你揭秘枫叶变色过程
上一篇：基于彩虹无人机的高光谱遥感成像飞行演示