留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于高光谱成像技术的小黄瓜水分无损检测

李丹 何建国 刘贵珊 贺晓光 王松磊 吴龙国

李丹, 何建国, 刘贵珊, 贺晓光, 王松磊, 吴龙国. 基于高光谱成像技术的小黄瓜水分无损检测[J]. 红外与激光工程, 2014, 43(7): 2393-2397.
引用本文: 李丹, 何建国, 刘贵珊, 贺晓光, 王松磊, 吴龙国. 基于高光谱成像技术的小黄瓜水分无损检测[J]. 红外与激光工程, 2014, 43(7): 2393-2397.
Li Dan, He Jianguo, Liu Guishan, He Xiaoguang, Wang Songlei, Wu Longguo. Non-destructive detection of moisture content in gherkin using hyperspectral imaging[J]. Infrared and Laser Engineering, 2014, 43(7): 2393-2397.
Citation: Li Dan, He Jianguo, Liu Guishan, He Xiaoguang, Wang Songlei, Wu Longguo. Non-destructive detection of moisture content in gherkin using hyperspectral imaging[J]. Infrared and Laser Engineering, 2014, 43(7): 2393-2397.

基于高光谱成像技术的小黄瓜水分无损检测

基金项目: 

国家自然科学基金(31060233);国家科技支撑计划(2012BAF07B06);2011 年度宁夏回族自治区科技攻关计划项目

详细信息
    作者简介:

    李丹(1990-),女,硕士生,主要从事农产品无损检测方面的研究工作。Email:627275669@qq.com

    通讯作者: 何建国(1960-),男,教授,博士生导师,主要从事农产品无损检测和食品物性学方面的研究工作。Email:hejg@nxu.edu.cn
  • 中图分类号: TP274

Non-destructive detection of moisture content in gherkin using hyperspectral imaging

  • 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900~1700 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。
  • [1]
    [2] Zhang Meng, Zhao Huijie, Li Na. Analysis of the influence of hyperspectral spectral resolution on the mineral recognition [J]. Infrared and Laser Engineering, 2006, 35 (S): 493-498. (in Chinese) 张萌, 赵慧洁, 李娜. 高光谱数据光谱分辨率对矿物识别的影响分析[J]. 红外与激光工程, 2006, 35(S): 493-498.
    [3]
    [4] Li Jiangbo,Rao Xiuqin,Ying Yibin. Advance on application of hyperspectral imaging to nondestructive detection of agricultural products external quality [J]. Spectroscopy and Spectral Analysis, 2011, 31(8): 2021-2026. (in Chinese) 李江波, 饶秀琴, 应义斌. 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]. 光谱学与光谱分析,201, 31(8): 2021-2026.
    [5] Lu Daoli, Chen Bin. Study on the purity of p-diethylbenzene using near infrared spectroscopy [J]. Infrared and Laser Engineering, 2003, 32(6): 580-582. (in Chinese) 陆道礼,陈斌. 用近红外光谱快速测定对二乙基笨的纯度 [J]. 红外与激光工程, 2003, 32(6): 580-582.
    [6]
    [7]
    [8] ElMasry G, Wang N, Vigneault C. Detecting chilling injury in red delicious apple using hyperspectral imaging and neural networks[J]. Postharvest Biology and Technology, 2009, 52: 1-8.
    [9]
    [10] Cai Jianrong, Wang Jianhei, Huang Xingyi, et al. Detection of rust in citrus with hyperspectral imaging technology [J]. Opto-Electronic Engineering, 2009, 36(6): 26-30. (in Chinese) 蔡建荣, 王键黑, 黄星奕, 等. 高光谱图像技术检测柑桔果锈[J]. 光电工程, 2009, 36(6): 26-30.
    [11]
    [12] Shan Jiajia, Peng Yankun, Wang Wei, et al. Simultaneous detection of external and internal quality parameters of apples using hyperspectral technology [J]. Transactions of the Chinese Society of Agricultural Machinery, 2011, 42 (3): 140-144. (in Chinese) 单佳佳, 彭彦坤, 王伟, 等. 基于高光谱成像技术的苹果内外品质同时检测[J]. 农业机械学报, 2011, 42(3): 140-144.
    [13]
    [14] Rajkumar P, Wang N, EImasry G. Studies on banana fruit quality and maturity stages using hyperspectral imaging [J]. Infrared and Laser Engineering, 2012, 108: 194-200.
    [15]
    [16] Sun Jun, Wu Xiaohong, Zhang Xiaodong, et al. Research on lettuce leaves'moisture prediction based on hyperspectral images[J]. Spectroscopy and Spectral Analysis, 2013, 33(2): 522-526. (in Chinese) 孙俊, 武小红, 张晓东, 等. 基于高光谱图像的生菜叶片水分预测研究[J]. 光谱学与光谱分析, 2013, 33(2): 522-526.
    [17]
    [18] Gabriel A, Leiva-Valenzuela, Renfu Lu, et al. Prediction of rmness and soluble solids content of blueberries using hyperspectral reflectance imaging [J]. Infrared and Laser Engineering, 2013, 115: 91-98.
    [19] ElMasry G, Wang N, ElSayed A. Hyperspectral imaging for nondestructive determination of some quality attributes for strawberry [J]. Infrared and Laser Engineering, 2007, 81: 98-107.
  • [1] 邹锦阳, 张雅婷, 丁欣, 姚建铨.  激光致声混凝土内部空洞检测 . 红外与激光工程, 2023, 52(1): 20220306-1-20220306-10. doi: 10.3788/IRLA20220306
    [2] 张鹏辉, 赵扬, 李鹏, 周志权, 白雪, 马健.  基于有限元法的激光声磁检测系统优化研究 . 红外与激光工程, 2022, 51(7): 20210533-1-20210533-9. doi: 10.3788/IRLA20210533
    [3] 孙强, 戴鹭楠, 应恺宁, 倪辰荫.  二分搜索和压缩感知在激光超声内部缺陷快速检测技术的应用 . 红外与激光工程, 2022, 51(2): 20210810-1-20210810-13. doi: 10.3788/IRLA20210810
    [4] 卜迟武, 赵博, 刘涛, 张喜斌, 李锐, 唐庆菊.  CFRP/Al蜂窝结构缺陷巴克编码热波检测及匹配滤波 . 红外与激光工程, 2021, 50(10): 20210050-1-20210050-11. doi: 10.3788/IRLA20210050
    [5] 李欣, 陈永, 李伟仙, 李洋洋, 郑磊, 吴思进.  投影辅助的数字剪切散斑干涉扫描检测技术 . 红外与激光工程, 2021, 50(8): 20210509-1-20210509-8. doi: 10.3788/IRLA20210509
    [6] 刘颖韬, 许路路, 何方成, 李硕宁, 杨党纲.  环境因素对闪光灯激励红外热成像外场检测的影响 . 红外与激光工程, 2021, 50(12): 20210711-1-20210711-8. doi: 10.3788/IRLA20210711
    [7] 张长兴, 刘成玉, 亓洪兴, 张东, 蔡能斌.  热红外高光谱成像仪光谱匹配盲元检测算法 . 红外与激光工程, 2020, 49(1): 0104002-0104002(7). doi: 10.3788/IRLA202049.0104002
    [8] 高翔, 刘晓庆, 戴子杰, 李帅, 刘伟伟.  基于波导结构的集成式太赫兹共焦成像系统 . 红外与激光工程, 2019, 48(S2): 98-102. doi: 10.3788/IRLA201948.S219001
    [9] 杨正伟, 谢星宇, 李胤, 张炜, 田干.  激光扫描热成像无损检测关键参数影响分析 . 红外与激光工程, 2019, 48(11): 1105008-1105008(11). doi: 10.3788/IRLA201948.1105008
    [10] 赵诗琪, 郭兴旺, 刘颖韬.  基于复Morlet小波相位的红外调制热像检测方法 . 红外与激光工程, 2018, 47(9): 904002-0904002(8). doi: 10.3788/IRLA201847.0904002
    [11] 夏嘉斌, 孙广开, 宋潮, 周正干.  “钢-铅”粘接结构非接触激光超声检测方法 . 红外与激光工程, 2018, 47(1): 117006-0117006(7). doi: 10.3788/IRLA201847.0117006
    [12] 徐滨士, 董世运, 门平, 闫世兴.  激光增材制造成形合金钢件质量特征及其检测评价技术现状(特邀) . 红外与激光工程, 2018, 47(4): 401001-0401001(9). doi: 10.3788/IRLA201847.0401001
    [13] 张文涛, 李跃文, 占平平, 熊显名.  基于太赫兹时域光谱技术与PCA-SVM的转基因大豆油鉴别研究 . 红外与激光工程, 2017, 46(11): 1125004-1125004(6). doi: 10.3788/IRLA201746.1125004
    [14] 李文洁, 赵读亮, 林颖, 梁勖, 方晓东.  高灵敏紫外激光脉冲能量在线检测系统设计 . 红外与激光工程, 2017, 46(12): 1222002-1222002(6). doi: 10.3788/IRLA201746.1222002
    [15] 周小丹, 李丽娟, 赵铎, 任姣姣.  太赫兹技术在陶瓷基复合材料缺陷无损检测中的应用 . 红外与激光工程, 2016, 45(8): 825001-0825001(8). doi: 10.3788/IRLA201645.0825001
    [16] 陈林, 杨立, 范春利, 石宏臣, 赵小龙.  基于相位的热障涂层厚度及其脱粘缺陷红外定量识别 . 红外与激光工程, 2015, 44(7): 2050-2056.
    [17] 陈林, 杨立, 范春利, 吕事桂, 石宏臣.  线性调频激励的红外无损检测及其数值模拟 . 红外与激光工程, 2014, 43(5): 1385-1389.
    [18] 孙梅, 陈兴海, 张恒, 陈海霞.  高光谱成像技术的苹果品质无损检测 . 红外与激光工程, 2014, 43(4): 1272-1277.
    [19] 陈林, 杨立, 范春利, 王为清, 吕事桂.  红外无损检测的数值模拟及其对比性研究 . 红外与激光工程, 2013, 42(9): 2330-2335.
    [20] 刘俊岩, 刘 勋, 王 扬, .  线性调频激励的红外热波成像检测技术 . 红外与激光工程, 2012, 41(6): 1416-1422.
  • 加载中
计量
  • 文章访问数:  864
  • HTML全文浏览量:  70
  • PDF下载量:  257
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-11-12
  • 修回日期:  2013-12-22
  • 刊出日期:  2014-07-25

基于高光谱成像技术的小黄瓜水分无损检测

    作者简介:

    李丹(1990-),女,硕士生,主要从事农产品无损检测方面的研究工作。Email:627275669@qq.com

    通讯作者: 何建国(1960-),男,教授,博士生导师,主要从事农产品无损检测和食品物性学方面的研究工作。Email:hejg@nxu.edu.cn
基金项目:

国家自然科学基金(31060233);国家科技支撑计划(2012BAF07B06);2011 年度宁夏回族自治区科技攻关计划项目

  • 中图分类号: TP274

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900~1700 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。

English Abstract

参考文献 (19)

目录

    /

    返回文章
    返回