Beijing 010-82611269,13671083121
Shandong 0532-82861228,15563963062
Xian 029-81124223
HaiNan 13911203439
/ En

易科泰高光谱成像技术应用快讯: 高光谱成像检测水果可溶性固形物含量与分布

易科泰高光谱成像技术应用快讯: 高光谱成像检测水果可溶性固形物含量与分布

易科泰高光谱成像技术应用快讯:

高光谱成像检测水果可溶性固形物含量与分布

水果在采摘、储存、销售等各个环节中,质量与品质评估都是非常重要的。决定水果质量的一项主要指标就是可溶性固形物(SSC),如果SSC的含量较高,则水果的口感会更甜。印度尼西亚大学的学者使用Specim FX10高光谱成像系统开发了杨桃的可溶性固形物含量预测系统,可有效地预测杨桃中的SSC含量及空间分布(Prediction of Soluble Solid Contents Mapping on Averrhoa Carambola Using Hyperspectral Imaging)。

高光谱成像技术将光谱测量和成像技术相结合,可同时从样品中获取空间和光谱信息,为杨桃SSC值的无损检测提供新的思路。研究人员在当地市场采购了278颗不同成熟度的杨桃,并随机分为训练数据集和测试数据集(4:1),其中223颗为训练集,55颗为测试集。将训练集的杨桃按照不同成熟度划分,并使用Specim FX10采集其高光谱信息,下图展示了不同SSC值水平的杨桃样品在400-1000 nm的反射光谱,在NIR其区域,SSC含量与反射率成反比,SSC值越高反射率越低。

    1.jpg

图1. 高光谱成像系统组图           图2. 五个不同SSC值样品的反射光谱

对训练集所有样本进行偏最小二乘(PLS)和主成分分析(PCA)处理,实现特征提取与选择。根据不同数量的主成分,分别在Matlab中构建偏最小二乘回归(PLSR)和主成分回归(PCR)的SSC预测模型。使用模型预测55个测试集杨桃的SSC值,与实际测糖仪获取的SSC值进行交叉验证评估预测模型的精度。结果显示,当使用PLSR算法的前20个主成分时,预测模型显示出良好性能,相关系数(r)为0.99,均方根(RMSE)误差为0.43。

   2.jpg

图3. 基于PLSR和PCR的测量值和预测值之间的相关性

3.jpg

图4. 可溶性固形物含量分布图

这项研究表明,高光谱成像系统在预测和绘制杨桃的可溶性固形物含量及分布上有着非常广阔的应用前景,可适用于品质检测、工业分拣等领域。

易科泰生态技术公司致力于生态-农业-健康研究发展与创新应用,结合高光谱成像技术与RGB成像分析、科研级红外热成像技术、多光谱荧光成像技术等,为食品品质、成分、污染检测鉴定应用提供高光谱成像技术全面解决方案。

IQ 手持式智能高光谱成像仪

Specim推扫式高光谱成像技术方案

Spectrascan作物果实品质成像扫描技术方案

中/长波红外成像(MWIR/LWIR)技术方案

SpecimONE高光谱成像工业化自动在线分选系统

EcoLab®光谱成像实验室提供检测技术服务和实验合作