高光譜成像檢測水果可溶性固形物含量與分布

高光譜成像檢測水果可溶性固形物含量與分布

水果在采摘、儲存、銷售等各個環(huán)節(jié)中，質(zhì)量與品質(zhì)評估都是非常重要的。決定水果質(zhì)量的一項主要指標就是可溶性固形物（SSC），如果SSC的含量較高，則水果的口感會更甜。印度尼西亞大學的學者使用Specim FX10高光譜成像系統(tǒng)開發(fā)了楊桃的可溶性固形物含量預測系統(tǒng)，可有效地預測楊桃中的SSC含量及空間分布（Prediction of Soluble Solid Contents Mapping on Averrhoa Carambola Using Hyperspectral Imaging）。

高光譜成像技術(shù)將光譜測量和成像技術(shù)相結(jié)合，可同時從樣品中獲取空間和光譜信息，為楊桃SSC值的無損檢測提供新的思路。研究人員在當?shù)厥袌霾少徚?/span>278顆不同成熟度的楊桃，并隨機分為訓練數(shù)據(jù)集和測試數(shù)據(jù)集（4:1），其中223顆為訓練集，55顆為測試集。將訓練集的楊桃按照不同成熟度劃分，并使用Specim FX10采集其高光譜信息，下圖展示了不同SSC值水平的楊桃樣品在400-1000 nm的反射光譜，在NIR其區(qū)域，SSC含量與反射率成反比，SSC值越高反射率越低。

     圖1. 高光譜成像系統(tǒng)組圖           圖2. 五個不同SSC值樣品的反射光譜

對訓練集所有樣本進行偏小二乘（PLS）和主成分分析（PCA）處理，實現(xiàn)特征提取與選擇。根據(jù)不同數(shù)量的主成分，分別在Matlab中構(gòu)建偏小二乘回歸（PLSR）和主成分回歸（PCR）的SSC預測模型。使用模型預測55個測試集楊桃的SSC值，與實際測糖儀獲取的SSC值進行交叉驗證評估預測模型的精度。結(jié)果顯示，當使用PLSR算法的前20個主成分時，預測模型顯示出良好性能，相關(guān)系數(shù)（r）為0.99，均方根（RMSE）誤差為0.43。

 圖3. 基于PLSR和PCR的測量值和預測值之間的相關(guān)性

 圖4. 可溶性固形物含量分布圖

這項研究表明，高光譜成像系統(tǒng)在預測和繪制楊桃的可溶性固形物含量及分布上有著非常廣闊的應(yīng)用前景，可適用于品質(zhì)檢測、工業(yè)分揀等領(lǐng)域。

易科泰生態(tài)技術(shù)公司致力于生態(tài)-農(nóng)業(yè)-健康研究發(fā)展與創(chuàng)新應(yīng)用，結(jié)合高光譜成像技術(shù)與RGB成像分析、科研級紅外熱成像技術(shù)、多光譜熒光成像技術(shù)等，為食品品質(zhì)、成分、污染檢測鑒定應(yīng)用提供高光譜成像技術(shù)全面解決方案。

?IQ 手持式智能高光譜成像儀

?Specim推掃式高光譜成像技術(shù)方案

?Spectrascan作物果實品質(zhì)成像掃描技術(shù)方案

?中/長波紅外成像(MWIR/LWIR)技術(shù)方案

? SpecimONE高光譜成像工業(yè)化自動在線分選系統(tǒng)

? EcoLab^®光譜成像實驗室提供檢測技術(shù)服務(wù)和實驗合作