高光谱成像多特征信息在草莓品质分析中的应用

发布时间：2020-11-23 07:05

　　 草莓营养丰富,口感香甜,具有很高的经济价值,由于草莓其自身脆弱的结构,且对真菌入侵的敏感度高,不易储存。经过一段时间的储存以后,草莓就会开始失去其营养和口感。储存时间会对草莓中的物质成分产生重要影响,如可溶性固形物含量(SSC),pH值和维生素C(VC)的含量,且SSC、pH和VC是评价草莓采摘时间、口感和营养价值的重要指标,也经常被用于草莓等级的区分。为了提高草莓市场的利润率,草莓储存时间、SSC、pH和VC的快速检测显得尤为重要。传统的化学检测方法具有破坏性,不适合大规模在线检测。食品质量检测中常用的无损检测方法有机器视觉法和光谱学方法。然而,机器视觉一般只能获取检测对象的图像特征,光谱学方法只能获取检测目标局部的光谱特征。所以这些方法在储存时间、SSC、pH和VC的分析上都存在各自的缺陷。高光谱成像(HSI)结合了机器视觉和光谱学方法的优点,在食品检测领域已经得到应用。本文研究了基于高光谱反射率成像技术检测草莓储存时间、SSC、pH和VC的可行性。其中,通过高光谱图像中提取的光谱特征来检测草莓的储存时间,SSC、pH和VC的检测可通过高光谱图像中提取的光谱、颜色和纹理特征实现。本文的主要研究内容如下:(1)高光谱成像技术被用于检测草莓的储存时间。首先提取草莓的光谱特征,多元散射校正(MSC)、标准正态变量(SNV)和小波变换(WT)等预处理算法被用于去除光谱中的噪声。采用支持向量机(SVM)和随机森林(RF)建立储存时间的分类模型,SVM结合MSC的分类精度达到了100%。然后采用偏最小二乘回归(PLSR)、SVM和RF建立草莓储存时间预测的回归模型,并采用竞争自适应重加权抽样(CARS)、无关信息变量消除(UVE)、连续投影算法(SPA)以及竞争自适应重加权抽样-连续投影算法(CARS-SPA)选择重要变量,PLSR结合全光谱的结果为预测集决定系数(R_p~2)是0.9999,预测集均方根误差(RMSEP)是0.0721,基于SVM和UVE所选的10个变量所建立的模型,其结果为R_p~2=0.9943,RMSEP=1.3213。最后,根据像素级的光谱和已建立的最优模型生成储存时间分布图,该分布图能够清晰地观察出草莓质量变化过程。(2)除了光谱特征外,颜色和纹理特征也可以从高光谱图像中被提取出来,不同特征的结合可能会提升分析的准确性,草莓SSC、pH和VC可利用光谱、颜色、纹理特征的结合进行检测分析。其中,WT用于去除光谱噪声。然后,利用颜色矩、灰度梯度共生矩阵(GLGCM)和伽柏滤波器来获得草莓的颜色和纹理特征。采用PLSR、SVM和局部加权回归(LWR)建立SSC、pH和VC预测的回归模型。PLSR结合光谱和颜色特征得到了最佳的SSC预测结果:R_p~2=0.9370,RMSEP=0.1145;LWR和光谱特征获得了最佳的pH预测结果:R_p~2=0.8493,RMSEP=0.0501;基于光谱和纹理特征建立的PLSR模型的预测性能最佳:R_p~2=0.8769,RMSEP=0.0279。利用CARS选择光谱、颜色和纹理特征中的重要变量进行稳健分析。基于重要的变量,三种品质参数的预测效果都得到了提升,SSC、pH和VC的预测结果分别为R_p~2=0.9431,RMSEP=0.0895;R_p~2=0.8858,RMSEP=0.0108;R_p~2=0.9109,RMSEP=0.0237。最后,根据像素级的光谱和建立的模型生成SSC、pH和VC随储存时间变化的分布图,该图清晰地展示了三种品质参数的变化过程,随着储存时间的延长,SSC先升后降,pH值和VC的含量则不断下降。(3)一个高光谱草莓品质分析软件被设计,用于对草莓的储存时间、SSC、pH以及VC进行智能分析以及预测,该软件可以对高光谱数据进行预处理,变量选择以及回归建模,选择相应的算法就能得到对应的图形化显示结果。为了更加方便的分析结果,该软件可以对算法处理结果进行保存。研究表明,高光谱成像技术结合多元分析为草莓储存时间的检测提供了一种新的方法;光谱、颜色和纹理特征适当的结合,可以实现草莓中SSC、pH和VC的准确检测。高光谱草莓品质分析软件方便了后续的数据处理工作,满足了更多检测人员的需求。
【学位单位】：安徽大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：S668.4;TP391.41;TP181
【部分图文】：

安徽大学硕士学位论文5理特征的结合来进行SSC、pH和VC的检测分析。本文的主要研究内容框架如图1.1所示：图1.1研究内容框架图Fig1.1Theframeworkofresearchcontent具体研究内容如下：（1）首先获得新鲜采摘的草莓在储存0、6、12、18、24、30、36、42、48和54小时后的高光谱图像，并使用每个样本的平均反射率光谱来进行后续分析。多元散射校正（MSC）、标准正态变量（SNV）和小波变换（WT）等预处理算法被用于去除光谱噪声和不稳定性，以增强正常信号的信噪比，并将最优的预处理方法用于后续的研究。采用支持向量机（SVM）和随机森林（RF）来建立储存时间的分类模型，对10个时间段的草莓进行分类。与储存时间的分类相比，对储存时间的预测在实际应用中更有意义。然后，分别采用偏最小二乘回归（PLSR）、SVM和RF建立草莓储存时间预测的回归模型，对草莓的储存时间进行定量分析。并采用竞争自适应重加权抽样（CARS）、无关信息变量消除（UVE）、连续投影算法（SPA）以及竞争自适应重加权抽样-连续投影算法（CARS-SPA）来选择光谱特征中的重要变量，以降低模型复杂度。最后，根据像素级的光谱和所建立的最优模型来生成储存时间分布图，以观察草莓质量的变化过程。（2）在草莓的高光谱图像获取完毕后，提取草莓高光谱图像的平均光谱，利用WT

第二章数据获取及分析方法8图2.1可见-近红外高光谱成像系统Fig2.1Vis-NIRhyperspectralimagingsystem高光谱图像采集完成以后，草莓样本需要被立即取出，以减少钨卤灯对样本的热损害。由于外部因素的干扰：如光线分布不均匀、相机暗电流等，采集到的高光谱图像需要进行校正[49]。校正公式如下：rawdWdRRRRR=（2.1）其中R为校正后的高光谱图像，Rraw为原始高光谱图像，Rw为从具有99%反射率的白板上获取的白色参考图像，Rd为通过关灯和遮挡相机镜头得到的黑色参考图像。校正后的高光谱图像将被用于后续的分析中。2.1.3光谱数据的提取高光谱图像数据采集完毕后，需要提取高光谱图像中草莓的光谱特征。因为实验中采集的高光谱图像都包含与检测对象无关的背景，所以首先需要将图像中的草莓区域选择出来。去除这些背景，选择研究区域，这一步骤也被称作感兴趣区域提取（ROI）[50]。提取ROI一般有两种方法：一是通过图像分割技术提取ROI；二是使用相关的专业软件，如ENVI，直接选取自己需要的区域，然后将该区域作为ROI。本文将利用第一种方法来提取ROI。在ROI提取以后，就可以提取该区域内所有像素点的光谱来进行接下来的分析。具体的思路就是：读取经过图像校正后的高光谱图像，采用基于超红色特征的图像阈值分割方法提取二值图像[51]。图像阈值分割是根据灰度对像素集进行分割。对于单个草莓样本的高光谱图像，感兴趣区域的灰度值会高于一个固定阈值，而其他区域是需要

第三章Vis-NIR高光谱成像结合多元分析方法检测草莓的储存时间16（Rp2）、校正集均方根误差（RMSEC）和预测集均方根误差（RMSEP）来评价回归模型的性能。3.2实验结果与讨论3.2.1光谱特征分析草莓样本的高光谱图像包含260个波段的图像，波段范围是400-1000nm，高光谱图像可以被视作“超立方体”——I（x,y,λ），其中x，y代表高光谱图像的空间信息，λ代表高光谱图像的光谱信息，如图3.1（A）所示。HSI上的每个像素都是一个260维度的反射率光谱，该光谱反映了这个位置上的生化和理化特征。对于单个草莓样本的高光谱图像而言，感兴趣区域是根据图像阈值分割来选取的，如图3.1（B）所示。然后感兴趣区域内每个像素点的光谱被提取，将这些像素点的光谱的平均值计算出来，这条平均光谱将作为该样本的代表性光谱被用于接下来的分析中。160个草莓样本在400-1000nm范围内的平均光谱如图3.1（C）所示，可以看出这些草莓的反射率光谱的变化趋势相似，且差异极小，这可能是由于同一品种、相似的成熟度和生长环境造成的。图3.1高光谱成像系统获取的用于检测草莓储存时间的图像和光谱。（A）高光谱图像，（B）感兴趣区域提取，（C）草莓的平均光谱，（D）不同储存时间的光谱Fig3.1Imagesandspectraobtainedbythehyperspectralimagingsystemforthedetectionofstrawberriesstoragetime.(A)hyperspectralimage,(B)ROIextraction,(C)averagespectraofstrawberriesand(D)spectraofdifferentstoragetime不同储存时间草莓的光谱如图3.1（D）所示，从图中可以看出随着储存时间的延长，整体的反射率在不断下降，且下降区间在减校这些现象可能是由于样本在储存过程中物理结构和生化成分发生了变化而导致的，如硬度、水分含量、SSC等。在可见光区域的反射率光谱（40
【相似文献】

相关期刊论文 前10条

1 冯作山;熊丽;韩兴涛;杨雷;王开昌;;不同产地草莓种苗在秦巴山区的种植表现[J];浙江农业科学;2019年12期

2 张文刚;;设施草莓立体栽培技术[J];上海蔬菜;2019年06期

3 张蔚;;草莓优质安全栽培技术示范与推广[J];农业与技术;2019年24期

4 Zhao-ming LI;Hui LIU;Wen-zhu ZHANG;Hong LIU;;草莓对隔离环境中人的生理、心理及认知的影响（英文）[J];Journal of Zhejiang University-Science B(Biomedicine & Biotechnology);2020年01期

5 裴冬丽;朱晓琴;叶芬;徐园园;宋旸;李成伟;;河南商丘草莓青霉病病原菌的鉴定[J];植物保护学报;2019年06期

6 徐耀;;草莓蚜虫防治效果研究[J];现代园艺;2019年24期

7 汤玲;杨馥霞;贺欢;孔芬;王卫成;;草莓害螨综合防治解析[J];现代园艺;2019年24期

8 武冲;高文俊;韩真;张庆田;李勃;;草莓根部病害及防治措施[J];落叶果树;2020年01期

9 ;第18届中国(济南)草莓文化旅游节暨首届亚洲草莓产业研讨会盛大召开[J];落叶果树;2020年01期

10 高雪玲;;草莓移栽后死棵原因何在?如何解决![J];农家参谋;2019年24期

相关博士学位论文 前10条

1 樊丽;丛枝菌根真菌对草莓耐盐性及果实品质的影响[D];中国农业科学院;2011年

2 田给林;连作草莓土壤酚酸类物质的化感作用及其生物调控研究[D];中国农业大学;2015年

3 张金彪;镉对草莓的毒害及机理和调控研究[D];福建农林大学;2001年

4 李丽;速冻草莓品质评价体系的建立研究[D];沈阳农业大学;2016年

5 毕艳孟;蚯蚓缓解草莓连作障碍的效应及机理研究[D];中国农业大学;2016年

6 申光辉;草莓连作根腐病发生机制与微生物及化学修复研究[D];西北农林科技大学;2012年

7 唐伊恋;太阳能光热电耦合模式下温室温度与光照对草莓生长的影响[D];云南师范大学;2019年

8 王粮局;基于动态识别定位的多机械手草莓收获机器人的研究[D];中国农业大学;2016年

9 张海英;硒处理对桃、枣和草莓生理指标影响的研究[D];北京林业大学;2011年

10 曹飞;草莓磷转运蛋白基因PHO1的分离及功能分析[D];沈阳农业大学;2016年

相关硕士学位论文 前10条

1 蔚栓;高光谱成像多特征信息在草莓品质分析中的应用[D];安徽大学;2020年

2 王蕾娜;提高草莓速冻品质的技术研究[D];河北科技大学;2014年

3 严灿;草莓采后全程冷链保鲜技术研究[D];上海海洋大学;2016年

4 李丹丹;当涂县草莓休闲农业发展问题研究[D];南京农业大学;2015年

5 龚馨旭;高温季节草莓集约化育苗关键技术研究[D];安徽科技学院;2016年

6 田野;高压脉冲电场杀菌草莓汁加工工艺及品质研究[D];哈尔滨商业大学;2014年

7 杨勇;湖州市草莓产业现状分析与对策研究[D];浙江大学;2015年

8 沈岚;宁波市草莓产业现状分析与对策研究[D];宁波大学;2013年

9 池春山;草莓冻干品工艺流程和检测方法的研究[D];河北科技大学;2010年

10 朱冬梅;设施栽培下草莓养分吸收及肥水耦合技术的研究[D];浙江大学;2013年

本文编号：2894649