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，質量與品質評估都是非常重要的。決定水果質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）。

高光譜成像技術將光譜測量和成像技術相結合，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用前景，可適用于品質檢測、工業(yè)分揀等領域。

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

?IQ 手持式智能高光譜成像儀

?Specim推掃式高光譜成像技術方案

?Spectrascan作物果實品質成像掃描技術方案

?中/長波紅外成像(MWIR/LWIR)技術方案

? 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服務和實驗合作