CN107144533A - 一种基于高光谱成像技术的一点红萝卜空心鉴别方法 - Google Patents
一种基于高光谱成像技术的一点红萝卜空心鉴别方法 Download PDFInfo
- Publication number
- CN107144533A CN107144533A CN201710262167.9A CN201710262167A CN107144533A CN 107144533 A CN107144533 A CN 107144533A CN 201710262167 A CN201710262167 A CN 201710262167A CN 107144533 A CN107144533 A CN 107144533A
- Authority
- CN
- China
- Prior art keywords
- hollow
- carrots
- forming technology
- high light
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 244000000626 Daucus carota Species 0.000 title claims abstract description 47
- 235000002767 Daucus carota Nutrition 0.000 title claims abstract description 47
- 238000001228 spectrum Methods 0.000 title claims abstract description 29
- 238000005516 engineering process Methods 0.000 title claims abstract description 18
- 238000012850 discrimination method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000003595 spectral effect Effects 0.000 claims abstract description 10
- 238000012706 support-vector machine Methods 0.000 claims abstract description 10
- 238000004611 spectroscopical analysis Methods 0.000 claims description 4
- 238000000985 reflectance spectrum Methods 0.000 abstract description 2
- 241000220259 Raphanus Species 0.000 description 10
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 10
- 235000009328 Amaranthus caudatus Nutrition 0.000 description 3
- 241001146155 Emilia Species 0.000 description 3
- 235000019049 Emilia coccinea Nutrition 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 235000019057 Raphanus caudatus Nutrition 0.000 description 1
- 244000088415 Raphanus sativus Species 0.000 description 1
- 235000011380 Raphanus sativus Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 235000001366 vegetable intake Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
- G01N2021/3155—Measuring in two spectral ranges, e.g. UV and visible
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开一种基于高光谱成像技术的一点红萝卜空心鉴别方法，包括步骤：1)获取一点红萝卜的高光谱反射光谱；2)将建模集中一点红萝卜切开，观察判断其是否空心，并将空心样品与非空心样品标注、分类；3)使用步骤1)中获得的反射光谱信息建立支持向量机鉴别模型，分类标准为1‑非空心，2‑空心；4)针对未知空心的待测一点红萝卜样品，重复步骤1)中的操作；5)将获得的待测一点红萝卜样品的光谱信息输入支持向量机鉴别模型，判断待测样品是否空心。本发明主要用于通过获取已知是否空心的一点红萝卜样品的高光谱信息，并以此为基础建立支持向量机鉴别模型，无损鉴别一点红萝卜的空心与否，鉴别过程快捷、简便，鉴别结果准确可靠。
Description
技术领域
本发明属于光谱分析领域，具体涉及一种基于高光谱成像技术的一点红萝卜空心鉴别方法。
背景技术
萝卜(Raphanus sativus L.)，二年或一年生草本植物，是一种重要的农作物；其肉质直根呈长圆形、球形或圆锥形，可作蔬菜食用。萝卜种植历史悠久，繁育品种良多。在浙江省杭州市，每年冬季，会上市一种本地萝卜，其肉质根呈纺锤形，地上部分为粉红色或紫红色，地下部分为白色，俗称“一点红”。该品种萝卜肉质致密，皮薄光滑，脆糯清鲜，品质上佳，为杭州民众所喜爱。但一点红萝卜在自然情况下存在空心问题，其空心率约为1/3。萝卜空心，即萝卜根部在生长成熟的中后期和采后的贮藏期内，其薄壁细胞缺乏可利用的营养物质，逐渐出现气泡，继而产生细胞空隙，最后形成空心的状况。将一点红萝卜切开，依据生活经验用肉眼判断其是否空心是目前鉴别一点红萝卜空心的主要方法。该方法需要判断者具有一定的生活经验且较为费时费力，具破坏性。
结合成像技术与光谱检测技术，在光谱维度上进行细致分割的高光谱成像技术能够同时获得待测目标的光谱信息和图像信息，并提供可视化的信息表达。在覆盖可见光波段的400-1000nm波段间，待测目标经高光谱照射而得到的反射光既包含待测目标的大小、外观、缺陷等外部指标的图像信息，同时也包含反映待测目标物理结构、化学成分等内部参数的光谱信息。利用反映待测目标内部参数的光谱信息，加以化学计量学方法辅助，高光谱成像技术可以实现农产品的快速无损检测。
发明内容
基于以上分析，本发明提供一种基于高光谱成像技术的一点红萝卜空心鉴别方法。通过高光谱成像技术分别获取空心一点红萝卜与非空心一点红萝卜在400-1000nm间的图像信息与光谱信息，利用原始光谱建立支持向量机模型，采集待测一点红萝卜的高光谱图像，使用已建立的支持向量机模型快速鉴别待测一点红萝卜是否空心。
本发明所采用的具体技术方案如下：
一种基于高光谱成像技术的一点红萝卜空心鉴别方法，包括以下步骤：
1)取一定数量的一点红萝卜样品，用作建模集；
2)使用高光谱成像技术照取一点红萝卜样品，获取其反射光谱，反射光谱范围是覆盖可见光波段的400-1000nm；
3)将建模集中一点红萝卜切开，依据生活经验并用肉眼观察判断其是否空心，并将空心样品与非空心样品标注、分类；
4)使用2)中获得的原始反射光谱信息建立支持向量机鉴别模型，分类标准为1-非空心，2-空心；
5)针对未知空心的待测一点红萝卜样品，重复步骤2)中的操作；
6)将步骤5)中获得的待测一点红萝卜样品的原始光谱信息输入步骤4)得到的支持向量机鉴别模型，得出未知样品是否空心。
本发明中，建模集中一点红萝卜样品数量应≥40。选取用于建立模型的是一点红萝卜样品的原始光谱信息。
进一步改进的，选取用于建立模型的化学计量学方法是支持向量机。
作为进一步改进，支持向量机模型的相关参数如下：分类类型：C-SVC，核类型：多项式(polynomial)，程度：3，C值0.5，g值0.00195。
本发明的有益效果是：
(1)实现了一点红萝卜空心的无损鉴别，鉴别过程快捷、简便；
(2)应用高光谱成像技术结合化学计量学方法对一点红萝卜空心进行无损检测，避免检测过程对一点红萝卜造成的损伤，减少传统鉴别方法对一点红萝卜造成的经济损失；
(3)可根据实际情况，调整支持向量机模型的相关参数，以用于其余品种萝卜的空心鉴别。
附图说明
图1是基于高光谱成像技术的一点红萝卜空心鉴别方法的高光谱成像装置示意图；
图中：1为暗箱，2为高光谱相机，3为光谱仪，4为镜头，5为光源，6为样品台，7为马达，8为计算机；
图2是基于高光谱成像技术的一点红萝卜空心鉴别方法的流程图。
具体实施方式
如图1所示，高光谱成像装置包括：暗箱1，高光谱相机2，光谱仪3，镜头4，光源5，样品台6，马达7和计算机8。
如图2所示，采用上述装置鉴别一点红萝卜空心的方法具体如下：
1)取一定数量的一点红萝卜样品作为建模集，并逐一将样品置于暗箱中的样品台上，记录各样品编号；
2)用高光谱相机照射样品，获取样品在400-1000nm波段间的高光谱反射光谱；
3)逐一切开1)中的一点红萝卜样品，依据生活经验判断其是否空心，非空心萝卜归入类别1，空心萝卜归入类别2，并记录其编号；
4)使用2)中获得的原始光谱信息，以3)中的分类标准及结果在The UnscramblerX中建立支持向量机鉴别模型；
5)将未知空心的待测一点红萝卜样品以步骤1)和步骤2)中的方法同样操作；
6)利用4)中建立的支持向量机鉴别模型，鉴别待测一点红萝卜样品是否空心，并得出结论。
本发明所选定的支持向量机模型参数只针对一点红萝卜空心的快速鉴别，对其余品种萝卜空心的鉴别不适用；如需鉴别其余品种的萝卜是否空心，需重新选定参数，建立支持向量机鉴别模型。
上述具体实施方式用以解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。
Claims (5)
1.一种基于高光谱成像技术的一点红萝卜空心鉴别方法，其特征在于，包括以下步骤：
1)获取一点红萝卜的高光谱反射光谱，光谱范围是400-1000nm；
2)将建模集中的一点红萝卜切开，观察判断其是否空心，并将空心样品与非空心样品标注、分类；
3)使用步骤1)中获得的高光谱反射光谱信息建立支持向量机鉴别模型，分类标准为1-非空心，2-空心；
4)针对未知空心的待测一点红萝卜样品，重复步骤1)中的操作；
5)将步骤4)中获得的待测一点红萝卜样品的高光谱反射光谱输入步骤3)得到的支持向量机鉴别模型，得出未知样品是否空心。
2.如权利要求1所述的基于高光谱成像技术的一点红萝卜空心鉴别方法，其特征在于，用于建模的一点红萝卜样品数量应≥40。
3.如权利要求1所述的基于高光谱成像技术的一点红萝卜空心鉴别方法，其特征在于，选取用于建立模型的是一点红萝卜样品的原始光谱信息。
4.如权利要求1所述的基于高光谱成像技术的一点红萝卜空心鉴别方法，其特征在于，选取用于建立模型的化学计量学方法是支持向量机。
5.如权利要求1所述的基于高光谱成像技术的一点红萝卜空心鉴别方法，其特征在于，选取的支持向量机模型的相关参数如下：分类类型：C-SVC，核类型：多项式(polynomial)，程度：3，C值0.5，g值0.00195。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710262167.9A CN107144533A (zh) | 2017-04-20 | 2017-04-20 | 一种基于高光谱成像技术的一点红萝卜空心鉴别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710262167.9A CN107144533A (zh) | 2017-04-20 | 2017-04-20 | 一种基于高光谱成像技术的一点红萝卜空心鉴别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107144533A true CN107144533A (zh) | 2017-09-08 |
Family
ID=59774127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710262167.9A Pending CN107144533A (zh) | 2017-04-20 | 2017-04-20 | 一种基于高光谱成像技术的一点红萝卜空心鉴别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107144533A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101832926A (zh) * | 2010-03-19 | 2010-09-15 | 江南大学 | 一种利用高光谱图像技术进行苹果粉质化无损检测方法 |
| CN103822879A (zh) * | 2014-02-24 | 2014-05-28 | 西北农林科技大学 | 一种基于高光谱成像技术的猕猴桃膨大果无损检测方法 |
| CN104280349A (zh) * | 2014-10-28 | 2015-01-14 | 南京农业大学 | 一种基于高光谱图像对白萝卜糠心鉴定的方法 |
| CN105158186A (zh) * | 2015-09-17 | 2015-12-16 | 南京农业大学 | 一种基于高光谱图像对白萝卜黑心检测的方法 |
| CN105954202A (zh) * | 2016-04-22 | 2016-09-21 | 浙江大学 | 一种柑橘溃疡病高光谱模型传递的方法 |
-
2017
- 2017-04-20 CN CN201710262167.9A patent/CN107144533A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101832926A (zh) * | 2010-03-19 | 2010-09-15 | 江南大学 | 一种利用高光谱图像技术进行苹果粉质化无损检测方法 |
| CN103822879A (zh) * | 2014-02-24 | 2014-05-28 | 西北农林科技大学 | 一种基于高光谱成像技术的猕猴桃膨大果无损检测方法 |
| CN104280349A (zh) * | 2014-10-28 | 2015-01-14 | 南京农业大学 | 一种基于高光谱图像对白萝卜糠心鉴定的方法 |
| CN105158186A (zh) * | 2015-09-17 | 2015-12-16 | 南京农业大学 | 一种基于高光谱图像对白萝卜黑心检测的方法 |
| CN105954202A (zh) * | 2016-04-22 | 2016-09-21 | 浙江大学 | 一种柑橘溃疡病高光谱模型传递的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 胡鹏程等: "高光谱图像对白萝卜糠心的无损检测", 《食品科学》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11976973B2 (en) | Blending of agricultural products via hyperspectral imaging and analysis | |
| Qiongyan et al. | Detecting spikes of wheat plants using neural networks with Laws texture energy | |
| US8605149B2 (en) | Seed classification using spectral analysis to determine existence of a seed structure | |
| CN110763698B (zh) | 一种基于特征波长的高光谱柑橘叶片病害识别方法 | |
| Delalieux et al. | Hyperspectral indices to diagnose leaf biotic stress of apple plants, considering leaf phenology | |
| Tian et al. | Effective modification through transmission Vis/NIR spectra affected by fruit size to improve the prediction of moldy apple core | |
| CN112699756B (zh) | 一种基于高光谱图像的茶叶原产地识别方法和系统 | |
| CN109993155A (zh) | 针对低信噪比紫外拉曼光谱的特征峰提取方法 | |
| CN107679569A (zh) | 基于自适应超图算法的拉曼光谱物质自动识别方法 | |
| CN110108649A (zh) | 基于太赫兹光谱技术的油料作物品质的快速无损检测方法 | |
| Zhang et al. | Visual detection of apple bruises using AdaBoost algorithm and hyperspectral imaging | |
| Cherie et al. | Optical characteristics of oil palm fresh fruits bunch (FFB) under three spectrum regions influence for harvest decision | |
| Carolina et al. | Classification of oranges by maturity, using image processing techniques | |
| CN106332713A (zh) | 一种sd‑oct图像的枇杷早期瘀伤鉴别方法 | |
| Wang et al. | Grading detection of “Red Fuji” apple in Luochuan based on machine vision and near-infrared spectroscopy | |
| Sunilkumar et al. | Surface color based prediction of oil content in oil palm (Elaeis guineensis Jacq.) fresh fruit bunch | |
| CN106780427B (zh) | 一种基于oct图像的香梨瘀伤鉴别方法 | |
| Motonaga et al. | A method of making digital fruit color charts for cultivation management and quality control | |
| Baek et al. | Determination of spectral resolutions for multispectral detection of apple bruises using visible/near-infrared hyperspectral reflectance imaging | |
| Zhang et al. | Development of a hyperspectral imaging system for the early detection of apple rottenness caused by P enicillium | |
| Seehanam et al. | Internal disorder evaluation of ‘Namdokmai Sithong’mango by near infrared spectroscopy | |
| Makky | Trend in non-destructive quality inspections for oil palm fresh fruits bunch in Indonesia. | |
| Durai et al. | RETRACTED ARTICLE: Research on varietal classification and germination evaluation system for rice seed using hand-held devices | |
| Portalés et al. | An image-based system to preliminary assess the quality of grape harvest batches on arrival at the winery | |
| CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170908 |
|
| RJ01 | Rejection of invention patent application after publication |