论文部分内容阅读
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。