高光譜成像技術(shù)在水果品質(zhì)無損檢測(cè)中的研究現(xiàn)狀.pdf

新 疆農(nóng)機(jī)化 2021 年第 6 期 doi 10 13620 ki issn1007 7782 2021 06 004 中圖分類號(hào) TS255 7 文獻(xiàn)標(biāo)識(shí)碼 A 0 引言 隨著社會(huì)經(jīng)濟(jì)的發(fā)展和人民生活品質(zhì)的日益提高 水果在日常飲食中的比例越來越大 人們對(duì)水果品質(zhì)安 全的關(guān)注也越來越重視 水果中含有的豐富纖維素 礦物質(zhì) 以及鐵 鈣 磷 錳 鋅等人體必需的微量元素 對(duì)身體有 較大裨益 1 果品經(jīng)濟(jì)是農(nóng)業(yè)經(jīng)濟(jì)的重要組成部分之一 目 前主要用傳統(tǒng)化學(xué)檢測(cè)手段對(duì)水果品質(zhì)進(jìn)行檢測(cè) 化學(xué) 檢測(cè)方法既費(fèi)時(shí)又費(fèi)力 是一種破壞性的檢測(cè) 嚴(yán)重破壞 了水果外觀和內(nèi)部組織成分 檢測(cè)結(jié)果受外界環(huán)境和人 為因素影響最大 不適用于水果的批量及流水線化處理 嚴(yán)重制約了果品經(jīng)濟(jì)的發(fā)展 2 常見的無損檢測(cè)技術(shù)有光學(xué)無損檢測(cè) 聲學(xué)無損檢 測(cè) 電磁學(xué)無損檢測(cè)和氣味無損檢測(cè) 3 高光譜成像技術(shù)能 同時(shí)得到對(duì)象的高光譜數(shù)據(jù)信息和 RGB 圖像信息 將 兩者優(yōu)勢(shì)融合于一身 可以獲取更多內(nèi)外部品質(zhì)參數(shù)信 息 實(shí)現(xiàn)圖像信息與光譜信息融合 1 高光譜成像系統(tǒng) 如圖 1 高光譜圖像上的每個(gè)像元均可獲取一個(gè)光譜 區(qū)間內(nèi)的窄波段信息 并得到一個(gè)平滑而完整的光譜曲線 4 光譜信息和對(duì)象的物理特性和化學(xué)成分息息相關(guān) 而圖像 信息能反映物體的形狀 大小 顏色等特征 因此高光譜 成像技術(shù)能采集到豐富的光譜信息和完整的 RGB圖像 高光譜成像技術(shù)可實(shí)現(xiàn)對(duì)水果進(jìn)行表面腐爛 損傷等的定 性檢測(cè)分析 以及糖度 水分 硬度 可溶性固形物等的定 量檢測(cè)分析 圖 1 高光譜圖像數(shù)據(jù)立體圖 文章編號(hào) 1007 7782 2021 06 0018 04 高光譜成像技術(shù)在水果品質(zhì)無損檢測(cè)中的研究現(xiàn)狀 張 飛 1 2 羅華平 1 2 高 峰 1 2 王長旭 1 2 張 輝 1 2 于智海 1 2 王玉婷 1 2 1 塔里木大學(xué)機(jī)械電氣化工程學(xué)院 新疆 阿拉爾 843300 2 新疆維吾爾自治區(qū)現(xiàn)代農(nóng)業(yè)工程重點(diǎn)實(shí)驗(yàn)室 摘 要 高光譜成像技術(shù)能實(shí)現(xiàn) 圖譜合一 被廣泛應(yīng)用于各種水果的品質(zhì)檢測(cè) 為了深入了解高光譜成像技術(shù)在水果品質(zhì)檢測(cè) 中的應(yīng)用研究 介紹了高光譜成像技術(shù)的基本原理與數(shù)據(jù)處理方法以及高光譜成像技術(shù)在水果品質(zhì)檢測(cè)的進(jìn)展 討論了高光譜 成像技術(shù)在水果品質(zhì)檢測(cè)中的發(fā)展趨勢(shì)及存在的不足 關(guān)鍵詞 高光譜成像技術(shù) 水果 品質(zhì) 無損檢測(cè) CurrentResearchSituationofApplicationofHyperspectral ImaginginNon destructiveDetectofFruitquality ZHANG Fei 1 2 LUO Huaping 1 2 GAO Feng 1 2 WANG Changxu 1 2 ZHANG Hui 1 2 YU Zhihai 1 2 WANG Yuting 1 2 1 CollegeofMechanicalandElectronicEngineering TarimUniversity Alar 843300 Xinjiang China 2 KeyLaboratoryofColleges Fruit Quality Non destructivedetect 修回日期 2021 05 19 基金項(xiàng)目 國家自然科學(xué)基金項(xiàng)目 南疆紅棗多尺度高光 譜偏振定量遙感模型研究 11964030 基于偏振二向色性 南疆紅棗品質(zhì)偏振遙感機(jī)理研究 11464039 通訊作者 羅華平 光譜曲線 某像素點(diǎn)下的光譜曲線 100012001400 1600 波長 nm 0 5 0 6 0 7 0 8 0 9 1 0 x y 開發(fā)研究 18 新 疆農(nóng)機(jī)化2021 年第 6 期 高光譜成像系統(tǒng)的組成有兩部分 一部分是數(shù)據(jù)采集 軟件和數(shù)據(jù)分析軟件 另一部分是硬件組成 如圖 2 主要 包含成像光譜儀 光源 CCD相機(jī) 計(jì)算機(jī)與運(yùn)動(dòng)平臺(tái)等 高光譜成像系統(tǒng)的核心部件為 CCD相機(jī)和成像光譜儀 能實(shí)現(xiàn)對(duì)檢測(cè)對(duì)象光譜和圖像信息的快速獲取 利用在 檢測(cè)過程中光譜儀接收到的反射光 散射光和透射光 最 終得到檢測(cè)對(duì)象的高光譜圖像 圖 2 高光譜系統(tǒng)組成 高光譜成像系統(tǒng)常采用 推掃式 成像方式獲得對(duì) 象在空間中的每個(gè)像素在不同波長下的高光譜圖像信 息 可以從紫外光波段到可見光波段再到紅外光 200 2500 nm 波段 常見的成像光譜儀光譜范圍有 400 1000nm 900 1700nm 900 2500nm等 高光譜圖像能包含對(duì)象 的光譜信息和空間信息 不僅能反映外部特征 也能反映 內(nèi)部品質(zhì)特征 2 數(shù)據(jù)處理方法 高光譜圖像的光譜分辨率高 因此物體的微小特征也 能精細(xì)的顯示出來 成像光譜儀在每個(gè)波段都進(jìn)行拍照 數(shù)據(jù)量大 相關(guān)性高 同時(shí)包含了樣品內(nèi)外部信息 但是采 集的數(shù)據(jù)包含噪聲以及其他無用信息 以全波段信息建立 模型并計(jì)算不僅耗費(fèi)大量時(shí)間 噪聲也會(huì)影響建模精度 因此需要進(jìn)行光譜信息預(yù)處理 消除噪聲 對(duì)數(shù)據(jù)降維 壓縮 提取特征波段數(shù)據(jù)等 提高處理效率和精度 通常采 用的預(yù)處理方法有 標(biāo)準(zhǔn)化 standardization 多元散射 校正 multiplicative scatter correction MSC Savitzky Golay卷積平滑算法 SG 平滑 移動(dòng)平均平滑算法 movingaveragesmoothing 等 5 目前國內(nèi)外對(duì)光譜數(shù)據(jù)處理的過程是 光譜數(shù)據(jù)校 正 選擇感興趣區(qū)域 regionofinterest ROI 獲取光譜信 息數(shù)據(jù) 采用連續(xù)投影算法 successive projections algorithm SPA 競(jìng)爭性自適應(yīng)重加權(quán)算法 competitive adaptivereweightedsampling CARS 和主成分分析法 principalcomponentanalysis PCA 等算法對(duì)數(shù)據(jù)處理 去除無用信息 找出特征波段 建立相應(yīng)的模型 常用建 模方法有 主成分回歸 PCR 隨機(jī)森林 RF 支持向量 機(jī) SVM 和偏最小二乘法 PLS 等 3 在水果品質(zhì)檢測(cè)中的應(yīng)用 3 1 水果外部品質(zhì)檢測(cè) 水果的外部品質(zhì)無損檢測(cè)主要是對(duì)顏色 大小 形狀 表面缺陷 表面污染等外部特征進(jìn)行檢測(cè)判斷 外部品質(zhì) 特征能最直觀的反應(yīng)水果的品質(zhì) 傳統(tǒng)方式靠分揀人員的 肉眼和經(jīng)驗(yàn)進(jìn)行判斷 效率低 誤差大 機(jī)器視覺技術(shù)雖然 能實(shí)現(xiàn)外觀品質(zhì)的快速自動(dòng)檢測(cè) 但是對(duì)不明顯的表面 損傷和缺陷 例如凍傷 碰傷 病菌等區(qū)域的識(shí)別準(zhǔn)確度 較低 不能精確的反映出外部品質(zhì)缺陷 3 1 1 水果表面損傷和缺陷的檢測(cè) 方益明等 6 利用高光譜成像技術(shù)對(duì)庫爾勒香梨表面 損傷進(jìn)行檢測(cè) 400 1000nm 根據(jù)不同波段下香梨的高 光譜圖像清晰度及與背景區(qū)域?qū)Ρ冗x擇 863nm處高光 譜圖像建立掩膜圖像 并對(duì)數(shù)據(jù)進(jìn)行降維 采用的是主成 分分析 PCA 算法 根據(jù)損傷區(qū)域與背景區(qū)域光譜差異 選擇主成分圖像 與其他主成分圖像進(jìn)行比值處理 將圖 像進(jìn)行分割 運(yùn)算及形態(tài)學(xué)分析 結(jié)論表明能夠有效識(shí)別 出香梨的表面損傷 準(zhǔn)確度為 93 75 Janos等 7 開發(fā)了蘋果早期淤傷無損檢測(cè)系統(tǒng) 使用 高光譜成像技術(shù)實(shí)現(xiàn)在線快速檢測(cè) 該系統(tǒng)在光譜數(shù)據(jù) 與處理的基礎(chǔ)上加入了眩光校正 結(jié)果表明對(duì)淤傷識(shí)別 準(zhǔn)確度達(dá) 98 Keresztes等 8 對(duì)蘋果表面挫傷進(jìn)行高光 譜成像技術(shù)檢測(cè) 通過光譜歸一化處理和采用偏最小二 乘算法建模對(duì)于挫傷預(yù)測(cè)最準(zhǔn)確 準(zhǔn)確率可達(dá) 90 1 3 1 2 水果表面農(nóng)藥殘留檢測(cè) 趙曼彤等 9 利用高光譜成像技術(shù)對(duì)香梨表面不同濃 度杜邦萬靈檢測(cè)進(jìn)行了研究 首先對(duì)香梨 376 1051nm 波段的原始數(shù)據(jù)進(jìn)行預(yù)處理并采用連續(xù)投影算法選取 特征波段 結(jié)果表明通過多元線性回歸建立農(nóng)藥殘留檢 測(cè)模型正確率可達(dá)到 80 徐潔等 10 使用高光譜成像技術(shù)對(duì)農(nóng)藥殘留種類進(jìn)行 了研究 在鹵素?zé)粝虏杉?450 1000nm波長范圍數(shù)據(jù) 將 不同種類的農(nóng)藥溶液滴在哈密瓜表面 提取感興趣區(qū)域 ROI 光譜數(shù)據(jù)后結(jié)合貝葉斯判別法 分析結(jié)果表明在鹵 素?zé)粝聦?duì)農(nóng)藥殘留識(shí)別準(zhǔn)確率可達(dá) 100 3 1 3 水果表面腐敗檢測(cè) 薛書凝等 11 采集不同貯藏時(shí)間香蕉的高光譜數(shù)據(jù) 對(duì) 原始圖像數(shù)據(jù)進(jìn)行降噪處理后進(jìn)行主成分分析 使用 Wilks統(tǒng)計(jì)量結(jié)合主成分分析數(shù)據(jù)提取特征波長 做出不 同貯藏時(shí)間下平均光譜反射值曲線 同時(shí)對(duì)香蕉色差數(shù) 據(jù)進(jìn)行分析 分析測(cè)試隨時(shí)間變化色差數(shù)據(jù)異常點(diǎn)發(fā)生 光譜儀 光源 相機(jī) 鏡頭 步進(jìn)電機(jī) 樣品 運(yùn)動(dòng)平臺(tái) 高光譜 圖像 開發(fā)研究 19 新 疆農(nóng)機(jī)化 2021 年第 6 期 時(shí)間 結(jié)果表明特征光譜數(shù)據(jù)與色差指標(biāo)分析結(jié)果一致 確定了腐敗基準(zhǔn)為第 6個(gè)貯藏日 利用馬氏距離構(gòu)建了腐 敗預(yù)警模型 驗(yàn)證結(jié)果與香蕉實(shí)際腐敗過程相吻合 張棣等 12 對(duì)同一批不同貯藏時(shí)間段黃瓜進(jìn)行高光譜 數(shù)據(jù)采集 進(jìn)行光譜預(yù)處理后使用偏最小二乘回歸提取 特征波長 使用馬氏距離建立腐敗預(yù)警模型 結(jié)果與黃瓜 貯藏實(shí)際情況符合 3 2 水果內(nèi)部品質(zhì)檢測(cè) 水果內(nèi)部品質(zhì)特征是衡量水果營養(yǎng)價(jià)值的重要依 據(jù) 主要包含糖度 水分 硬度 可溶性固形物等指標(biāo) 因此 利用高光譜成像技術(shù)對(duì)糖度 水分和可溶性固形物等的 檢測(cè)成為研究熱點(diǎn) 3 2 1 成熟度 曹曉峰等 13 使用高光譜成像技術(shù)采集了未成熟果 白熟 初紅果和半紅 全紅果冬棗的高光譜圖像 用 CARS和 SPA算法對(duì)光譜進(jìn)行處理 提取特征波長 同時(shí) 從冬棗生理成分變化計(jì)算得到 7個(gè)光譜參數(shù) SIs 分別 對(duì)兩種算法和 SIs建立偏最小二乘模型 PLS 進(jìn)行對(duì)比 判別精度分別為 99 27 95 45 98 18 結(jié)果表明 SIs 建立的模型效果最好 并通過回歸分析將結(jié)果以不同顏 色表示出來 3 2 2 硬度 孟慶龍等 14 以高光譜成像技術(shù)結(jié)合誤差方向傳播 error BackPropagation BP 網(wǎng)絡(luò)算法采集李子的高光譜數(shù)據(jù) 提取感興趣區(qū)域的反射率 使用不同預(yù)處理與 BP網(wǎng)絡(luò)模 型結(jié)合 之后采用主成分分析提取李子硬度特征光譜 結(jié) 果表明采用一階導(dǎo)數(shù)預(yù)處理的光譜建立的模型 RC 0 939 采用標(biāo)準(zhǔn)正態(tài)變換處理的光譜建立的模型 RC 0 723 有較 好預(yù)測(cè)能力 3 2 3 糖度 程麗娟等 15 利用高光譜成像技術(shù)與化學(xué)計(jì)量方法建 立了蔗糖的無損預(yù)測(cè)模型 采用高效液相色譜法檢測(cè)蔗 糖含量 對(duì)光譜數(shù)據(jù)處理后建立三種回歸模型對(duì)比 結(jié)果 表明采用競(jìng)爭性自適應(yīng)加權(quán)算法和主成分分析建模效 果最好 校正集 預(yù)測(cè)集相關(guān)系數(shù)為 0 861 0 843 實(shí)現(xiàn)了 對(duì)糖分的預(yù)測(cè) 王風(fēng)云等 16 獲取了套袋和不套袋兩種種植模式的紅 富士蘋果的高光譜數(shù)據(jù) 利用三種光譜預(yù)處理方法 全光 譜 主成分分析 蟻群算法 和兩種建模算法 反向傳播神 經(jīng)網(wǎng)絡(luò) 最小二乘模型 建立了六種模型 對(duì)比發(fā)現(xiàn)蟻群 算法和偏最小二乘模型在套袋和不套袋蘋果糖度的預(yù) 測(cè)上都表現(xiàn)出了最高的預(yù)測(cè)精度 套袋校正集 R 為 0 9449 預(yù)測(cè)集為 0 9602 不套袋正集 R為 0 9258 預(yù)測(cè)集 為 0 9279 能夠預(yù)測(cè)糖分含量 3 2 4 可溶性固形物 MaT等 17 采用高光譜成像技術(shù)對(duì)蘋果可溶性固形物 進(jìn)行檢測(cè) 分別獲取蘋果表面 4個(gè)區(qū)域的高光譜圖像 計(jì) 算光譜反射率與可溶性固形物含量關(guān)系 得到結(jié)果交叉 驗(yàn)證系數(shù) 0 89 均方根誤差 0 55 結(jié)果說明高光譜成像 技術(shù)可以檢測(cè)蘋果可溶性固形物 邵園園等 18 將 0 0 5 和 1 濃度的殼聚糖涂膜草 莓分別儲(chǔ)藏 1 天 2 天和 4 天后進(jìn)行成像并測(cè)量樣品的 SSC 對(duì)樣品 SSC分析后發(fā)現(xiàn) 在相同貯藏時(shí)間內(nèi) 表面含 有殼聚糖涂層的草莓 SSC增加量更高 采用蒙特卡洛 偏最小二乘法剔除異常數(shù)據(jù)樣本 采用不同預(yù)處理方法 通過競(jìng)爭性自適應(yīng)重加權(quán)采樣算法和連續(xù)投影算法選 擇特征波段 最后采用偏最小二乘回歸和支持向量回歸 建立回歸模型 結(jié)果表明競(jìng)爭性自適應(yīng)算法 支持向量 回歸方法最優(yōu) 模型結(jié)果表明 0 濃度 0 5 濃度和 1 濃 度的決定系數(shù)分別為 0 865 0 808 0 834 表明高光譜成像 技術(shù)在殼聚糖涂膜草莓的無損檢測(cè)中有較好效果 4 結(jié)語 高光譜成像技術(shù)在各類水果無損檢測(cè)中得到廣泛 應(yīng)用 尤其是對(duì)水果表面損傷 內(nèi)部糖分水分 表面農(nóng)藥 殘留等的檢測(cè) 相較于傳統(tǒng)的檢測(cè)方式有有快速 高精 度 無破壞性等特點(diǎn) 大量研究性論文已經(jīng)證明了高光譜成 像作為水果品質(zhì)的檢測(cè)工具是可行的 在水果品質(zhì)檢測(cè) 方面有巨大發(fā)展?jié)摿?目前高光譜成像技術(shù)主要有以下不足 首先是高光 譜成像技術(shù)采集的數(shù)據(jù)量大 冗余信息多 通常需要利用 各種算法提取特征波長進(jìn)行降維 使得數(shù)據(jù)處理與結(jié)果 分析耗費(fèi)時(shí)間長 不利于大規(guī)模在線檢測(cè) 其次 高光譜 相機(jī)不易攜帶 通常需要配合三角架等設(shè)備才能工作 高 光譜成像技術(shù)目前主要工作范圍仍然為近地面 不能同 無人機(jī)及衛(wèi)星區(qū)域遙感建立相互聯(lián)系 實(shí)現(xiàn)戶外果樹果 品大范圍采集檢測(cè) 最后 高光譜相機(jī)價(jià)格較為昂貴 不 利于推廣 增加了應(yīng)用成本 高光譜成像技術(shù)作為一種有 效的無損檢測(cè)技術(shù)未來將在農(nóng)產(chǎn)品 食品等領(lǐng)域繼續(xù)發(fā) 揮作用以促進(jìn)高光譜成像實(shí)現(xiàn)便捷 快速 高精度的實(shí)時(shí) 在線檢測(cè) 參考文獻(xiàn) 1 李夢(mèng)珠 基于高光譜技術(shù)的水果品質(zhì)無損檢測(cè)研究 D 西安 開發(fā)研究 20 新 疆農(nóng)機(jī)化2021 年第 6 期 上接第 17 頁 6 Duke M Bulanon Takashi Kataoka Hiroshi Okamoto et al Feedbackcontrolofmanipulatorusingmachinevisionforrobotic appleharvesting C ASAEAnnualInternationalMeeting 2005 1 8 7 周天娟 張鐵中 果蔬采摘機(jī)器人技術(shù)研究進(jìn)展和分析 J 農(nóng)業(yè)機(jī) 械 2006 22 38 39 8 KondoN TingKC Roboticsforbio productionsystems M ASAE Publisher 1998 9 趙春光 蘋果采摘機(jī)械手的設(shè)計(jì)與優(yōu)化 D 哈爾濱商業(yè)大學(xué) 2019 10 馬履中 楊文亮 王成軍 等 蘋果采摘機(jī)器人末端執(zhí)行器的結(jié)構(gòu) 設(shè)計(jì)與試驗(yàn) J 農(nóng)機(jī)化研究 2009 31 12 65 67 11 Zhao De An Lv Jidong Ji Wei et al Design and control of an appleharvestingrobot J BiosystemsEngineering 2011 110 2 12 顧寶興 姬長英 王海青 等 智能移動(dòng)水果采摘機(jī)器人設(shè)計(jì)與試 驗(yàn) J 農(nóng)業(yè)機(jī)械學(xué)報(bào) 2012 43 6 153 160 13 顧寶興 姬長英 王海青 等 農(nóng)用開放式智能移動(dòng)平臺(tái)研制 J 農(nóng) 業(yè)機(jī)械學(xué)報(bào) 2012 43 4 173 178 187 14 顧寶興 智能移動(dòng)式水果采摘機(jī)器人系統(tǒng)的研究 D 南京農(nóng)業(yè)大 學(xué) 2012 15 TRINDAD J B Machine for automatically harvesting fruits cultivatedinrows EP3498076A1 P 2017 12 15 16 MontaM KondoN InstituteofElectricandElectronicEngineer Agriculturalrobotingrape productionsystem C Robotics and Automation 1995 Proceedings 1995 IEEE International Conferenceonvol 3 1995 2504 2509 17 郭素娜 張麗 劉志剛 一種高精度自主導(dǎo)航定位的葡萄采摘機(jī) 器人設(shè)計(jì) J 農(nóng)機(jī)化研究 2016 38 7 20 24 18 張潔 李艷文 果蔬采摘機(jī)器人的研究現(xiàn)狀 問題及對(duì)策 J 機(jī)械 設(shè)計(jì) 2010 27 6 1 5 19 劉長林 張鐵中 楊麗 果蔬采摘機(jī)器人研究進(jìn)展 J 安徽農(nóng)業(yè)科 學(xué) 2008 13 5394 5397 20 Seiichi Arima Naoshi Kondo Cucumber Harvesting Robot and Plant Training System J Journal of Robotics and Mechatroics 1999 11 3 208 212 21 E J van Henten et al An Autonomous Robot for Harvesting Cucumbers in Greenhouses J Autonomous Robots 2002 13 3 241 258 22 E J Van Henten et al Field Test of an Autonomous Cucumber PickingRobot J BiosystemsEngineering 2003 86 3 23 張帆 張帥輝 張俊雄 等 溫室黃瓜采摘機(jī)器人系統(tǒng)設(shè)計(jì) J 農(nóng)業(yè) 工程技術(shù) 2020 40 25 16 20 電子科技大學(xué) 2019 2 張保華 李江波 樊書祥 等 高光譜成像技術(shù)在果蔬品質(zhì)與安 全無損檢測(cè)的原理及應(yīng)用 J 光譜學(xué)與光譜分析 2014 34 10 2743 2751 3 彭彥昆 農(nóng)畜產(chǎn)品品質(zhì)安全光學(xué)無損快速檢測(cè)技術(shù) M 北京 科學(xué)出版社 2016 5 8 4 賈敏 歐中華 高光譜成像技術(shù)在果蔬品質(zhì)檢測(cè)中的應(yīng)用 J 激光生物學(xué)報(bào) 2018 27 2 119 126 5 褚小立 化學(xué)計(jì)量學(xué)方法與分子光譜分析技術(shù) M 化學(xué)工業(yè) 出版社 2011 6 方益明 楊帆 李曉勤 庫爾勒香梨表面損傷的高光譜圖像檢 測(cè)方法 J OL 激光與光電子學(xué)進(jìn)展 1 12 2020 12 09 7 JanosCK MohammadG Real timepixelbasedearlyapplebruise detection using short wave infrared hyperspectral imaging in combination with calibration and glare correction techniques J FoodControl 2016 66 1 215 226 8 Keresztes JC Diels E Goodarzi M et al Glare based apple sortingand iterative algorithm for bruise region detection using shortwave infrared hyperspectral imaging J Postharvest Biol Technol 2017 130 103 115 9 趙曼彤 李柏承 周瑤 等 香梨表面低濃度農(nóng)藥殘留高光譜檢測(cè) 研究 J 光學(xué)技術(shù) 2016 42 5 408 412 419 10 徐潔 楊杰 孫靜濤 等 基于高光譜技術(shù)的哈密瓜表面農(nóng)藥 殘留判別分析 J 江蘇農(nóng)業(yè)科學(xué) 2016 44 12 338 340 11 薛書凝 殷勇 于慧春 等 香蕉貯藏中腐敗基準(zhǔn)確定與高光 譜信息表征及腐敗預(yù)警模型構(gòu)建 J 光譜學(xué)與光譜分析 2020 40 12 3871 3877 12 張棣 殷勇 于慧春 等 高光譜融合馬氏距離的貯藏黃瓜腐 敗預(yù)警方法 J 核農(nóng)學(xué)報(bào) 2020 34 12 2749 2755 13 曹曉峰 任惠如 李幸芝 等 高光譜技術(shù)結(jié)合特征波長 光譜 指數(shù)對(duì)冬棗成熟度可視化判別 J 光譜學(xué)與光譜分析 2018 38 7 2175 2182 14 孟慶龍 張艷 尚靜 高光譜成像結(jié)合 BP 網(wǎng)絡(luò)無損檢測(cè)李子 的硬度 J 激光與紅外 2019 49 8 968 973 15 程麗娟 劉貴珊 何建國 等 靈武長棗蔗糖含量的高光譜無 損檢測(cè) J 食品科學(xué) 2019 40 10 285 291 16 王風(fēng)云 鄭紀(jì)業(yè) 阮懷軍 等 基于高光譜的套袋和不套袋蘋 果糖度無損預(yù)測(cè)模型研究 J 山東農(nóng)業(yè)科學(xué) 2020 52 6 129 136 17 MaT Li X Inagaki T et al Noncontent evaluation of solube solidscontentinapplesbynear infraredhyperspectralimaging J Journal of Food Engineering 2018 224 53 61 18 邵園園 王永賢 玄冠濤 等 高光譜成像快速檢測(cè)殼聚糖涂 膜草莓可溶性固形物 J 農(nóng)業(yè)工程學(xué)報(bào) 2019 35 18 245 254 開發(fā)研究 21