Meyve ve sebze kalite tespitinde hiperspektral görüntüleme teknolojisinin uygulanması

Son yıllarda, gıda güvenliği sorunları çok dikkat çekmiştir ve insanların meyve ve sebzelerin kalite ve güvenlik standartlarına ilişkin gereksinimleri giderek daha da yükselmiştir, bu da sosyal kaygının sıcak bir konusu haline gelmiştir. Genel olarak, meyve ve sebzelerin kalitesi, şekil, renk, boyut ve yüzey kusurları gibi dış nitelikleri ve şeker içeriği, asitlik, sertlik, çözünür katı içeriği, nişasta içeriği, nem ve olgunluğun içeriğini içerir. besinler. Kalite, pazar satışlarında önemli bir faktördür.

Kimyasal yöntemler, yüksek performanslı sıvı kromatografisi, kütle spektrometrisi vb. Makine görme ve spektral teknoloji hızlı, tahribatsız ve güvenilir avantajlara sahiptir ve son yıllarda meyve ve sebze kalite tespitinde yaygın olarak kullanılmaktadır. Bunlar arasında, makine görme teknolojisi, dış kalite tespiti için meyve ve sebzelerin şekli, boyutu, renk ve yüzey kusurları gibi mekansal bilgileri çıkarır ve analiz ederken, kızılötesine yakın spektroskopi teknolojisi esas olarak meyve ve sebzelerin iç kalitesini tespit eder.

Hiperspektral görüntüleme teknolojisi, test edilecek nesnenin iç ve dış kalitesini yansıtan spektral bilgileri ve mekansal bilgileri aynı anda elde etmek için görüntüleri spektral teknolojiyle birleştirir. Son yıllarda, yurtiçinde ve yurtdışında meyve ve sebze kalitesinin tahribatsız testinde yaygın olarak incelenmiştir. Bu makale, bu alandaki en son araştırma ilerlemesini hiperspektral görüntüleme teknolojisinin temel prensiplerinden ve meyve ve sebze kalitesinin tahribatsız testinde araştırma ve uygulamasından sunacaktır.

1. Hiperspektral görüntüleme teknolojisi ilkesi

Hiperspektral sistemdeki her piksel, aynı spektral aralıkta düzinelerden yüzlerce sürekli dar bant bilgisini elde edebilir ve pürüzsüz ve eksiksiz bir spektral eğri elde edebilir. Aynı zamanda, tüm görüntüleme sistemi, ölçülecek nesnenin mekansal bilgilerini de elde edebilir, bu da spektral süreklilik ve yüksek çözünürlük özellikleri ile ölçülecek nesnenin eşzamanlı tespitini ve görünüm özelliklerini gerçekleştirebilir.

Sistem tarafından elde edilen hiperspektral görüntü, Şekil 2'de gösterildiği gibi, sürekli bir optik görüntü bantından oluşan stereoskopik üç boyutlu bir görüntü ile temsil edilebilir. XY düzleminin iki boyutlu görüntüsü nesnenin uzamsal bilgilerini temsil eder, bu şekilde Şekil, boyut, kusurlar vb. Oldukça nesnenin dış değişiklikleri yansıma spektrumunu etkileyeceğinden, şekli, renk veya kusur belirli bir dalga boyunda değişecektir. Λ koordinatı, kompozisyon ve yapı gibi test edilen nesnenin iç kalitesini yansıtacak nesnenin spektral bilgilerini temsil eder.

Bu çalışma 400-1000nm hiperspektral kamera uyguladı ve Hangzhou Caipu Technology Co., Ltd.'nin FS13 ürünü ilgili araştırmalar için kullanılabilir. Spektral aralık 400-1000nm, dalga boyu çözünürlüğü 2.5nm'den daha iyidir ve 1200'e kadar spektral kanaldır. Edinme hızı tam spektrumda 128 fps'ye ulaşabilir ve bant seçimi sonrası en yüksek 3300Hz'dir (çok bölgeli bant seçimini destekler).

2. Meyve ve sebzelerin dış kalitesinin tespiti

İnsanların piyasadaki meyve ve sebzeler hakkındaki doğrudan hissi dış kalitelerinin, yani renk, tazelik, boyut, mekanik hasar, donma ve çürümenin yargısıdır. Geleneksel makine görme teknolojisi, düşük hassasiyet ve karmaşık çalışma nedeniyle meyve ve sebzelerin dış kalitesinin tespitinde mekanik hasar, donma, çürüme ve tazelik gibi dış özellikleri ayırt etmek zordur. Hiperspektral görüntüleme teknolojisi bu eksikliği aşar ve çok yönlü tahribatsız tespit elde edebilir. Ayrıca son derece doğru ve kullanımı kolaydır. Son yıllarda, meyve ve sebzelerin dış kalitesinin tespitinde kademeli olarak kullanılmıştır.

Tazluk, meyve ve sebzelerin kalitesini yansıtan önemli bir göstergedir. Taze olarak seçilen meyve ve sebzeler genellikle tüketicilere ulaşmadan önce depolanmalı ve taşınmalıdır. Bu süreç tazeliklerini ve kalitelerini etkileyecektir. Genel olarak konuşursak, insanların meyve ve sebzelerin tazeliğine ilişkin öznel yargısı yanlıştır. Çin lahanı, ıspanak, kolza ve bebek lahanı dahil olmak üzere dört sebze yaprağının spektral görüntüleri toplandı ve 0, 10, 24 ve 48 saatlik dehidrasyonda bir görüntüleme spektrometresi kullanılarak karşılaştırıldı. Bunlar arasında, farklı su kaybı sürelerinde Pakchoi yapraklarının hiperspektral görüntüsünün ve makine görme görüntüsünün karşılaştırmalı analizi, Şekil 3 ve 4'te gösterilmiştir. İki görüntüdeki yaprakların durumunun önemli ölçüde değiştiği görülebilir. Zaman değişikliği, ancak makine görme görüntüsü sadece su kaybı durumunu gösterebilir ve hiperspektral görüntü spektral bilgilerdeki değişiklikleri analiz eder ve yaprakların görünümünün ve iç klorofilinin su kaybı işlemi sırasında değiştiğini bulur. Klorofil göreceli içerik değeri tahmin modelinin korelasyon katsayısı r = 0.76'dır, bu da hiperspektral teknolojinin sebze yapraklarının tazeliğini etkili bir şekilde tanımlayabileceğini gösterir.

Şekil 5'te gösterildiği gibi, elma donmasını incelemek için hiperspektral teknolojisi ve Ann tahmin modeli kullanıldı. Deney, Şekil 6'da gösterilen işlemi kullandı ve beş ana bileşen bandı (717, 751, 875, 960 ve 980 nm) seçildi. YSA modelini oluşturmak için 400-1000 nm bandındaki donma elmalarının hiperspektral görüntüsünden. Eğitim seti, test seti ve validasyon setinin korelasyon katsayıları sırasıyla 0.93, 0.91 ve 0.92 idi ve son olarak%98'den fazla bir tanıma doğruluğu elde etti.

3. Sonuç

Yaşam standartlarının iyileştirilmesiyle, insanlar sağlıklı gıdaların kalitesi için daha yüksek ve daha yüksek gereksinimlere sahiptir. Geleneksel makine görme teknolojisi ve fiziksel ve kimyasal yöntemler, meyve ve sebzelerin kalitesini ölçmede karmaşık ve yıkıcıdır ve tespit ihtiyaçlarını karşılamak zordur. Hiperspektral görüntüleme teknolojisi, makine görme, spektroskopi ve görüntü işleme teknolojisini entegre eder. Üretilen görüntü, sadece test edilecek nesnenin mekansal bilgi özelliklerini içeren değil, aynı zamanda test edilecek nesnenin spektral bilgilerini de içeren üç boyutlu bir "spektrum kombinasyonu" küpüdür. Tarım ürünlerinin kalitesini doğru, hızlı ve tahribatsız bir şekilde tespit edebilir ve çalışması kolaydır. Son yıllarda, meyve ve sebze kalitesinin tespitinde yaygın olarak kullanılmaktadır. Bununla birlikte, görüntü verilerini toplama ve işleme sürecinde, hiperspektral görüntüleme teknolojisi, cihazın performansı ve işleme hızı ile sınırlıdır. Bu teknoloji şu anda esas olarak temel araştırmalarda kullanılmaktadır ve endüstriyel çevrimiçi gerçek zamanlı tespitte yaygın olarak kullanılmamaktadır. Meyve ve sebze kalitesinin ticari çevrimiçi tespitini elde etmek için, bu sorunları çözmek için aşağıdaki iki nokta elde edilmesi gerekir: İlk olarak, görüntüleme spektrometreleri gibi hiperspektral görüntüleme teknolojisinin ilgili ekipmanlarını geliştirmek ve yükseltmek için performanslarını artırmak için ve meyve ve sebze kalite tespitinde hiperspektral görüntüleme teknolojisinin geliştirilmesine elverişli üretim maliyetlerini azaltmak; İkincisi, veri yedekliliğini azaltmak ve hiperspektral görüntülerin edinim ve işleme süresini azaltmak için tam bant ve farklı meyve ve sebze hiperspektral görüntüleri için karakteristik dalga boylarını seçin. Bununla birlikte, toplumun gelişimi ve bilimsel ilerleme ile, hiperspektral görüntüleme teknolojisi gelişmeye ve iyileştirmeye devam edecektir ve gelecekte tarım ürünleri ve gıda güvenliği alanlarında daha geniş kalkınma alanına ve uygulama beklentilerine sahip olacaktır.