利用高光譜成像預測柑橘品質(zhì)屬性

?

【背景】：高光譜成像技術(shù)可以快速且無(wú)損的測量食物品質(zhì)。該研究調查了高光譜成像在400-1000 nm波段范圍預測柑橘果實(shí)內部品質(zhì)屬性例如總可溶性固形物（TSS），pH，可滴定酸度（TA）和成熟度指數（TSS/TA）；以及外部品質(zhì)屬性，例如顏色成分（L*，a*，?b*）和顏色指數（CI）的可行性。

【方法】：從亞馬遜州（秘魯）收集柑橘樣品（甜橙，瓦倫西亞品種），共80個(gè)無(wú)不良特征（如物理破壞，病害以及污染成分）的樣品。樣品隨機分為兩組，75%為“校正集”，其余為“預測集”，用于模型的外部驗證。利用Resonon?Pika?XC高光譜成像系統（400-1000 nm）掃描柑橘并采集圖像。利用偏最小二乘法建立預測品質(zhì)屬性的完整模型。利用回歸系數確定最優(yōu)波段，通過(guò)多元線(xiàn)性回歸建立簡(jiǎn)化模型。預測的確定系數（R²p）以及預測的標準誤差（SEP）用來(lái)衡量模型的性能。

【結果】：內部品質(zhì)屬性的完整模型性能較低（R²p < 0.3，SEP >50%）。外部品質(zhì)屬性的完整模型性能較高（L*：R²p = 0.898，SEP = 19%；a*：R²p = 0.952，SEP = 13%；b*：R²p = 0.922，SEP = 20%；CI：R²p = 0.972，SEP = 12%）。簡(jiǎn)化模型與外部品質(zhì)屬性性能相似。

柑橘圖像和光譜處理的主要步驟：（a）確認感興趣區域；（b）原始平均反射光譜；（c）校正反射率

柑橘的二階導數光譜：（a）完整樣品；（b）半樣品

預測模型的平均預測標準誤差（MSEP）：（a）柑橘內部品質(zhì)屬性；（b）柑橘外部品質(zhì)屬性

用于預測的完整模型的回歸系數：（a）柑橘內部品質(zhì)屬性；（b）柑橘外部品質(zhì)屬性

外部品質(zhì)屬性觀(guān)測值和預測值（簡(jiǎn)化模型）關(guān)系圖：（a）L*參數；（b）a*參數；（c）b*參數；（d）顏色指數

【結論】：高光譜成像具有以客觀(guān)且無(wú)接觸方式預測柑橘顏色的潛力。在未來(lái)的研究中，可以通過(guò)不同的光譜區域（＞1000 nm）進(jìn)一步改進(jìn)完整柑橘內部品質(zhì)屬性的預測。

利用高光譜成像預測柑橘品質(zhì)屬性.pdf