日韩av大片在线观看欧美成人不卡|午夜先锋看片|中国女人18毛片水多|免费xx高潮喷水|国产大片美女av|丰满老熟妇好大bbbbbbbbbbb|人妻上司四区|japanese人妻少妇乱中文|少妇做爰喷水高潮受不了|美女人妻被颜射的视频,亚洲国产精品久久艾草一,俄罗斯6一一11萝裸体自慰,午夜三级理论在线观看无码

題目

基于高光譜成像技術(shù)的甘薯缺陷檢測(cè)與分析

應(yīng)用關(guān)鍵詞

甘薯,、高光譜技術(shù),、缺陷檢測(cè)、農(nóng)業(yè)應(yīng)用

背景

中國(guó)是世界上甘薯種植面積最大的國(guó)家,。甘薯的凍傷、病害等缺陷會(huì)導(dǎo)致其逐漸氧化腐爛,，感染其他健康紅薯，造成嚴(yán)重的經(jīng)濟(jì)損失,。紅薯質(zhì)量分級(jí)是區(qū)分缺陷紅薯和健康紅薯,，防止紅薯交叉侵染，提高紅薯產(chǎn)業(yè)利潤(rùn)的有效手段,。人工檢測(cè)是紅薯缺陷檢測(cè)的主要方法,，但人工檢測(cè)耗時(shí),、費(fèi)力且不準(zhǔn)確,。

高光譜成像作為一種新興的技術(shù),，可以同時(shí)獲取樣品的光譜信息和空間信息,，已經(jīng)成功取代了傳統(tǒng)的光譜分析和可見(jiàn)光圖像,，成為一種快速的無(wú)損檢測(cè)和分類方法。利用高光譜成像技術(shù)識(shí)別水果損傷是可行的,。然而，利用高光譜成像技術(shù)鑒定和分類缺陷紅薯的報(bào)道很少,。

本研究以“龍薯9號(hào)”甘薯為研究對(duì)象,，采用高光譜成像技術(shù)對(duì)缺陷甘薯進(jìn)行鑒定,，并采用偏最小二乘判別分析（PLS-DA）和線性判別分析（LDA）建立分類模型,，為甘薯貯藏加工提供理論依據(jù)，有助于提高甘薯產(chǎn)業(yè)的經(jīng)濟(jì)效益,。

試驗(yàn)設(shè)計(jì)

農(nóng)業(yè)農(nóng)村部南京農(nóng)業(yè)機(jī)械化研究所胡志超研究員團(tuán)隊(duì)利用江蘇雙利合譜公司的可見(jiàn)/近紅外高光譜成像系統(tǒng)Gaiafield-V10E,，獲取了三種類型的紅薯樣本高光譜影像（圖1）。高光譜系統(tǒng)的波長(zhǎng)范圍為400 – 1000 nm,，光譜分辨率為2.8 nm,，入射狹縫寬度為30 μm，相機(jī)分辨率為1392 × 1040 dpi,。高光譜系統(tǒng)采用推掃式成像技術(shù),，入射狹縫位于準(zhǔn)直系統(tǒng)的前焦平面上。

將整個(gè)甘薯樣本作為感興趣區(qū)域（ROI）,，提取并計(jì)算每個(gè)ROI中所有像素的平均光譜,。在對(duì)原始光譜進(jìn)行標(biāo)準(zhǔn)正態(tài)變量（SNV）預(yù)處理后，采用基于聯(lián)合x-y距離（SPXY）算法的樣本集分割,。本研究采用蒙特卡羅無(wú)信息變量消除法（MCUVE）,、隨機(jī)蛙跳法（RF）和逐步投影法（SPA）進(jìn)行波段選擇。采用偏最小二乘判別分析（PLS-DA）和線性判別分析（LDA）兩種分類器建立缺陷紅薯的分類模型,。

圖1 三種類型的紅薯樣本：（A）健康紅薯,，（B）凍傷紅薯，（C）患病紅薯

結(jié)論

SNV預(yù)處理后的光譜縱向聚集程度有所提高,，有助于消除平移誤差（圖2）,。在420 nm附近有較強(qiáng)的反射率下降，這是類胡蘿卜素的吸收區(qū)域,。光譜吸收波段在980 nm左右,，屬于水中O-H的二級(jí)吸收波段，由于甘薯含水量高,，存在較大的吸收峰,。健康甘薯與患病甘薯在600 - 1000 nm范圍內(nèi)差異顯著,。在650 - 850 nm范圍內(nèi)，凍傷甘薯與健康甘薯差異明顯,，凍傷甘薯與患病甘薯差異不大,。

圖2 甘薯光譜曲線：（A）原始光譜，（B）SNV預(yù)處理后的光譜,，（C）平均光譜

分別采用MCUVE,、RF和SPA提取特征波段，用于后續(xù)構(gòu)建分類模型,。提取的特征波段分布如表1所示,。MCUVE、RF和SPA分別提取了11,、10和10個(gè)特征波段,。

表1 通過(guò)MCUVE、RF和SPA方法選擇的特征波段

基于MCUVE,、RF和SPA方法提取的特征波段建立了PLS-DA和LDA模型,。使用MCUVE、RF和SPA方法的模型均獲得了滿意的結(jié)果（圖3）,。RF-PLS-DA模型對(duì)健康,、凍傷和病變樣本的分類準(zhǔn)確率分別為97.14%、94.29%和87.14%,，總體分類準(zhǔn)確率為92.86%（圖4）,。大多數(shù)誤判發(fā)生在患病的紅薯上，其被誤認(rèn)為是凍傷的紅薯,。

如圖5所示,，MCUVE-LDA模型對(duì)三種甘薯樣品的分離不清楚，病害與凍傷樣品重疊嚴(yán)重,。與MCUVE-LDA模型相比,，RF-LDA和SPA-LDA模型具有更好的樣本分類性能，因?yàn)槿N類型的甘薯樣本聚類顯著,。為了進(jìn)一步進(jìn)行定量分析,，生成LDA模型的混淆矩陣。如圖6所示,，MCUVE-LDA模型將部分患病樣本誤判為凍傷樣本,，患病甘薯的分類準(zhǔn)確率較低，為90%,，總體準(zhǔn)確率為96.19%,。RF-LDA模型和SPA-LDA模型幾乎沒(méi)有誤判，總體分類準(zhǔn)確率均達(dá)到99.52%,?？紤]到SPA-LDA高于RF-LDA模型訓(xùn)練集98.73%的總體分類準(zhǔn)確率,，因此認(rèn)定SPA-LDA是較優(yōu)的分類模型。

結(jié)果表明,，SPA-LDA是較優(yōu)的分類模型,，所建立的模型能夠有效地識(shí)別凍傷、患病和健康紅薯,。本研究為高光譜成像技術(shù)在甘薯貯藏加工監(jiān)測(cè)中的應(yīng)用提供了理論依據(jù)和技術(shù)支持,。

圖3 PLS-DA模型的訓(xùn)練和預(yù)測(cè)結(jié)果：（A）MCUVE-PLS-DA模型，（B）RF-PLS-DA模型,，（C）SPA-PLS-DA模型

圖4 PLS-DA的混淆矩陣：（A）MCUVE-PLS-DA模型,，（B）RF-PLS-DA模型，（C）SPA-PLS-DA模型

圖5 LDA模型三維散點(diǎn)圖：（A）MCUVE-LDA模型,，（B）RF-LDA模型,，（C）SPA-LDA模型

圖6 LDA模型的混淆矩陣：（A）MCUVE-LDA模型,，（B）RF-LDA模型,，（C）SPA-LDA模型

作者信息

胡志超，博士,，農(nóng)業(yè)農(nóng)村部南京農(nóng)業(yè)機(jī)械化研究所研究員,，博士生導(dǎo)師。

主要研究方向：綠色耕作與收獲機(jī)械化技術(shù)裝備,。

參考文獻(xiàn)：

Shao, Y.Y., Liu, Y., Xuan, G.T., Shi, Y.K., Li, Q.K., & Hu, Z.C. (2022). Detection and analysis of sweet potato defects based on hyperspectral imaging technology. Infrared Physics & Technology, 127.

https://doi.org/10.1016/j.infrared.2022.104403