高光譜相機(jī)技術(shù)

高光譜相機(jī)是一種結(jié)合了光學(xué)、成像技術(shù)和計(jì)算機(jī)科學(xué)的先進(jìn)設(shè)備。它能夠獲取物體的高光譜信息，這些信息包含了物體反射、透射、散射等多個(gè)維度的數(shù)據(jù)。通過(guò)對(duì)這些數(shù)據(jù)的分析，我們可以得到物體的詳細(xì)物理和化學(xué)特性。高光譜相機(jī)在核桃仁品質(zhì)檢測(cè)和等級(jí)分類(lèi)中的應(yīng)用，能夠?qū)崿F(xiàn)非破壞性的、高效的檢測(cè)。

核桃仁內(nèi)部品質(zhì)檢測(cè)

利用高光譜相機(jī)技術(shù)，我們可以獲取核桃仁內(nèi)部品質(zhì)的信息。如水分、油脂含量、蛋白質(zhì)含量等都可以通過(guò)高光譜數(shù)據(jù)進(jìn)行無(wú)損檢測(cè)。通過(guò)對(duì)這些數(shù)據(jù)的分析，我們可以判斷核桃仁的內(nèi)部品質(zhì)是否符合標(biāo)準(zhǔn)。

核桃仁外觀等級(jí)分類(lèi)

高光譜相機(jī)還可以用于核桃仁外觀等級(jí)的分類(lèi)。通過(guò)對(duì)核桃仁的形狀、大小、色澤等外觀特征的高光譜數(shù)據(jù)進(jìn)行分析，可以實(shí)現(xiàn)核桃仁外觀等級(jí)的自動(dòng)化分類(lèi)。這大大提高了分類(lèi)的準(zhǔn)確性和效率，減少了人為錯(cuò)誤。

高光譜相機(jī)實(shí)現(xiàn)核桃仁內(nèi)部品質(zhì)檢測(cè)和外觀等級(jí)分類(lèi)

本研究應(yīng)用了400-1000nm的高光譜相機(jī)，可采用廣東賽斯拜克科技有限公司產(chǎn)品SP130M進(jìn)行相關(guān)研究。光譜范圍在400-1000nm，波長(zhǎng)分辨率優(yōu)于2.5nm，可達(dá)1200個(gè)光譜通道。采集速度全譜段可達(dá)128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

為了探索同時(shí)實(shí)現(xiàn)核桃仁內(nèi)部品質(zhì)檢測(cè)和外觀等級(jí)分類(lèi)的方法，本研究采用高光譜成像技術(shù)開(kāi)展了核桃仁脂肪含量、蛋白質(zhì)含量及色澤的特征光譜篩選，篩選出了品質(zhì)指標(biāo)的相關(guān)特征波段以期為核桃仁品質(zhì)無(wú)損檢測(cè)的應(yīng)用提供參考。

　　核桃仁樣品在近紅外區(qū)域（863~1704 mm）的平均光譜信息及預(yù)處理后的光譜信息如圖3所示。樣品原始光譜信息總體特征基本一致，除了水分的吸收峰外，其它成分的吸收峰并不明顯，需要對(duì)光譜進(jìn)行進(jìn)一步處理。通過(guò)MSE和SNV組合的預(yù)處理方法，去除了部分背景噪聲的影響，使樣品光譜信息更平滑。同時(shí)，進(jìn)一步增強(qiáng)了光譜信息的一致性，突出了光譜峰谷，使光譜特征得到了強(qiáng)化。

基于光譜信息與圖像特征的核桃仁外觀等級(jí)分類(lèi)，圖6為3種色澤核桃仁樣品在可見(jiàn)光和短波近紅外區(qū)域（382~1027nm）的平均光譜曲線，由于光譜前后段噪聲影響較大，因此去除了前段和后段各20個(gè)波段點(diǎn)。由圖6可見(jiàn)，在原始光譜中，3種色澤核桃仁樣品的光譜曲線在可見(jiàn)光范圍內(nèi)光譜反射率隨著色澤由淺到深呈現(xiàn)明顯的下降趨勢(shì)，在近紅外范圍內(nèi)光譜較雜亂。經(jīng)過(guò)MSC和SNV組合方法預(yù)處理后的光譜信息，光譜反射率呈現(xiàn)出一定的規(guī)律性和一致性，有助于后續(xù)的光譜處理。

采用高光譜成像技術(shù)，開(kāi)展了核桃仁內(nèi)外部品質(zhì)檢測(cè)方法研究，通過(guò)光譜與圖像信息相結(jié)合的方法實(shí)現(xiàn)了核桃仁蛋白質(zhì)和脂肪含量預(yù)測(cè)以及基于完整度和色澤的核桃仁外觀品質(zhì)分級(jí)。結(jié)果表明，采用CARS算法與相關(guān)系數(shù)法相結(jié)合的方式，有效地去除了全光譜波段中的無(wú)關(guān)信息和冗余信息。與全光譜波段相比，特征波段預(yù)測(cè)模型蛋白質(zhì)含量的驗(yàn)證集R?由0.66增長(zhǎng)到0.91，RMSEP由1.37%下降到0.78%；脂肪含量的驗(yàn)證集R?由0.83增長(zhǎng)到0.93，RMSEP由0.98%下降到0.47%，表明篩選出的特征波段有效的降低的模型的復(fù)雜度，提高了模型預(yù)測(cè)能力。

　　將色差特征光譜與圖像統(tǒng)計(jì)特征參數(shù)相結(jié)合，采用高光譜圖像提取了總色差特征波段光譜，能夠大幅降低冗余信息的干擾，提高建模效率。通過(guò)總色差特征波段光譜與圖像統(tǒng)計(jì)特征參數(shù)相結(jié)合的方法，與RGB波段相比進(jìn)一步提升分類(lèi)的準(zhǔn)確率，當(dāng)采用DT算法建立的色澤分類(lèi)模型時(shí)，模型具有最高的分類(lèi)準(zhǔn)確率（98.6%）。采用高光譜圖像同時(shí)實(shí)現(xiàn)了核桃仁內(nèi)部品質(zhì)參數(shù)（蛋白質(zhì)含量、脂肪含量）的檢測(cè)和外觀品質(zhì)（完整度、色澤）的分類(lèi)，為核桃仁品質(zhì)無(wú)損檢測(cè)的應(yīng)用提供了新的解決方案。

高光譜相機(jī)技術(shù)的發(fā)展為核桃仁的品質(zhì)檢測(cè)和等級(jí)分類(lèi)提供了新的解決方案。通過(guò)高光譜數(shù)據(jù)的獲取和分析，我們可以實(shí)現(xiàn)核桃仁內(nèi)部品質(zhì)的無(wú)損檢測(cè)和外觀等級(jí)的自動(dòng)化分類(lèi)。這無(wú)疑將提高檢測(cè)的準(zhǔn)確性和效率，保障食品安全，提升消費(fèi)者體驗(yàn)。然而，如何進(jìn)一步優(yōu)化高光譜數(shù)據(jù)的分析算法，以提高檢測(cè)的精確度和穩(wěn)定性，是我們未來(lái)需要關(guān)注和研究的問(wèn)題。