本研究应用了400-1000nm的高光谱相机,可采用杭州彩谱科技有限公司产品FS13进行相关研究。光谱范围在400-1000nm,波长分辨率优于2.5nm,可达1200个光谱通道。采集速度全谱段可达128FPS,波段选择后最高3300Hz(支持多区域波段选择)。
灵武长枣主要以鲜果供应市场,由于红枣采后处理技术水平较低,果品企业从不同果园收集起来的果品成熟度参差不齐,且鲜枣采后在自然条件下容易失水、酒化,果肉很快变得松散,使得口感大大下降。酒化枣所产生的乙烯物质,会促使其他枣进一步的成熟导致运输过程中腐烂现象的出现,造成农户与企业经济上的损失,影响灵武鲜食枣的品牌与销售。
许多研究表明,水果在采后的包装、保藏和运输等过程中的果品损失率高至30.45%,不同成熟度果品的混杂是造成这种较高损失率的主要原因之一。因此,果品采摘后,根据成熟度对其进行区分与筛选并及时的进行处理,对于改善水果品质、提升水果等级、促进果品的销售具有重要意义
本章采用高光谱相机对400-1000 nm波段范围内的原始光谱进行预处理,选取最优的预处理方法:利用主成分分析提取特征波段,结合线性判别分析和支持向量机判别分析法对灵武长枣的不同成熟度进行分类鉴别。
利用可见近红外高光谱成像系统对灵武长枣成熟度进行鉴别。对原始光谱进行多元散射校正、标准正态变量变换和 Savitzky-Golay 平滑等预处理,分别对预处理之后的光谱建立灵武长枣成熟度线性判别分析和支持向量机判别分析模型,结果表明,采用 Savitzky-Golay 平滑处理之后的光谱建立的灵武长枣成熟度线性判别分析和支持向量机判别分析模型效果较好。
对Savitzky-Golay 平滑处理后的高光谱数据采用主成分分析选取特征波长。研究发现采用PC1+PC2+PC3 选出的14 个特征波长 (415.75nm、478.17nm、521.38nm、535.79nm、641.42nm、670.23nm、675.03nm、699.04nm、703.84nm、742.25nm、747.06nm、963.12nm、967.93nm、948.72nm)可替代全波段数据进行线性判别和支持向量机建模分析,其鉴别模型的判别准确率分别为 90%和92.14%。