Применение технологии гиперспектральной визуализации для определения качества фруктов и овощей

В последние годы вопросы безопасности пищевых продуктов привлекают большое внимание, и требования людей к качеству и стандартам безопасности фруктов и овощей становятся все более высокими, что стало горячей темой общественного беспокойства. Как правило, качество фруктов и овощей включает внешние качества, такие как форма, цвет, размер и дефекты поверхности, и внутренние качества, такие как содержание сахара, кислотность, твердость, содержание растворимых твердых веществ, содержание крахмала, влажность и зрелость, а также содержание других питательных веществ. Качество является важным фактором в его продажах на рынке.

Традиционные методы определения качества фруктов и овощей, такие как химические методы, высокоэффективная жидкостная хроматография, масс-спектрометрия и т. д., как правило, разрушительны для объектов тестирования и медленны. Машинное зрение и спектральная технология обладают преимуществами быстроты, неразрушимости и надежности и широко используются в определении качества фруктов и овощей в последние годы. Среди них технология машинного зрения извлекает и анализирует пространственную информацию, такую как форма, размер, цвет и дефекты поверхности фруктов и овощей, для определения внешнего качества, в то время как технология ближней инфракрасной спектроскопии в основном определяет внутреннее качество фруктов и овощей.

Технология гиперспектральной визуализации объединяет изображения со спектральной технологией для одновременного получения спектральной информации и пространственной информации, отражающей внутреннее и внешнее качество объекта, подлежащего тестированию. В последние годы она широко изучалась в неразрушающем контроле качества фруктов и овощей в стране и за рубежом. В этой статье будут представлены последние достижения в этой области из основных принципов технологии гиперспектральной визуализации и ее исследования и применения в неразрушающем контроле качества фруктов и овощей.

1. Принцип технологии гиперспектральной визуализации

Каждый пиксель в гиперспектральной системе может получать от десятков до сотен непрерывных узкополосных данных в том же спектральном диапазоне и получать плавную и полную спектральную кривую. В то же время вся система визуализации может также получать пространственную информацию об измеряемом объекте, реализуя одновременное обнаружение внутренних компонентов и характеристик внешнего вида измеряемого объекта с характеристиками спектральной непрерывности и высокого разрешения.

Гиперспектральное изображение, полученное системой, может быть представлено стереоскопическим трехмерным изображением, составленным из непрерывной полосы оптических изображений, как показано на рисунке 2. Двумерное изображение плоскости XY представляет пространственную информацию об объекте, такую как форма, размер, дефекты и т. д. Поскольку внешние изменения объекта будут влиять на спектр отражения, форма, цвет или дефект будут изменяться на определенной длине волны. Координата λ представляет спектральную информацию об объекте, которая будет отражать внутреннее качество тестируемого объекта, такое как состав и структура.

В этом исследовании применялась гиперспектральная камера 400-1000 нм, а продукт FS13 компании Hangzhou Caipu Technology Co., Ltd. может быть использован для соответствующих исследований. Спектральный диапазон составляет 400-1000 нм, разрешение по длине волны лучше 2,5 нм и до 1200 спектральных каналов. Скорость сбора данных может достигать 128 кадров в секунду в полном спектре, а самая высокая после выбора диапазона составляет 3300 Гц (поддержка выбора многорегионального диапазона).

2. Определение внешнего качества фруктов и овощей

Прямое чувство людей относительно фруктов и овощей на рынке — это качество их внешнего качества, то есть оценка цвета, свежести, размера, механических повреждений, обморожения и гниения. Традиционная технология машинного зрения с трудом различает внешние характеристики, такие как механические повреждения, обморожения, гниение и свежесть при определении внешнего качества фруктов и овощей из-за низкой точности и сложной работы. Технология гиперспектральной визуализации просто преодолевает этот недостаток и может обеспечить всестороннее неразрушающее обнаружение. Она также очень точна и проста в эксплуатации. В последние годы ее постепенно используют для определения внешнего качества фруктов и овощей.

Свежесть — важный показатель, отражающий качество фруктов и овощей. Свежесобранные фрукты и овощи обычно необходимо хранить и транспортировать, прежде чем они попадут к потребителям. Этот процесс повлияет на их свежесть и качество. Как правило, субъективное суждение людей о свежести фруктов и овощей является неточным. Спектральные изображения листьев четырех овощей, включая китайскую капусту, шпинат, рапс и молодую капусту, были собраны и сравнены с помощью спектрометра изображений через 0, 10, 24 и 48 часов обезвоживания. Среди них сравнительный анализ гиперспектрального изображения и изображения машинного зрения листьев пак-чой при разном времени потери воды показан на рисунках 3 и 4. Видно, что состояние листьев на двух изображениях значительно изменилось с изменением времени, но изображение машинного зрения может показать только состояние потери воды, а гиперспектральное изображение анализирует изменения спектральной информации и обнаруживает, что внешний вид и внутренний хлорофилл листьев изменились в процессе потери воды. Коэффициент корреляции модели прогнозирования значения относительного содержания хлорофилла составляет r = 0,76, что указывает на то, что гиперспектральная технология может эффективно определять свежесть листьев овощей.

Гиперспектральная технология и модель прогнозирования ANN использовались для изучения обморожения яблок, как показано на рисунке 5. Эксперимент использовал процесс, показанный на рисунке 6, и выбрал пять основных компонентных полос (717, 751, 875, 960 и 980 нм) из гиперспектрального изображения обмороженных яблок в диапазоне 400-1000 нм для установления модели ANN. Коэффициенты корреляции обучающего набора, тестового набора и проверочного набора составили 0,93, 0,91 и 0,92 соответственно, и в конечном итоге была достигнута точность распознавания более 98%.

3. Заключение

С повышением уровня жизни у людей все выше и выше требования к качеству здоровой пищи. Традиционная технология машинного зрения и физико-химические методы сложны и разрушительны при измерении качества фруктов и овощей, и их трудно удовлетворить потребностям в обнаружении. Технология гиперспектральной визуализации объединяет машинное зрение, спектроскопию и технологию обработки изображений. Полученное изображение представляет собой трехмерный куб данных «спектральной комбинации», который содержит не только пространственные информационные характеристики объекта, подлежащего тестированию, но и спектральную информацию объекта, подлежащего тестированию. Он может точно, быстро и неразрушающе определять качество сельскохозяйственной продукции и прост в эксплуатации. В последние годы он широко используется для определения качества фруктов и овощей. Однако в процессе сбора и обработки данных изображений технология гиперспектральной визуализации ограничена производительностью и скоростью обработки прибора. В настоящее время эта технология в основном используется в фундаментальных исследованиях и не получила широкого распространения в промышленном онлайн-обнаружении в реальном времени. Для того чтобы достичь коммерческого онлайн-обнаружения качества фруктов и овощей, необходимо достичь следующих двух пунктов для решения этих проблем: во-первых, улучшить и модернизировать соответствующее оборудование технологии гиперспектральной визуализации, такое как спектрометры изображений, чтобы улучшить их производительность и снизить их производственные затраты, что способствует продвижению технологии гиперспектральной визуализации в области обнаружения качества фруктов и овощей; во-вторых, выбрать характерные длины волн для полнодиапазонных и различных сортов гиперспектральных изображений фруктов и овощей, чтобы уменьшить избыточность данных и сократить время получения и обработки гиперспектральных изображений. Тем не менее, с развитием общества и научного прогресса технология гиперспектральной визуализации будет продолжать совершенствоваться и улучшаться, и в будущем будет иметь более широкое пространство для развития и перспективы применения в областях сельскохозяйственной продукции и безопасности пищевых продуктов.