服務(wù)熱線
-
近紅外高光譜成像技術(shù)應(yīng)用于谷物品質(zhì)檢測
發(fā)布時間： 2022-11-21 點擊次數(shù)： 2329次近年來，近紅外高光譜成像技術(shù)發(fā)展迅速，在谷物、種子品質(zhì)檢測方面得到了廣泛的應(yīng)用。如種子化學(xué)成分檢測、種子品種鑒定、種子活力檢測等。利用高光譜成像系統(tǒng)通過對種子進行光譜成像數(shù)據(jù)采集、進一步處理分析、結(jié)合紅外熱成像及物理化學(xué)等方法測量結(jié)果構(gòu)建模型，可對谷物、種子品質(zhì)進行快速、批量分析與檢測。
易科泰生態(tài)技術(shù)公司提供谷物、種子品質(zhì)檢測全面解決方案，高通量、非接觸、數(shù)字化：
水分是國家農(nóng)作物種子質(zhì)量標(biāo)準(zhǔn)的四大強制性檢測項目之一，種子水分含量太高會增加呼吸和養(yǎng)分消耗，降低活力；相反，水分含量太低會導(dǎo)致種子缺水和死亡，因此，準(zhǔn)確測定玉米單粒種子水分含量對檢測評估玉米種質(zhì)及精準(zhǔn)播種具有重要意義。然而，傳統(tǒng)的玉米水分檢測方法，如烘箱干燥法，存在耗時、破壞樣品、無法檢測單粒樣品等缺點。北京工商大學(xué)食品安全重點實驗室研究人員提出了一種基于高光譜成像技術(shù)（968.05–2 575.05 nm）結(jié)合CNN-LSTM算法的快速、無損、高精度玉米種子含水量檢測方法。
該方法基于CNN-LSTM模型構(gòu)建聯(lián)合指標(biāo)RMSE/（1+R）對模型性能進行綜合評價。使用CNN模型自動提取光譜數(shù)據(jù)的深層特征，無需人工復(fù)雜的特征提取步驟，并提供高質(zhì)量的數(shù)據(jù)輸入到LSTM模型，從而測定玉米含水量。結(jié)果顯示：在CNN-LSTM模型下，RMSE/（1+R）指標(biāo)僅為0.141，具有較小的誤差，可以為玉米水分含量的快速、無損檢測提供可靠方法。
案例二：近紅外高光譜成像技術(shù)用于綠豆種子活力檢測
綠豆（vigna radiata）是一種高營養(yǎng)價值的糧食作物，其浸泡后發(fā)出的嫩芽具有清熱解毒、美容養(yǎng)顏、改善視力的功效。 然而“鐵綠豆"是一種受生理影響和基因控制的“堅硬"綠豆，在發(fā)芽過程中會產(chǎn)生霉菌并感染臨近種子發(fā)芽。所以在種子生產(chǎn)過程中必須將堅硬種子和普通種子分開。目前，近紅外高光譜成像技術(shù)（NIR-HSI）已被廣泛應(yīng)用于種子質(zhì)量監(jiān)測與評估，其優(yōu)點是快速、高效、非損傷。
日本研究人員Kaewkarn Phuangsombut等人采用近紅外高光譜成像與偏最小二乘法判別分析（PLS-DA）相結(jié)合的方法建立了正常綠豆和堅硬綠豆的分類模型：
數(shù)據(jù)顯示：在波長990nm和1200nm處，健康種子的水分特征吸收峰和淀粉特征吸收峰均低于堅硬種子。說明堅硬綠豆在兩個波長處吸收的光比正常綠豆吸收的光少（水分和淀粉含量少）。
結(jié)果顯示：大部分堅硬種子不可萌發(fā)部分的比例均大于正常綠豆。所以NIR-HSI的研究結(jié)果可作為綠豆種子萌發(fā)性指標(biāo)，為綠豆生產(chǎn)以及綠豆發(fā)芽加工分類行業(yè)制定無損傷、數(shù)字化標(biāo)準(zhǔn)。
參考文獻：
[1] Zhang L, Zhang Q, Wu J, et al. Moisture detection of single corn seed based on hyperspectral imaging and deep learning[J]. Infrared Physics & Technology, 2022, 125: 104279.
[2] Phuangsombut K, Ma T, Inagaki T, et al. Near-infrared hyperspectral imaging for classification of mung bean seeds[J]. International Journal of Food Properties, 2018, 21(1): 799-807.
產(chǎn)品中心
Products