鲜枣轻微损伤的在线光谱无损检测及分类方法研究

Based on the VIS/NIR spectroscopy, this project chooses ten kinds of famous jujubes in Shanxi province as its study object and studies the online detection and sorting method for fresh jujube slight bruise. The specific research contents are as follows: looking for and assuring the proper biomechanical parameters to describe and distinguish the normal tissue and the bruise tissue; obtaining VIS/NIR spectroscopy data of the normal tissue and the bruise tissue by collecting and calibrating the online spectroscopy of the jujube samples; evaluating and determining the normal and bruised sorting index and threshold values with using spectroscopic technology on jujube samples by analysis of coupling mechanism between biomechanical parameters and spectroscopy data of the detected samples; exploring and assuring the optimization algorithm of online detection and sorting about fresh jujube's slight bruise by using data mining, and developing online classified software. The significance of this project lies in revealing the coupling mechanism between biomechanical parameters and spectroscopy data of the detected samples and finding the solution to online, short-term, nondestructive, and objective detection and sorting for the fresh jujube's slight bruise. The research results not only can be used on bruise jujube's online automatic sorting but also have a extensive future in the fields of detection and sorting of agricultural produce.

本项目以山西十大名枣为研究对象，基于可见/近红外光谱技术对鲜枣轻微损伤进行在线检测及分类方法研究。具体内容为：寻找和确定合适描述和区分鲜枣正常和损伤组织的生物力学参数；通过对枣样本在线光谱采集与校正处理，获取完好和损伤枣的可见/近红外光谱数据；通过对所测枣样本生物力学参数与其光谱数据之间的耦合机理分析，评价和确定采用光谱技术对枣样本的正常和损伤的分类指标及阈值；运用数据挖掘技术探索和确定鲜枣轻微损伤的在线检测与分类的优化算法，并开发在线分类软件。本项目的意义在于揭示鲜枣样本光谱数据与其力学参数之间的耦合机理，解决鲜枣轻微损伤在线、快速、无损、客观检测与分类的难题。该研究成果不仅可以用于损伤鲜枣的在线自动分级，而且在农产品品质检测与分级领域有广阔的应用前景。

该项目以山西十大名枣为研究对象，基于可见/近红外光谱技术和高光谱图像技术对鲜枣的轻微损伤和内部品质进行在线检测及分类研究。在自行设计的鲜枣光谱在线检测平台上，采集鲜枣样本光谱，获取完好和损伤枣样本的可见/近红外光谱数据并采用基线校正（Baseline）、标准归一化(SNV)、多元散射校正（MSC）、和移动平滑（7点、11点）等多种光谱数据预处理方法比较和进行光谱数据校正处理；再运用连续投影算法（SPA）、主成分分析(PCA)、竞争自适应加权算法(CARS)等多种特征波长提取方法提取所测完好和损伤鲜枣样本的光谱特征波长，包括提取完好样本内部品质的特征波长；采用偏最小二乘（PLS）、最小二乘支持向量机（LS-SVM）、极限学习机（ELM）等多种方法建模比较，确定对枣样本（完好和损伤及完好枣内部品质）分类的最佳模型。同时基于高光谱图像技术，对鲜枣样本的自然损伤以及内部综合品质进行了研究。运用数据挖掘技术和模式识别方法探索和确定了鲜枣轻微损伤以及内部品质的在线检测与分类的优化算法。该项目的研究成果（如提取的特征波长和优化的模型）将为基于光谱的鲜枣在线检测平台的设计和完善提供了重要的理论研究基础，对实现我国农产品的无损检测和分选具有重要的科学价值。.该项目的研究在国内外学术期刊发表论文25篇，其中SCI论文4篇，EI论文9篇。批准发明专利1项。毕业博士研究生2名，毕业硕士研究生14名。