高光谱相机实现核桃仁内部品质检测和外观等级分类

高光谱相机技术

高光谱相机是一种结合了光学、成像技术和计算机科学的先进设备。它能够获取物体的高光谱信息，这些信息包含了物体反射、透射、散射等多个维度的数据。通过对这些数据的分析，我们可以得到物体的详细物理和化学特性。高光谱相机在核桃仁品质检测和等级分类中的应用，能够实现非破坏性的、高效的检测。

核桃仁内部品质检测

利用高光谱相机技术，我们可以获取核桃仁内部品质的信息。如水分、油脂含量、蛋白质含量等都可以通过高光谱数据进行无损检测。通过对这些数据的分析，我们可以判断核桃仁的内部品质是否符合标准。

核桃仁外观等级分类

高光谱相机还可以用于核桃仁外观等级的分类。通过对核桃仁的形状、大小、色泽等外观特征的高光谱数据进行分析，可以实现核桃仁外观等级的自动化分类。这大大提高了分类的准确性和效率，减少了人为错误。

高光谱相机实现核桃仁内部品质检测和外观等级分类

本研究应用了400-1000nm的高光谱相机，可采用广东赛斯拜克科技有限公司产品SP130M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）。

为了探索同时实现核桃仁内部品质检测和外观等级分类的方法，本研究采用高光谱成像技术开展了核桃仁脂肪含量、蛋白质含量及色泽的特征光谱筛选，筛选出了品质指标的相关特征波段以期为核桃仁品质无损检测的应用提供参考。

　　核桃仁样品在近红外区域（863~1704 mm）的平均光谱信息及预处理后的光谱信息如图3所示。样品原始光谱信息总体特征基本一致，除了水分的吸收峰外，其它成分的吸收峰并不明显，需要对光谱进行进一步处理。通过MSE和SNV组合的预处理方法，去除了部分背景噪声的影响，使样品光谱信息更平滑。同时，进一步增强了光谱信息的一致性，突出了光谱峰谷，使光谱特征得到了强化。

基于光谱信息与图像特征的核桃仁外观等级分类，图6为3种色泽核桃仁样品在可见光和短波近红外区域（382~1027nm）的平均光谱曲线，由于光谱前后段噪声影响较大，因此去除了前段和后段各20个波段点。由图6可见，在原始光谱中，3种色泽核桃仁样品的光谱曲线在可见光范围内光谱反射率随着色泽由浅到深呈现明显的下降趋势，在近红外范围内光谱较杂乱。经过MSC和SNV组合方法预处理后的光谱信息，光谱反射率呈现出一定的规律性和一致性，有助于后续的光谱处理。

采用高光谱成像技术，开展了核桃仁内外部品质检测方法研究，通过光谱与图像信息相结合的方法实现了核桃仁蛋白质和脂肪含量预测以及基于完整度和色泽的核桃仁外观品质分级。结果表明，采用CARS算法与相关系数法相结合的方式，有效地去除了全光谱波段中的无关信息和冗余信息。与全光谱波段相比，特征波段预测模型蛋白质含量的验证集R?由0.66增长到0.91，RMSEP由1.37%下降到0.78%；脂肪含量的验证集R?由0.83增长到0.93，RMSEP由0.98%下降到0.47%，表明筛选出的特征波段有效的降低的模型的复杂度，提高了模型预测能力。

　　将色差特征光谱与图像统计特征参数相结合，采用高光谱图像提取了总色差特征波段光谱，能够大幅降低冗余信息的干扰，提高建模效率。通过总色差特征波段光谱与图像统计特征参数相结合的方法，与RGB波段相比进一步提升分类的准确率，当采用DT算法建立的色泽分类模型时，模型具有最高的分类准确率（98.6%）。采用高光谱图像同时实现了核桃仁内部品质参数（蛋白质含量、脂肪含量）的检测和外观品质（完整度、色泽）的分类，为核桃仁品质无损检测的应用提供了新的解决方案。

高光谱相机技术的发展为核桃仁的品质检测和等级分类提供了新的解决方案。通过高光谱数据的获取和分析，我们可以实现核桃仁内部品质的无损检测和外观等级的自动化分类。这无疑将提高检测的准确性和效率，保障食品安全，提升消费者体验。然而，如何进一步优化高光谱数据的分析算法，以提高检测的精确度和稳定性，是我们未来需要关注和研究的问题。