Neste estudo, uma câmera 400-1000nm hyperspectral foi usada para detectar o interior da noz, e FS-13, um produto da tecnologia Co. de Hangzhou CHNSpec, Ltd, poderia ser usado para pesquisa relacionada. Para detectar a superfície da noz na escala espectral de 800-1700nm, a câmera FS-15 hyperspectral na escala espectral de 900-1700nm pode ser usada com definição do comprimento de onda melhor do que 2.5nm e até 1200 canais espectrais. A velocidade da aquisição pode alcançar 128FPS no espectro completo, e o máximo depois que a seleção da faixa é 3300Hz (seleção da faixa da multi-região do apoio).
As nozes são um alimento da porca apropriado para todas as idades e uma colheita de óleo arborizado importante. A área e o rendimento de plantação das nozes no grau primeiro de China no mundo. A qualidade que testa e que classifica de núcleos da noz é uma relação importante na produção e no processamento da noz. De acordo com padrões nacionais relevantes, os indicadores da qualidade da aparência de núcleos da noz incluem a integridade e a cor da pele, quando os indicadores internos da qualidade incluírem o índice gordo e o índice de proteína. Na produção real, o núcleo da noz que classifica confia principalmente na seleção manual da aparência e da cor, que tem custos de gastos de fabricação altos e a aleatoriedade alta na classificação, fazendo a difícil distinguir a qualidade interna. Os testes químicos tradicionais são destrutivos às amostras e tomam uns muitos tempos detectar, fazendo o difícil adaptar-se às exigências de produção modernas. Presentemente, a pesquisa sobre o uso da tecnologia hyperspectral para a detecção da qualidade da noz centra-se principalmente sobre a classificação de escudos e de núcleos da noz, e não houve nenhum relatório relevante na qualidade de núcleos da noz.
A fim explorar um método para realizar simultaneamente a classificação interna da detecção e da aparência da qualidade do núcleo da noz, este estudo usou a tecnologia imagiológica hyperspectral para selecionar os espectros característicos do índice gordo, o índice de proteína e a cor do núcleo da noz, e selecionado para fora as faixas características relevantes de indicadores da qualidade a fim fornecer a referência para a aplicação de testes nondestructive da qualidade do núcleo da noz.
A informação espectral média de amostras do núcleo da noz na região próximo-infravermelha (863-1704 milímetros) e a informação espectral pre processada são mostradas em figura 3. As características totais da informação espectral original das amostras são basicamente consistentes, à exceção dos limites de absorção da água, os limites de absorção de outros componentes não são óbvios, e mais ulterior a transformação dos espectros é necessário. O método preprocessing que combina MSE e SNV elimina a influência de algum ruído de fundo, fazendo a informação espectral da amostra mais lisa. Ao mesmo tempo, promove aumenta a consistência da informação espectral, destaca picos espectrais e vales, e reforça características espectrais.
A classificação da categoria da aparência do núcleo da noz baseada em características espectrais da informação e da imagem. Figura 6 mostra a curva espectral média de três amostras do núcleo da noz da cor na luz visível e nas regiões próximo-infravermelhas da onda curto (382~1027nm). Desde que o ruído nos segmentos dianteiros e traseiros do espectro tem um grande impacto, 20 pontos do waveband nos segmentos dianteiros e traseiros são removidos. De figura 6, pode-se ver que no espectro original, a reflectância espectral de amostras do núcleo da noz com três cores diferentes mostra uma tendência descendente significativa na escala clara visível como as mudanças da cor da luz a profundo, e o espectro é relativamente desorganizado na escala próximo-infravermelha. A informação espectral preprocessed pela combinação de métodos do CAM e do SNV mostra a determinadas regularidade e consistência na reflectância espectral, que é útil para o processamento espectral subsequente.
Usando a tecnologia imagiológica hyperspectral, um método para detectar a qualidade interna e externo de núcleos da noz foi estudado. Pela combinação espectral e pela informação da imagem, a proteína e a previsão satisfeita gorda dos núcleos da noz e da classificação de qualidade da aparência baseados na integridade e na cor foram conseguidas. Os resultados mostram que a combinação de método do algoritmo dos CARROS e do coeficiente de correlação remove eficazmente a informação irrelevante e redundante na faixa espectral completa. Comparado com a faixa espectral completa, a validação ajustou R do modelo da previsão da faixa da característica para o ² do índice de proteína de 0,66 a 0,91, RMSEP diminuiu 1,37% a 0,78%; O grupo R da validação para o ² satisfeito gordo de 0,83 a 0,93, RMSEP diminuiu 0,98% a 0,47%, indicando que as faixas selecionadas da característica reduziram eficazmente a complexidade do modelo e melhoraram sua capacidade com caráter de previsão. Combinando espectros da característica da diferença da cor com os parâmetros de característica estatísticos da imagem, os espectros de faixa totais da característica da diferença da cor foram extraídos das imagens hyperspectral, que podem significativamente reduzir a interferência da informação redundante e melhorar a modelagem da eficiência. Combinando o espectro de faixa total da característica da diferença da cor com os parâmetros de característica estatísticos da imagem, a precisão da classificação é melhorada mais comparada à faixa do RGB. Ao usar o modelo da classificação da cor estabelecido pelo algoritmo do descolamento, o modelo tem a precisão a mais alta da classificação (98,6%). O uso de imagens hyperspectral conseguiu simultaneamente a detecção de parâmetros internos da qualidade (índice de proteína, índice gordo) e a classificação da qualidade da aparência (integridade, cor) de núcleos da noz, fornecendo uma solução nova para a aplicação de testes não-destrutivos da qualidade do núcleo da noz.
