介绍

高光谱成像(HSI)结合成像和光谱增强非破坏性分析的材料。半岛综合体育官方APP下载德甲当结合最优化(即多元)分析,恒生指数预测可以应用多个组件的浓度和分布的样本。这使得该技术吸引许多食品行业内的例行质量检查。¹恒生指数的一个潜在的有用的应用程序是食品中异物检测过程。

异物污染被公认为最常见的原因之一食品产品召回。因此,为了符合要求产品安全,维护消费者的信心,需要快速、非破坏性异物探测和识别的技术在食品行业的产品。玻璃、金属和塑料加工食品中最常提到的异物。金属探测器通常在食品加工链中实现,以防止金属碎片发生在成品;然而,这些工具不能够检测玻璃和塑料污染。

在本文中,高光谱图像数据的最优化分析异物识别和分类的谷物。高光谱图像获得使用pushbroom行扫描HSI仪器(DV光学有限公司,帕多瓦,意大利)漫反射模式操作的近红外波长范围(950 - 1700海里)。²异物调查是:塑料碎片,玻璃珠和橡胶碎片。两种类型的谷物样本检查:一个相对统一的白色米粒和混合各种谷物样品(包含各种脱水谷物豆类)。

高光谱成像技术对污染物检测粮食样品

每个污染物的平均值和标准偏差反射率光谱显示污染物的不同光学性质研究(见Figures1 (a) - (c)]。玻璃样品表现出很低的光谱响应,表明低水平的反射光从这些样本。塑料和橡胶样品表现出的特征吸收近红外(NIR)不同波长的辐射。尽管污染物在光谱特征各有特点,有一些重叠光谱响应的食物样本研究与污染物;因此,使用单波段图像的识别污染物是不合适的。

恒生指数的一个主要优势比其他异物检测方法检测的能力,以及进行分类,根据其光谱异物的性质。主成分分析(PCA)可以应用于高光谱图像压缩成各个波长的线性组合图像(“分数”),导致最大方差投影。因此,PCA识别潜在的模式是一个有用的工具在HSI数据。为了证明这一点,PCA应用于谷物样品含有异物的图像。

变化引起的混合谷物样品的光谱响应显著的变化在PC分数图像时没有应用光谱预处理,使异物的识别困难。因此,为了突出粮食样本之间的差异和异物污染物在PC分数空间,不同光谱预处理是应用于漫反射光谱。发现的一阶导数Savitsky-Golay平滑紧随其后的是标准正态变量预处理导致的最佳分离各种异物在PC分数空间。由于上述光谱预处理中的应用,粮食样本同质出现在PC分数形象,拥有一个相对较高(大米,图1 (d)),或更低(混合谷物的样本,图1 (g)]像素强度比异物。因此,它是可能的隔离污染物从图像背景简单的阈值。然而,一些边缘地区的谷物遭受误分类(见图1 (e)和(h)]由于他们的曲率。为了消除这些假阳性和维护真正的异物的阈值图像,形态学膨胀和腐蚀操作,导致更精确的异物检测图像(见图1 (f)和(i)]。

为了构建一个判别模型异物识别、PCA用于像素属于异物类定义的(图1 (f)和(i)]。PC2图像和对应的直方图混合谷物示例见图2 (a)和(b),分别。直方图有三个高峰,一个对应于每个污染物。阈值PC2图像根据这些山峰允许每个污染物的识别,如图2所示。

Figure 2. Contaminated mixed grain sample, where: (a) is the second principal component (PC2) image, obtained after applying PCA to spectra from regions containing contaminants as defined by Figure 1(i); (b) is the histogram of (a); regions corresponding to each contaminant are obtained by thresholding (a) according to the groups defined in the histogram (b); (c) is the PC2 eigenvector.

PCA分析每个样本的结果可用于算法开发探测和识别污染物的处理。流程图的典型常规基于前面章节中描述的分析检测和分类的异物混合谷物样品如图3所示。标准图像预处理和后处理步骤等背景去除和死像素去除是忽略了。电脑的应用特征向量从而使异物探测和识别的一个样本。在这种方法中使用的PC特征向量样本和异物具体。然而,这种分析可以很容易地修改执行在一个典型的处理环境中食物样本特征和一系列的潜在可能的异物是已知的。

Figure 3. Flow diagram showing method for foreign body detection and classification from hyperspectral image, where PC is a principal component.

总结

高光谱反射率在近红外光谱成像波长范围与化学计量学相结合显示出许多正面的异物探测和识别的粮食之一。这种方法尤其适合塑料和橡胶异物的识别,因为这些材料表现出吸光度特征的近红外波长区域。这项研究也表明近红外光谱反射率的潜力的检测玻璃在粮食样品。可以修改方法的探测和识别异物在原材料样品,例如,在一个食品加工链。在异物的情况下可能会包含在感兴趣的食物样本中,光的透射比反射检测是一种更理想的模式,因为反射成像显示主要表面特征。传输HSI在可见近红外波长区域可能适合地下异物的检测;一般,但其有效性将特定样本,被强烈依赖于样品的光散射特性。

引用

高恩,C.P. O ' donnell P.J.卡伦,g .唐尼和J.M. Frias”高光谱imaging-an新兴食品质量和安全控制过程分析工具”,食品科学发展趋势。抛光工艺。590 (2007)。doi:10.1016 / j.tifs.2007.06.001
c . Esquerre高恩,j .汉堡g·唐尼和C.P.奥唐纳。“抑制样品形态效应在近红外光谱成像使用最优化数据预处理”,Chemometr。智能。实验室系统。117、129 (2012)。doi:10.1016 / j.chemolab.2012.02.006

本文率