高光谱成像技术在酿酒高粱品种分类中的应用
发布时间:2024-06-21
浏览次数:468
高粱作为酿酒工艺中的重要原材料,其品种及品质的好坏,会直接影响酒的品质。因此,对酿酒高粱的品种进行分类,是一项重要的工作。实际操作中,主要采用人工分类,这种方法费时、主观影响严重,难以形成统一的标准。为了提升分类的准确性,就可以使用高光谱成像仪。本文介绍了高光谱成像技术在酿酒高粱品种分类中的应用。
高粱作为酿酒工艺中的重要原材料,其品种及品质的好坏,会直接影响酒的品质。因此,对酿酒高粱的品种进行分类,是一项重要的工作。实际操作中,主要采用人工分类,这种方法费时、主观影响严重,难以形成统一的标准。为了提升分类的准确性,就可以使用高光谱成像仪。本文介绍了高光谱成像技术在酿酒高粱品种分类中的应用。
酿酒高粱品种分类的必要性:
高粱是我国重要的粮食作物之一,因其籽粒中含有丰富的营养物质在酿酒行业有着“好酒离不开红粮”的精辟论断,每年需求量高达2000万顿。目前,酿酒高粱品种主要以高淀粉含量的泸州红、青壳洋、睿糯7号等糯高粱为主。由于酿酒高梁种类繁多,产地各不相同,籽粒中的淀粉、蛋白质、脂肪和单宁等含量有较大差异,导致酿造出的白酒在香型、风格、品质和产酒率上也有很大的差别。由此可见,在高梁原材料分批入库前准确高效地对高粱品种进行鉴别,对酿造过程中泡粮时间、用水量、蒸粮时间等生产工艺控制,对产出优质白酒具有十分重要的指导意义。
传统的鉴别方式主要有人工经验判别和生物抽样检测,前者易受主观影响,效率低,难以形成统一的标准,后者操作繁琐、费时费力,两者都无法满足现代白酒企业对酿酒原料高粱的鉴别需求,因此急需寻找一种快速、准确且简便的高粱品种分类检测方法,而高光谱成像技术无疑是最好的选择。
高光谱成像技术在酿酒高粱品种分类中的应用:
高光谱图像技术是一种把传统的光谱技术和二维成像技术于一体的新兴的无接触式检测技术,通过对获取待测物的光谱信息和图像信息进行分析提取,实现对样本的快速无损检测。高光谱图像技术具有高分辨率的特性,其图像数据相邻波段间隔比较窄,波段存在重叠,高光谱图像数据每个像元均可提取一条完整的高分辨率光谱曲线,所以高光谱图像技术已经发展成覆盖了上百条光谱通道、像素点携带波谱信息量丰富的高分辨率检测技术。
高光谱成像仪因其优越性,不仅在遥感领域大量应用,在酿酒高粱品种无损检测领域也应用广泛。它集合了成像技术和光谱技术两者的优点,具有“图谱合一”的特点,其中提取图像信息检测酿酒高粱品种外部品质,提取光谱信息则用于检测酿酒高粱品种内部品质,同时可将图像信息和光谱信息进行特,征融合,以此更好地检测酿酒高粱品种的内外部品质。使用高光谱仪检测酿酒高粱品种的具体步骤如下:
1.样品采集
采集不同品种的酿酒高粱,分别进行编号。
2.光谱图像数据采集
选取合适的样品,使用高光谱成像仪采集酿酒高粱品种的高光谱图像数据。高光谱图像采集之前要先对仪器进行校正,高光谱成像系统的校正主要通过调节光强、图像清晰度、图像的失真来实现,影响图像清晰度和是否失真的因素包括物镜之间的高度,电控移位平台移动速度和曝光时间。
3.特征波长提取
由于采集样本的全波段光谱数据量大、信息混杂,且大量的光谱数据会造成模型复杂、计算量大等问题。因此,有必要对高光谱数据进行降维处理以寻找最能表征样本品质指标的特征图像,这样即可以提高后期数据处理的速度,又可以去除数据中的冗余信息。
4.建立预测模型与评价
利用分析软件采用不同的方法对原始光谱进行预处理,并使用该数据进行建模,分析不同的预处理方法对预测模型的作用。应用偏最小二乘回归(PLSR)建立酿酒高粱品种预测模型,并对模型的预测能力进行验证和精度评价。
利用高光谱成像技术对酿酒高粱品种内外品质进行检测,然后对全波段酿酒高粱图像做主成分分析,并根据主成分图像的特征向量优选出具有特征的波段,针对特征波段选取相应的图像处理和识别,最后利用图像差值算法,就可以对酿酒高粱的品质进行评定,进而进行分类。
相关产品
-
凝视式高光谱成像仪原理、结构组成及优缺点
凝视式高光谱成像仪是高光谱成像领域的一种重要设备,它通过特殊的光学设计和分光技术,将目标场景的光线聚焦到面阵探测器上,探测器上的每个像元对应目标场景中的一个微小..
-
摆扫式高光谱成像仪原理、结构组成及优缺点
摆扫式高光谱成像仪是高光谱成像领域中一种较为常见的设备,其通过摆动反射镜或光学系统,将目标场景的光线依次反射到探测器上,从而获取不同角度的图像信息。本文对摆扫..
-
推扫式高光谱成像仪原理、结构组成及优缺点
推扫式高光谱成像仪利用线阵探测器在垂直于飞行或平台移动方向上获取目标的一行图像信息,同时平台沿着飞行方向前进,通过连续的线扫描逐渐获取整个目标区域的二维图像信..
-
高光谱成像分析在工业检测的应用
高光谱成像及分析已在国内外工业生产中广泛应用,其对当前无法实现的物质分选任务及瑕疵检测能力,是融合机器视觉的新型解决方案。..