Toepassing van hyperspectrale beeldvormingstechnologie voor de detectie van eiwitgehalte in melk

Bij de beoordeling van de zuivelvoeding is het eiwitgehalte de belangrijkste indicator dat melk een essentiële bron is van eiwitopname in het dagelijks leven van de mens.De gezondheid van de consument en de ontwikkeling van de zuivelindustrie zijn nauw verbonden met de kwaliteit van de melk.Daarom is de detectie van het eiwitgehalte van melk een zeer belangrijke schakel..Daarom is het van groot belang om een snellere en nauwkeurigere methode te vinden voor de detectie van het eiwitgehalte van melk.Dit artikel maakt gebruik van machine learning in combinatie met hyperspectrale beeldvormingstechnologie om het eiwitgehalte van melk kwantitatief te evalueren, waarin een haalbaar systeem voor de opsporing van het eiwitgehalte van melk op de markt wordt vastgesteld.

一、Proefmateriaal

We kochten zeven verschillende merken zuivere melk, waaronder Mengniu, New Hope, Yili en Guangming, en bewaarden ze in de koelkast.

二、Experimentele apparatuur

In dit artikel wordt een 400-1000nm hyperspectrale camera gebruikt. FS13, een product van Hangzhou Color Spectrum Technology Co., LTD., kan worden gebruikt voor gerelateerd onderzoek.de golflengte-resolutie is beter dan 2.5 nm, en tot 1200 spectrale kanalen kunnen worden bereikt. De verwervingssnelheid kan 128 FPS bereiken in het volledige spectrum,en het maximum na de selectie van de band is 3300Hz (ondersteuning van de selectie van de band voor meerdere regio's).

三、Proefinstelling methode

De hyperspectrale beelden van melkmonsters werden verzameld met behulp van de hyperspectrale spectrometer.en vervolgens werd een helder beeld geselecteerd uit ENVI5.3Het verzamelde spectraal beeld had een resolutie van 777 x 1004 pixels. De belichtingstijd van de hyperspectrale beeldvormer was 10 ms, de pixelmengtijden waren 6, de resolutie was 4,8 nm,het gemiddelde interval was 0.8 nm, de verticale afstand was 30 cm, en de opnameconditie was kamertemperatuur (23~25°C).en de gemiddelde spectrale gegevens van de melk zijn afgeleid van het hyperspectrale beeld met behulp van de ENVI-software. "

四、Extractie en voorverwerking van hyperspectrale gegevens

Het extraheren van hyperspectrale reflectiegegevens uit hyperspectrale beelden is de basis van traditionele machine learning modellen.de spectrumreflectiegegevens van monsters worden verkregen door de gemiddelde spectrumreflectiegehalte van alle pixels in het gebied van belang (ROD) te extraherenIn dit artikel werd met behulp van ENVI-software het gecorrigeerde hyperspectrale beeld van een melkmonster geopend.en de pixel in de buurt van het midden van elk hyperspectrum beeld werd geselecteerd als de ROI met de rechthoek tool. In totaal werden 30 ROI en 7 hyperspectrale beelden geselecteerd, en 210 ROI werden geselecteerd. De gemiddelde spectrale reflectie van alle pixels in ROI werd berekend als de spectrale gegevens van de steekproef,in totaal 210 spectrale gegevensDe spectrumgegevens worden opgeslagen in ASCI-formaat.

In dit artikel werd hyperspectrale beeldvormingstechnologie gecombineerd met machine learning gebruikt om het eiwitgehalte van melk te voorspellen om de nauwkeurigheid van de voorspelling van het eiwitgehalte van melk te verbeteren.Het hyperspectrale beeldsysteem is gebouwd., werden hyperspectrale afbeeldingen verzameld van 7 soorten melkmerken die op de markt waren, werden spectrale gegevens verkregen door ENVI-software, werd een set van melkhyperspectrale gegevens vastgesteld,en 210 hyperspectrale gegevens werden uiteindelijk gehaald.

De hyperspectrale beeldvormingstechnologie heeft een groot potentieel getoond op het gebied van het detecteren van het eiwitgehalte van melk, hoewel er op dit stadium enkele uitdagingen zijn,Het is de bedoeling van de Commissie om deHet is de bedoeling dat de traditionele detectie van melk geleidelijk zal worden omgevormd door voortdurende optimalisatie van het technische systeem en het oplossen van praktische toepassingsproblemen.de hyperspectrale beeldvorming zal een onmisbaar en krachtig hulpmiddel worden voor de kwaliteitscontrole van zuivelproducten, de economische en sociale voordelen van de zuivelindustrie te verbeteren en tegemoet te komen aan de groeiende vraag van consumenten naar zuivelproducten van hoge kwaliteit.