牛牛av-99热99-一区二区在线免费观看-蜜桃av网-婷久久-天天做夜夜爽-久操不卡-精品无码三级在线观看视频-秘密基地在线观看完整版免费-97超碰在线免费-日本寂寞少妇-欧美日韩亚洲在线观看-久操香蕉-久操视频免费在线观看-欧美国产大片-欧美美女在线-五月天国产视频-关秀媚三级-日韩欧美不卡在线-男人女人拔萝卜视频-欧美色狠-亚洲美女综合-麻豆av影视-国产一区二区三区噜噜噜-亚洲经典中文字幕

您好,歡迎進江蘇雙利合譜科技有限公司網站!
您現在的位置:首頁 >> 解決方案 >> 熒光高光譜技術快速無損檢測鐵觀音摻假及其程度
熒光高光譜技術快速無損檢測鐵觀音摻假及其程度
瀏覽次數:1113發(fā)布日期:2023-02-23

在茶葉市場上,茶葉摻假、低質量茶作為高檔茶、舊茶作為新產茶的問題也不時出現在上。在高經濟利潤的推動下,市場上偶爾會發(fā)生鐵觀音摻假。一些非法商人在鐵觀音中混合了本山、毛蟹、黃金桂,他們的外觀與鐵觀音非常相似,但在銷售過程中價格相差很大。普通消費者很難區(qū)分茶葉的真實性,這嚴重侵犯了消費者和經營者的合法權益。在此背景下,迫切需要一種快速、無損的檢測茶葉摻假的方法。

四川農業(yè)大學康志亮教授團隊利用我司高光譜設備(GaiaField-V10E)及配套的熒光系統(tǒng),對鐵觀音摻假程度的進行無損檢測。作為一種新的檢測方法,熒光高光譜技術為食品檢測提供了優(yōu)勢,其基本原理是當一種物質被特定波長的入射光照射時,其分子吸收光能并從基態(tài)進入激發(fā)態(tài),然后立即去激發(fā)并發(fā)射出光。圖1熒光高光譜成像系統(tǒng)。


圖1 熒光高光譜成像系統(tǒng)

在這項研究中,摻假茶和純鐵觀音在形狀、顏色和內部成分上只有輕微差異,這增加了檢測茶葉摻假的難度。摻假茶葉樣本的比例符合市場上不法商人的普遍做法。至于茶葉的熒光特性,作為一種植物,茶葉中的不同物質會吸收不同波段的光,并在不同波段發(fā)出熒光。

本山被用作摻假茶,約占茶葉樣品總重量的0%、10%、20%、30%、40%和50%,并與鐵觀音混合。圖2為經過PCA后的六個等級的茶葉三維分布圖。為了對茶葉進行摻假檢測。本研究在實驗方案中建立了純鐵觀音和摻假鐵觀音的兩級判別模型,以快速鑒別摻假與否;另一方面,建立了六級判別模型,保證了在不同程度的茶葉摻假情況下,茶葉摻假程度的快速識別。

圖2 六個摻假等級茶葉的PCA分布圖


首先,熒光高光譜成像系統(tǒng)獲得475–1000 nm波段的光譜信息。圖3為茶葉的平均光譜分布圖。接下來,選擇Savitzky–Golay(SG)、乘性散射校正(MSC)和標準正態(tài)變量(SVN)對熒光高光譜數據進行預處理。并且對預處理方法進行參數的比較。表1為不同預處理方法在SVM下的評價指標。

表1 不同預處理方法下的評價指標

Methods


Sensitivity

Specificity

Accuracy

Time

RAW

Calibration

75.86%

100.00%

95.63%

1.9588

Prediction

84.21%

100.00%

96.25%

SNV

Calibration

100.00%

100.00%

100.00%

2.1267

Prediction

89.47%

100.00%

97.50%

MSC

Calibration

100.00%

100.00%

100.00%

1.7759

Prediction

94.74%

98.36%

97.50%

SG-7

Calibration

100.00%

100.00%

100.00%

1.7861

Prediction

100.00%

100.00%

100.00%

(a)

(b)

圖3 摻假茶葉的平均光譜曲線


此外,還采用了連續(xù)投影算法(SPA)、競爭自適應加權采樣(CARS)、隨機青蛙算法(RF)和無信息變量消除(UVE)來提取茶葉光譜信息的特征波長。

建立了二分類模型(區(qū)分純鐵觀音和摻假鐵觀音)和六分類模型(區(qū)分純鐵觀音和五個摻假等級的茶葉)。在確定模型的預處理(SG)方法后,選擇特征波長對模型進行簡化。在SG平滑后,應用了四種特征選擇方法。SG平滑結合SPA、CARS、RF和UVE算法,將104個通道分別減少到33、11、44和46個通道。圖4顯示了SG-CARS之后的特征選擇。SG7平滑結合四種特征波長選擇方法的評價指標如表2所示。所有的特征選擇方法都有助于降低數據維數。

圖4 SG-CARS后的特征選擇


表2 不同特征選擇方法下的評價指標

SG7

Number


Sensitivity

Specificity

Accuracy

Time (s)

SPA

41

Calibration

100.00%

100.00%

100.00%

1.2147

Prediction

98.51%

100.00%

98.75%

CARS

11

Calibration

100.00%

100.00%

100.00%

1.2088

Prediction

100.00%

100.00%

100.00%

RF

44

Calibration

100.00%

100.00%

100.00%

1.1935

Prediction

100.00%

94.74%

100.00%

UVE

41

Calibration

100.00%

100.00%

100.00%

1.1829

Prediction

100.00%

100.00%

100.00%

在建立六分類模型過程中。首先,與兩分類模型一樣,將不同的預處理方法與支持向量機相結合,建立了四類判別模型。然后,為了簡化模型,選擇了四種特征選擇方法來篩選模型的特征波長,這有利于提高模型的效果和精度。所有模型的結果如表3所示。其中,六分類模型和兩分類模型的預處理方法存在差異。通過使用SNV和MSC,提高了分類模型的準確性。

特征選擇后,這些模型的總體趨勢大致相同。純鐵觀音、10%和30%摻假茶葉的準確率幾乎為100%,但摻假程度為40%的準確率不高,表明該模型可能無法準確區(qū)分鐵觀音的摻假水平。相比之下,在SNV之后,模型的整體準確性得到了提高。在RF之后,整體準確度提高了1.09%,僅用時0.002秒。在該分類中,純鐵觀音和10%和30%的摻假茶被準確預測;模型的變化也提高了茶葉剩余摻假比例的準確性。考慮到整體影響,RF在建立分類模型方面表現出更高的效率。總之,SNV-RF-SVM是區(qū)分純茶和摻假茶的最佳方法,其總準確率為94.27%,僅需0.00698秒。

表3 六分類模型評價指標

Preprocessing

Methods

Number

Class Accuracy

Overall Accuracy


0%

10%

20%

30%

40%

50%

Time

RAW

NO

104

100.00%

100.00%

100.00%

100.00%

59.09%

100.00%

93.18%

0.01396

SPA

33

100.00%

100.00%

78.57%

81.82%

45.45%

100.00%

84.31%

0.01396

CARS

19

100.00%

100.00%

78.57%

100.00%

36.36%

78.57%

82.25%

0.01296

RF

60

100.00%

100.00%

78.57%

100.00%

36.36%

78.57%

82.25%

0.01396

UVE

41

100.00%

100.00%

78.57%

100.00%

45.45%

100.00%

87.34%

0.01300

MSC

NO

104

100.00%

100.00%

92.86%

100.00%

68.18%

100.00%

93.51%

0.01097

SPA

34

100.00%

94.74%

64.29%

100.00%

54.55%

78.57%

82.03%

0.00801

CARS

11

100.00%

100.00%

71.43%

72.73%

40.91%

78.57%

77.27%

0.00798

RF

55

100.00%

100.00%

71.43%

100.00%

63.64%

92.86%

87.99%

0.00898

UVE

34

100.00%

100.00%

71.43%

100.00%

59.09%

85.71%

86.04%

0.00997

SNV

NO

104

100.00%

100.00%

92.86%

100.00%

68.18%

100.00%

93.51%

0.00798

SPA

27

100.00%

100.00%

85.71%

81.82%

54.55%

85.71%

84.63%

0.00698

CARS

14

100.00%

100.00%

78.57%

100.00%

45.45%

71.43%

82.58%

0.00499

RF

57

100.00%

100.00%

92.86%

100.00%

72.73%

100.00%

94.27%

0.00698

UVE

46

100.00%

100.00%

64.29%

100.00%

59.09%

85.71%

84.85%

0.00698

SG

NO

104

100.00%

100.00%

85.71%

100.00%

45.45%

100.00%

88.53%

0.00898

SPA

41

100.00%

100.00%

71.42%

72.73%

31.82%

71.43%

74.57%

0.00798

CARS

11

100.00%

100.00%

92.86%

72.73%

45.45%

100.00%

85.17%

0.00698

RF

44

100.00%

100.00%

78.57%

90.91%

45.45%

92.86%

84.63%

0.00798

UVE

41

100.00%

100.00%

78.57%

81.82%

36.36%

85.71%

80.41%

0.00898











第一作者簡介:

康志亮,四川農業(yè)大學教授,碩士生導師。

主要研究方向:信號與信息處理、傳感器與檢測技術、自動控制。

參考文獻:Hu Y , Kang Z . The Rapid Non-Destructive Detection of Adulteration and Its Degree of Tieguanyin by Fluorescence Hyperspectral Technology[J]. Molecules, 2022, 27(4):1196. DOI:10.3390/molecules27041196


主站蜘蛛池模板: 欧美在线观看视频 | 毛片aaa| 日韩在线一区二区 | 国产裸体美女永久免费无遮挡 | 国产欧美一区二区精品性色超碰 | 一区在线观看 | 欧美狠狠干| 欧美一级黄 | av网址在线 | 免费看黄色的网站 | 91在线精品秘密一区二区 | 欧美自拍视频 | 日韩电影一区二区三区 | 亚洲码无人客一区二区三区 | 亚洲一级黄色 | 国产成人片 | 精品视频 | 日日骚av | 久草视频在线播放 | 精品人妻一区二区三区鲁大师 | 人人妻人人澡人人爽人人dvd | 久久久精品 | 日韩欧美精品 | 国产色婷婷 | av在线免费观看网站 | 潘金莲一级淫片aaaaaa播放 | 国产一区在线播放 | 性久久久久久 | 欧美一级淫片 | 18深夜在线观看免费视频 | 色戒电影未测减除版 | 欧美精品久久久久久 | 麻豆传谋在线观看免费mv | 丰满人妻一区二区三区蓝牛 | 国产精品9| 91色综合 | 国精产品一区一区三区有限公司杨 | 日本美女性爱视频 | 亚洲电影一区二区 | 天天干夜夜撸 | 羞羞网站在线观看 | 久久久久久av | 天天弄 | 国产区在线观看 | 亚洲香蕉视频 | 成人午夜福利视频 | 欧美亚洲视频 | 日韩精品极品视频在线观看免费 | 亚洲成人一区二区三区 | 久久久久久久久久久久久久 | 中文字幕日韩人妻在线视频 | 伊人影院在线观看 | 五月天丁香 | 五月婷婷视频 | 欧美日韩一区二区三区四区 | 波多野结衣人妻 | 在厨房拨开内裤进入毛片 | 婷婷综合在线 | 女人的天堂av | 91视频官网 | 人人爽人人爽人人片av | 国产九色91回来了 | 欧美日韩在线一区 | 成人黄色小视频 | 国产在线观看av | 一区二区久久 | 中文字幕av久久爽一区 | 草久久| 五月婷婷激情 | 天天影视色 | 日韩一二三区 | 日本色综合 | 美女极度色诱图片www视频 | 久久综合久色欧美综合狠狠 | 婷婷久久综合 | 午夜视频在线 | 在线观看你懂得 | 91看片在线观看 | 日韩激情 | 天堂中文在线资源 | 欧美日韩视频在线 | 中文字幕毛片 | 超碰免费在线 | 爱的色放在线 | 国产精品一区二区三区免费 | 午夜精品一区二区三区在线视频 | 两性囗交做爰视频 | 日韩电影中文字幕 | 欧美中文字幕在线观看 | 亚洲综合激情 | 国产在线看片 | 一本大道久久久久精品嫩草 | 四虎影视www在线播放 | 久久久中文字幕 | 91精品国产一区二区三竹菊影视 | 国产不卡一区 | 欧美aaaaaa | 开心激情站 | 午夜视频免费看 |