최근 몇 년 동안 식품 안전 문제는 많은 관심을 끌었으며 과일과 채소의 품질 및 안전 표준에 대한 사람들의 요구 사항이 점점 더 높아져 사회적 관심사의 뜨거운 주제가되었습니다. 일반적으로 과일과 채소의 품질에는 모양, 색상, 크기 및 표면 결함과 같은 외부 품질, 설탕 함량, 산도, 경도, 가용성 고형물 함량, 전분 함량, 수분 및 성숙도 및 기타의 내용과 같은 내부 품질이 포함됩니다. 영양소. 품질은 시장 판매에서 중요한 요소입니다.
화학 방법, 고성능 액체 크로마토 그래피, 질량 분석법 등과 같은 전통적인 과일 및 채소 품질 감지 방법은 일반적으로 테스트하고 느리게하는 물체에 파괴적입니다. 기계 비전 및 스펙트럼 기술은 빠르고 비파괴적이고 신뢰할 수있는 이점을 가지고 있으며 최근 몇 년 동안 과일 및 채소 품질 감지에 널리 사용되었습니다. 그중에서도 기계 비전 기술은 외부 품질 감지를위한 과일 및 채소의 모양, 크기, 색상 및 표면 결함과 같은 공간 정보를 추출하고 분석하는 반면, 근적외선 분광법 기술은 주로 과일과 채소의 내부 품질을 감지합니다.
Hyperspectral 이미징 기술은 이미지를 스펙트럼 기술과 결합하여 테스트 할 객체의 내부 및 외부 품질을 반영하는 스펙트럼 정보 및 공간 정보를 동시에 얻습니다. 최근 몇 년 동안, 그것은 국내외에서 과일과 채소 품질에 대한 비파괴 테스트에서 널리 연구되었습니다. 이 기사는 초 분광 영상 기술의 기본 원칙과 과일 및 채소 품질에 대한 비파괴 테스트에 대한 연구 및 응용 분야 에서이 분야의 최신 연구 진행 상황을 소개 할 것입니다.
1. 초 분광 영상 기술의 원리
Hyperspectral 시스템의 각 픽셀은 동일한 스펙트럼 범위에서 수십에서 수백 개의 연속 좁은 밴드 정보를 얻을 수 있으며 매끄럽고 완전한 스펙트럼 곡선을 얻을 수 있습니다. 동시에, 전체 이미징 시스템은 측정 할 물체의 공간 정보를 얻을 수 있으며, 스펙트럼 연속성 및 고해상도의 특성과 함께 측정 할 객체의 내부 구성 요소의 동시 감지 및 외관 특성을 실현할 수 있습니다.
시스템에 의해 획득 된 초 분광 이미지는 그림 2와 같이 연속적인 광학 이미지로 구성된 입체 3 차원 이미지로 표시 될 수 있습니다. XY 평면의 2 차원 이미지는 물체의 공간 정보를 나타냅니다. 모양, 크기, 결함 등으로 물체의 외부 변화는 반사 스펙트럼에 영향을 미치기 때문에 모양, 색상 또는 결함이 특정 파장에서 변경됩니다. λ 좌표는 객체의 스펙트럼 정보를 나타내며, 이는 조성 및 구조와 같은 테스트중인 객체의 내부 품질을 반영합니다.
이 연구는 400-1000Nm의 초 분광 카메라를 적용했으며, Hangzhou Caipu Technology Co., Ltd.의 FS13 제품은 관련 연구에 사용될 수 있습니다. 스펙트럼 범위는 400-1000nm이고 파장 해상도는 2.5nm보다 우수하며 최대 1200 개의 스펙트럼 채널입니다. 획득 속도는 전체 스펙트럼에서 128fps에 도달 할 수 있으며 밴드 선택 후 최고는 3300Hz (멀티 지역 대역 선택 지원)입니다.
2. 과일과 채소의 외부 품질 감지
시장에서 과일과 채소에 대한 사람들의 직접적인 느낌은 외부 품질의 품질, 즉 색, 신선도, 크기, 기계적 손상, 동상 및 부패의 판단입니다. 전통적인 기계 비전 기술은 정밀도 및 복잡한 작동으로 인해 과일 및 채소의 외부 품질을 감지 할 때 기계적 손상, 동상, 붕괴 및 신선도와 같은 외부 특성을 구별하기가 어렵습니다. Hyperspectral Imaging Technology는이 단점을 극복하고 만능 비파괴 탐지를 달성 할 수 있습니다. 또한 매우 정확하고 작동하기 쉽습니다. 최근에는 과일과 채소의 외부 품질을 감지하는 데 점차 사용되었습니다.
신선도는 과일과 채소의 품질을 반영하는 중요한 지표입니다. 갓 뽑은 과일과 채소는 일반적으로 소비자에게 도달하기 전에 보관하고 운송해야합니다. 이 과정은 신선도와 품질에 영향을 미칩니다. 일반적으로, 과일과 채소의 신선도에 대한 사람들의 주관적인 판단은 부정확합니다. 중국 양배추, 시금치, 유채 및 아기 양배추를 포함한 4 개의 야채 잎의 스펙트럼 이미지를 수집하고 0, 10, 24 및 48 시간의 탈수 분석을 사용하여 비교 하였다. 그중에서도 다른 물 손실 시간에서 Pakchoi 잎의 초 분광 이미지 및 기계 비전 이미지의 비교 분석은 그림 3 및 4에 나와 있습니다. 두 이미지의 잎의 상태가 시간 변경이지만 기계 비전 이미지는 물 손실 상태 만 보여줄 수 있으며 초 분광 이미지는 스펙트럼 정보의 변화를 분석하고 잎의 외관과 내부 엽록소가 물 손실 과정에서 변경되었음을 발견합니다. 엽록소 상대 함량 값 예측 모델의 상관 계수는 r = 0.76이며, 이는 초 분광 기술이 야채 잎의 신선도를 효과적으로 식별 할 수 있음을 나타냅니다.
도 5에서 볼 수 있듯이 초 분광 기술과 앤 예측 모델은 사과의 동상을 연구하는 데 사용되었습니다. 실험은 그림 6에 표시된 과정을 사용하여 5 개의 주요 구성 요소 대역 (717, 751, 875, 960 및 980 nm)을 선택했습니다. 400-1000 nm 밴드의 Frostbitten Apples의 초 분광 이미지에서 ANN 모델을 설정합니다. 훈련 세트, 테스트 세트 및 검증 세트의 상관 계수는 각각 0.93, 0.91 및 0.92였으며, 마지막으로 98%이상의 인식 정확도를 달성했습니다.
3. 결론
생활 수준의 개선으로 사람들은 건강 식품의 품질에 대한 요구 사항이 높고 높습니다. 전통적인 기계 비전 기술과 물리적 및 화학적 방법은 과일과 채소의 품질을 측정하는 데 복잡하고 파괴적이며 탐지 요구를 충족시키기가 어렵습니다. Hyperspectral Imaging Technology는 기계 비전, 분광법 및 이미지 처리 기술을 통합합니다. 생성 된 이미지는 "스펙트럼 조합"의 3 차원 데이터 큐브로 테스트 할 객체의 공간 정보 특성을 포함 할뿐만 아니라 테스트 할 객체의 스펙트럼 정보를 포함합니다. 농산물의 품질을 정확하고 빠르고 비파괴 적으로 감지 할 수 있으며 운영하기가 간단합니다. 최근에는 과일과 채소 품질의 탐지에 널리 사용되었습니다. 그러나 이미지 데이터를 수집하고 처리하는 과정에서 Hyperspectral 이미징 기술은 기기의 성능 및 처리 속도에 의해 제한됩니다. 이 기술은 현재 기본 연구에 주로 사용되며 산업 온라인 실시간 탐지에서 널리 사용되지 않았습니다. 과일 및 채소 품질의 상업적 온라인 탐지를 달성하기 위해서는 이러한 문제를 해결하기 위해 다음과 같은 두 가지 점을 달성해야합니다. 먼저, 분광 광도계와 같은 초 분광 영상 기술의 관련 장비를 개선하고 업그레이드하여 성능을 향상시킵니다. 과일 및 채소 품질 탐지에서 초 분광 영상 기술의 촉진에 도움이되는 생산 비용을 줄입니다. 둘째, 풀 밴드 및 다양한 종류의 과일 및 야채 초 분광 이미지에 대한 특징 파장을 선택하여 데이터 중복성을 줄이고 초 분광 이미지의 획득 및 처리 시간을 줄입니다. 그럼에도 불구하고, 사회의 발전과 과학적 진보에 따라, 초 분광 영상 기술은 계속 개선되고 개선 될 것이며, 향후 농산물 및 식품 안전 분야에서 광범위한 개발 공간과 응용 전망을 가질 것입니다.
