基于高光谱成像快速估计未去皮马铃薯块茎的含水量


发布时间:

2023-01-31

来源:

植物表型资讯

作者:

PhenoTrait

马铃薯是全球最重要的蔬菜作物之一,在过去几年中全球马铃薯产量一直在增加,亟需提高对马铃薯品质的监测,例如含水量、淀粉含量和可溶性固体含量。其中含水量是关键的质量参数之一,故本研究在于探究高光谱成像在储存和加工之前量化未去皮马铃薯含水量的可行性。
 
使用Specim IQ高光谱VS_NIR相机(Specim, Spectral Imaging Ltd., Oulu, Finland) 、两个750 W卤钨灯和一个白色参考瓷砖搭建实验平台,如图1所示。相机工作范围在400-1000 nm之间,光谱分辨率为-7 nm,提供204个波段。样品包括47个不同品种的完整马铃薯,通过微波干燥法间接估计水分,假定干燥过程仅带走水分,测量干燥前后重量差异获得马铃薯真实含水量。
 
诸多不受控制的因素会导致高光谱数据包含噪声,故在开发多变量模型之前,需要对光谱进行预处理以减少噪声。通过计算感兴趣区域内所有像素的平均光谱,平滑随机噪声对整个区域的影响,然后使用白色和黑色参考图像进行校准,最后裁剪感兴趣区域的图像。采用偏最小二乘回归 (PLSR) 模型来预测马铃薯的含水量,采用预测和测量含水量之间的R2、RMSE和RPD评估预测模型的性能。如果RMSE低且R2和RPD都高,则认为该模型良好。将考虑全波长时的PLSR结果与选择重要波长范围时的结果进行了比较。测试了选择重要波长是否会增加模型预测能力。结果表明,当考虑整个波长范围(R2 = 0.53, RPD = 1.46, RMSE= 5.04%)或基于β系数法选择波长时(R2 = 0.53, RPD = 1.47, RMSE = 5.02%),模型对含水量有较好的预测能力。此外,当波长缩小到733–970 nm时,模型预测能力提高了10%以上。
 

图1 马铃薯高光谱图像采集系统

 

图2 未去皮马铃薯的含水量分布

 

图3 数据处理流程图

 

图4 考虑397.32-1003.58 nm完整HSI波长时的PLSR结果

 

图5 考虑732.53-969.63 nm之间波长时的PLSR结果

 

图6 PLSR回归中测量的含水量与预测的含水量

 

图7 考虑从700-1000 nm波长时的原始光谱特征

 

图8 在选择最佳波长的情况下,测量的含水量与预测的含水量

 

 

来 源

Muruganantham P, Samrat N H, Islam N, et al. Rapid Estimation of Moisture Content in Unpeeled Potato Tubers Using Hyperspectral Imaging[J]. Applied Sciences, 2023, 13(1): 53.

 

编 辑

Baron Liu

 

扩展阅读

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。