Determinación del contenido de amilosa en el loto fresco mediante imágenes hiperespectrales

Con la mejora de los niveles de vida, las personas tienen cada vez mayores requisitos para el sabor y la nutrición de las semillas de loto.su contenido en amilosa afecta directamente a la calidad y el sabor de las semillas de lotoEl contenido de amilosa de las semillas de loto varía mucho entre las diferentes variedades, por lo que la determinación del contenido de amilosa de las semillas de loto es de gran importancia para el procesamiento posterior.La detección tradicional de la amilosa se realiza generalmente mediante colorimetría del yodo.En el caso de los productos de la industria de la energía, los resultados de los ensayos son muy positivos, pero no son satisfactorios.

La tecnología de imagen hiperespectral es una tecnología de prueba no destructiva que puede obtener un amplio espectro e información de imagen.tiene las ventajas de ahorrar tiempoEn este trabajo, se utilizó tecnología de imagen hiperespectral para detectar la amilosa del loto fresco.

一、Materiales y métodos

1.1 Materiales de ensayo

Las muestras eran de la provincia de Fujian, y las variedades de Xuanlian, Guangchanglian, Jianxuan 36, Mantianxing, Space lotus y Xianglian fueron seleccionadas.la semilla de loto fresca se almacenó en nitrógeno líquido y se transportó al laboratorio, donde fue refrigerado a 4 °C durante 12 horas.

1.2 Adquisición y corrección de imágenes hiperespectrales.

Los componentes principales de un sistema de imagen hiperespectral incluyen un imager hiperespectral, una fuente de luz, un escenario, una caja negra y un software de adquisición de datos hiperespectrales.Todo el sistema puede utilizar el espectro de color de la cámara hiperespectral FS-13, que puede recoger el rango espectral de 400 nm ~ 1000 nm, y la resolución espectral es de 2.5 nm. El sistema de imágenes hiperespectral se muestra en la Figura 1.La velocidad de movimiento de la plataforma de carga útil está fijada en 3.5 mm/s y el tiempo de exposición es de 30 ms. La lente está a 40 cm de la plataforma en movimiento y directamente hacia abajo.Ajustar la distancia focal de la cámara del espectrómetro para la corrección en blanco y negro del sistema.

1.3 Tratamiento de datos

Se utilizó un software de análisis para extraer el espectro medio de la región de interés (ROI) de la imagen espectral de semillas de loto.Para eliminar la influencia del ruido y de la luz exterior, se comparó el efecto de modelado de métodos de preprocesamiento como el primer derivado, el segundo derivado, el suavizado SG, la conversión de variables normales estándar de corrección de dispersión múltiple (MSC),y se seleccionó el mejor método de pretratamiento.

二、Resultados y análisis

2.1 Espectro medio de la región de interés

En este trabajo, la curva espectral de cada píxel en la región de interés de una sola muestra se utiliza para el procesamiento posterior.El diagrama espectral medio después de eliminar el ruido de la cabeza y la cola (400nm~971nm) se muestra en la Figura 2.Se puede ver en la figura que la tendencia de variación de los valores espectrales de las diferentes muestras es consistente.que puede ser causada por el cambio en la banda de aguaLa banda tiene una absorción relativamente obvia entre 500 nm y 920 nm. Puede estar relacionada con la duplicación de frecuencia cuaternaria,Doblaje de frecuencia secundaria O-H y doblaje de frecuencia primaria O-H del grupo C-H en la molécula de amilosa.

2.2 Contenido en amilosa de las semillas de loto

Los resultados del conjunto de corrección y del conjunto de predicción del contenido de amilosa dividido por el método SPXY se muestran en el cuadro 1.Se puede ver en la tabla que el contenido de amilosa de las semillas de loto frescas varía muchoEl valor máximo del contenido de amilosa de las semillas de loto corregidas es de 227,90 mg/g, el valor mínimo es de 100,82 mg/g y la desviación estándar es de 44,73 mg/g.El contenido de amiloza de la muestra prevista se sitúa dentro del intervalo de la muestra del conjunto de corrección, por lo que la división de la muestra es razonable.

三、 Conclusión

En este artículo, se utilizó tecnología de imagen hiperespectral para detectar rápidamente el contenido de amiloza.Los resultados muestran que el efecto de modelado es mejor después de utilizar la primera derivada y la corrección de dispersión múltiple (MSC).Luego se utilizó SPA para extraer 9 bandas de características. El coeficiente de correlación del conjunto corregido (R) del modelo de predicción PLSR fue 0.835, el error cuadrado medio de la raíz del conjunto corregido (RMSEC) fue de 1.802, el coeficiente de correlación del conjunto previsto (R) fue 0.856, y el error cuadrado medio de la raíz del conjunto previsto (RMSEP) fue de 1.752El error de análisis relativo (RPD) fue de 1.944El coeficiente de correlación del conjunto de predicciones del modelo de predicción PLSR establecido por el método RC (R. El error cuadrado medio de la raíz del conjunto de predicciones (RMSEP) fue de 1.897El error de análisis relativo (RPD) fue de 1.761Este estudio proporcionó una idea para el desarrollo de un instrumento de detección en línea del contenido de amilo­sa, y sentó una buena base.