En este estudio, se aplicó una cámara hiperespectral de 400-1000nm y FS13, un producto de Hangzhou Color Spectrum Technology Co., LTD., podría usarse para investigaciones relacionadas.El rango espectral es de 400-1000 nm, la resolución de longitud de onda es mejor que 2,5 nm y se pueden alcanzar hasta 1200 canales espectrales.La velocidad de adquisición puede alcanzar 128FPS en el espectro completo, y el máximo después de la selección de banda es 3300Hz (admite la selección de banda de varias regiones).
Los arándanos, también conocidos como arándanos, frutas de color azul oscuro, bayas, también conocidas como bayas azules, son una de las pequeñas bayas emergentes en China.Debido a su valor nutricional y de salud único, tiene muchos nutrientes necesarios para el cuerpo humano, excelentes propiedades de procesamiento, etc., y se le ha prestado atención". La calidad interna de los arándanos tiene un gran impacto en el sabor de los arándanos, y es también uno de los indicadores importantes para evaluar la calidad de los arándanos. El método de prueba tradicional generalmente utiliza un dispositivo de medición para detectar el contenido de azúcar y la dureza de los arándanos. Debido al índice de detección único, que consume mucho tiempo y es destructivo, estos métodos de detección son difíciles para ser aplicado a la detección industrial del contenido de azúcar y la dureza de la fruta, por lo tanto, es de gran importancia desarrollar un método no destructivo y eficiente para detectar el contenido de azúcar y la dureza del arándano basado en la calidad interna.
A lo largo de la investigación nacional y extranjera sobre el contenido de azúcar de la fruta y la detección de dureza, se puede ver que el uso del método de selección de longitud de onda característica puede reducir efectivamente la dimensión de los datos de imágenes hiperespectrales, reducir la redundancia de los datos espectrales, mejorar el rendimiento de la calibración y la eficiencia de detección. del modelo, y obtener buenos resultados de predicción.Muestra que estos métodos de selección de longitud de onda característicos pueden ser beneficiosos para realizar la detección de frutas en línea.Sin embargo, estos estudios están dirigidos principalmente a la detección de indicadores únicos, y es necesario establecer múltiples modelos para detectar múltiples indicadores de frutas, lo que aumenta la complejidad del procesamiento de datos.Por lo tanto, es necesario establecer un modelo de detección multiíndice para ahorrar tiempo y mejorar la eficiencia de la detección en línea.En este estudio, se utilizó la tecnología de imágenes hiperespectrales para proponer un método de selección de longitud de onda característica de varias etapas para detectar tanto el contenido de azúcar como la dureza de los arándanos en imágenes hiperespectrales.Los métodos de selección de longitudes de onda características, como el algoritmo de proyección continua o la regresión lineal múltiple paso a paso, se usaron sucesivamente para seleccionar las longitudes de onda características que podrían reflejar tanto el contenido de azúcar como la dureza de los arándanos, y el modelo de red neuronal BP se usó como modelo de detección.Se predijeron el contenido de azúcar y la dureza de los arándanos para realizar pruebas rápidas y no destructivas de la calidad interna de los arándanos y proporcionar una base teórica para la construcción de pruebas de calidad en línea de los arándanos.