Bestimmung des Amylosegehalts in frischem Lotus durch Hyperspektralbildgebung

Mit der Verbesserung des Lebensstandards haben die Menschen höhere und höhere Anforderungen an den Geschmack und die Ernährung von Lotuskerne.Der Gehalt an Amylose beeinflusst direkt die Qualität und den Geschmack von LotuskerneDer Amylosegehalt von Lotuskerne variiert stark zwischen den verschiedenen Sorten, daher ist die Bestimmung des Amylosegehalts von Lotuskerne für die spätere Verarbeitung von großer Bedeutung.Die traditionelle Amylose-Erkennung erfolgt im Allgemeinen mit Hilfe von Jod-Kolorimetrie, Jod-Affinitätstitration und Querschnittsinfektionsmethode, sind zeitaufwendige und mühsame Methoden, die leicht von den Versuchsbedingungen beeinflusst werden können!

Die Hyperspektral-Bildgebungstechnologie ist eine zerstörungsfreie Testtechnologie, die ein reichhaltiges Spektrum und Bildinformationen erhält.Es hat die Vorteile, Zeit zu sparen.In dieser Arbeit wurde eine hyperspektral bildgebende Technologie verwendet, um Amylose aus frischem Lotus zu erkennen.

一、Materialien und Methoden

1.1 Prüfmaterialien

Die Proben stammten aus der Provinz Fujian, und die Sorten Xuanlian, Guangchanglian, Jianxuan 36, Mantianxing, Space Lotus und Xianglian wurden ausgewählt.der frische Lotussamen in flüssigem Stickstoff gelagert und ins Labor transportiert wurde, wo es 12 Stunden lang bei 4 °C gekühlt wurde.

1.2 Überspektraler Bildgewinnung und -korrektur

Zu den Hauptkomponenten eines hyperspektralen Bildgebungssystems gehören ein hyperspektraler Bildgeber, eine Lichtquelle, eine Bühne, eine Blackbox und eine hyperspektralen Datenerfassungssoftware.Das gesamte System kann die Farbspektrum-Hyperspektralkamera FS-13 verwenden.Das Hyperspektralsystem wird in Abbildung 1 dargestellt.Die Bewegungsgeschwindigkeit der Nutzlastplattform ist auf 3 eingestellt.5 mm/s und die Belichtungszeit beträgt 30 ms. Die Linse ist 40 cm von der sich bewegenden Plattform entfernt und geradeaus nach unten.Einstellung der Brennweite der Kamera des Spektrometers für Schwarz-Weiß-Korrektur des Systems.

1.3 Datenverarbeitung

Eine Analyse-Software wurde verwendet, um das durchschnittliche Spektrum der interessierten Region (ROI) aus dem Spektralbild von Lotuskerne zu extrahieren.Um den Einfluß von Lärm und äußeren Streunlichtern zu beseitigen, wurde der Modellierungseffekt von Vorbearbeitungsmethoden wie der ersten Ableitung, der zweiten Ableitung, der SG-Gleichung, der Mehrfachstreuungskorrektur (MSC) und der Umwandlung der normalen Standardvariablen verglichen.und die beste Vorbehandlungsmethode ausgewählt wurde.

二、Ergebnisse und Analyse

2.1 Durchschnittliches Spektrum der betreffenden Region

In diesem Papier wird die Spektralkurve jedes Pixels im Interessengebiet einer einzelnen Probe zur späteren Verarbeitung verwendet.Das durchschnittliche Spektraldiagramm nach Entfernung des Kopfhörs und des Schwanzgeräuschs (400 nm~971 nm) ist in Abbildung 2 dargestellt.Auf der Abbildung wird ersichtlich, daß die Variationsentwicklung der Spektralwerte verschiedener Proben konsistent ist.die durch die Verschiebung des Wasserbandes verursacht werden könnenDas Band hat eine relativ offensichtliche Absorption zwischen 500nm und 920nm.O-H-Sekundärfrequenz-Doppelung und O-H-Primärfrequenz-Doppelung der C-H-Gruppe im Amylose-Molekül.

2.2 Amylosegehalt von Lotuskerne

Die Ergebnisse der Korrekturmenge und der Vorhersagemenge des Amylosegehalts durch die SPXY-Methode sind in Tabelle 1 dargestellt.Aus der Tabelle geht hervor, daß der Amylosegehalt in frischen Lotuskerne sehr unterschiedlich ist.Der Höchstwert für den Amylosegehalt korrigierter Lotuskerne beträgt 227,90 mg/g, der Mindestwert 100,82 mg/g und die Standardabweichung 44,73 mg/g.Der Amylosegehalt der vorhergesagten Probe liegt im Bereich der Korrekturprobe, so dass die Stichprobenabteilung angemessen ist.

三Schlussfolgerung

In dieser Arbeit wurde die hyperspektralen Bildgebungstechnologie verwendet, um den Amylosegehalt schnell zu erkennen.Die Ergebnisse zeigen, dass der Modellierungseffekt nach der Verwendung der ersten Ableitung und der Mehrfachstreuungskorrektur (MSC) am besten ist.. Dann wurde SPA verwendet, um 9 Merkmalbänder zu extrahieren. Der korrigierte Korrelationskoeffizient (R) des PLSR-Vorhersagemodells war 0.835, war der korrigierte Satzwurzeldurchschnittsquadratischer Fehler (RMSEC) 1.802, der vorhergesagte Korrelationskoeffizient (R) war 0.856, und der vorhergesagte Satzwurzeldurchschnittsquadratfehler (RMSEP) betrug 1.752Der relative Analysefehler (RPD) betrug 1.944. Der Korrelationskoeffizient der Vorhersagungsmenge des PLSR-Vorhersagungsmodells, ermittelt durch die RC-Methode (R. Der Vorhersagungsmengenquadratwurzeldurchschnittsfehler (RMSEP) betrug 1.897Der relative Analysefehler (RPD) betrug 1.761Diese Studie lieferte eine Idee für die Weiterentwicklung eines Online-Erkennungsgeräts für den Amylosegehalt und legte eine gute Grundlage.