In dieser Studie wurde eine 400-1000-nm-Hyperspektralkamera eingesetzt, und FS13, ein Produkt von Hangzhou Color Spectrum Technology Co., LTD., konnte für entsprechende Forschungen verwendet werden.Der Spektralbereich beträgt 400–1000 nm, die Wellenlängenauflösung ist besser als 2,5 nm und es können bis zu 1200 Spektralkanäle erreicht werden.Die Erfassungsgeschwindigkeit kann im gesamten Spektrum 128 FPS erreichen, und das Maximum nach der Bandauswahl beträgt 3300 Hz (unterstützt die Bandauswahl in mehreren Regionen).
Blaubeeren, auch bekannt als Blaubeeren, dunkelblaue Früchte, Beeren, also auch Blaubeeren genannt, sind eine der aufstrebenden kleinen Beeren in China.Aufgrund seines einzigartigen Gesundheits- und Nährwerts verfügt es über viele vom menschlichen Körper benötigte Nährstoffe, hervorragende Verarbeitungseigenschaften usw. und wurde beachtet.“ Die innere Qualität von Blaubeeren hat einen großen Einfluss auf den Geschmack von Blaubeeren ist auch einer der wichtigen Indikatoren zur Bewertung der Qualität von Blaubeeren. Bei der traditionellen Testmethode werden im Allgemeinen Messgeräte verwendet, um den Zuckergehalt und die Härte von Blaubeeren zu ermitteln. Aufgrund des einzigen Nachweisindex, der zeitaufwändig und zerstörerisch ist, sind diese Nachweismethoden schwierig zur industriellen Erkennung des Zuckergehalts und der Härte von Früchten. Daher ist es von großer Bedeutung, eine zerstörungsfreie und effiziente Methode zur Erkennung des Zuckergehalts und der Härte von Blaubeeren auf der Grundlage der inneren Qualität zu entwickeln.
Bei der in- und ausländischen Forschung zum Fruchtzuckergehalt und zur Erkennung der Härte lässt sich erkennen, dass die Verwendung einer Methode zur Auswahl charakteristischer Wellenlängen die Dimension hyperspektraler Bilddaten wirksam reduzieren, die Redundanz spektraler Daten verringern und die Kalibrierungsleistung und Erkennungseffizienz verbessern kann des Modells und erhalten gute Vorhersageergebnisse.Es zeigt, dass diese charakteristischen Wellenlängenauswahlmethoden für die Online-Erkennung von Früchten von Vorteil sein können.Diese Studien zielen jedoch hauptsächlich auf die Erkennung einzelner Indikatoren ab und es müssen mehrere Modelle erstellt werden, um mehrere Fruchtindikatoren zu erkennen, was die Komplexität der Datenverarbeitung erhöht.Daher ist es notwendig, ein Modell für die Multi-Index-Erkennung zu etablieren, um Zeit zu sparen und die Effizienz der Online-Erkennung zu verbessern.In dieser Studie wurde mithilfe der hyperspektralen Bildgebungstechnologie eine mehrstufige Methode zur Auswahl der Merkmalswellenlänge vorgeschlagen, um sowohl den Zuckergehalt als auch die Härte von Blaubeeren in hyperspektralen Bildern zu erkennen.Methoden zur Auswahl der Merkmalswellenlängen wie der kontinuierliche Projektionsalgorithmus oder die schrittweise multiple lineare Regression wurden nacheinander verwendet, um die Merkmalswellenlängen auszuwählen, die sowohl den Zuckergehalt als auch die Härte von Blaubeeren widerspiegeln könnten, und als Erkennungsmodell wurde das neuronale BP-Netzwerkmodell verwendet.Der Zuckergehalt und die Härte von Blaubeeren wurden vorhergesagt, um eine schnelle und zerstörungsfreie Prüfung der inneren Qualität von Blaubeeren zu ermöglichen und eine theoretische Grundlage für die Erstellung von Online-Qualitätstests für Blaubeeren zu schaffen.