-
生物通官微
陪你抓住生命科技
跳动的脉搏
生物通官微
陪你抓住生命科技
跳动的脉搏
通过协同利用光谱特征和图像纹理特征，利用高光谱成像技术无损评估草莓淤伤时间
《Journal of Food Measurement and Characterization》：Synergizing spectral and image texture features enables non-destructive assessment of strawberry bruising time using hyperspectral imaging
【字体： 大 中 小 】 时间：2026年10月04日 来源：Journal of Food Measurement and Characterization 3.6
编辑推荐：
摘要草莓在采后处理过程中极易受到机械损伤，引发生理劣变和微生物污染。因此，快速识别压伤进展对于减少经济损失和确保食品安全至关重要。本研究采用近红外高光谱成像技术（905–1700 nm）表征了不同损伤后阶段（3、6、12和24小时）的完整草莓和压伤草莓。在六种预处理技术中，一
草莓在采后处理过程中极易受到机械损伤，引发生理劣变和微生物污染。因此，快速识别压伤进展对于减少经济损失和确保食品安全至关重要。本研究采用近红外高光谱成像技术（905–1700 nm）表征了不同损伤后阶段（3、6、12和24小时）的完整草莓和压伤草莓。在六种预处理技术中，一阶导数（1D）表现最优。为减少光谱冗余，采用SPA、CARS和UVE进行特征波长选择。通过整合三种特征选择方法的结果，确定了8个特征波长，并通过使用非下采样轮廓波变换（NSCT）融合选定波长的图像以及基于灰度共生矩阵（GLCM）提取纹理参数，构建了光谱-纹理特征。基于光谱特征、纹理特征及其融合，建立了包括偏最小二乘判别分析（PLS-DA）、卷积神经网络（CNN）和长短期记忆网络（LSTM）在内的分类模型。与仅使用光谱特征的模型相比，光谱-纹理特征融合 consistently 提高了分类性能，在UVE特征选择条件下，PLS-DA、CNN和LSTM模型的准确率分别提高了2.22%、2.97%和5.19%。在所有评估模型中，融合的UVE-CNN和UVE-LSTM模型分别达到了95.56%和96.30%的最高分类准确率。总体而言，所提出的方法为准确区分草莓压伤阶段和支持采后质量评估提供了一种可靠的非破坏性方法。
草莓在采后处理过程中极易受到机械损伤，引发生理劣变和微生物污染。因此，快速识别压伤进展对于减少经济损失和确保食品安全至关重要。本研究采用近红外高光谱成像技术（905–1700 nm）表征了不同损伤后阶段（3、6、12和24小时）的完整草莓和压伤草莓。在六种预处理技术中，一阶导数（1D）表现最优。为减少光谱冗余，采用SPA、CARS和UVE进行特征波长选择。通过整合三种特征选择方法的结果，确定了8个特征波长，并通过使用非下采样轮廓波变换（NSCT）融合选定波长的图像以及基于灰度共生矩阵（GLCM）提取纹理参数，构建了光谱-纹理特征。基于光谱特征、纹理特征及其融合，建立了包括偏最小二乘判别分析（PLS-DA）、卷积神经网络（CNN）和长短期记忆网络（LSTM）在内的分类模型。与仅使用光谱特征的模型相比，光谱-纹理特征融合 consistently 提高了分类性能，在UVE特征选择条件下，PLS-DA、CNN和LSTM模型的准确率分别提高了2.22%、2.97%和5.19%。在所有评估模型中，融合的UVE-CNN和UVE-LSTM模型分别达到了95.56%和96.30%的最高分类准确率。总体而言，所提出的方法为准确区分草莓压伤阶段和支持采后质量评估提供了一种可靠的非破坏性方法。
