今天，中华干燥网小敏给大家介绍一下（光谱）VideometerLab4Videometer多光谱成像系统测定草莓，以下（光谱）VideometerLab4Videometer多光谱成像系统测定草莓的内容是小敏网上整理，希望对您有用。
Videometer多光谱成像系统的原理
多光谱成像技术是基于成像学和光谱学发展起来的一门新兴技术，它作为一种分析工具，可应用于包括生物医学在内的很多不同的研究领域。多种荧光同时标记时，经过单色光的激发，其多种荧光信号混杂在一起，通过液晶可调谐滤光片对所需波长光进行滤过和电荷藕合元件的采集，然后经信号解混系统将采集到的多种混杂的光解混，经过信号输出和显示，可直观地观察到不同颜色标记的生物样品的不同的成分或定位。多光谱成像和普通成像技术的最大不同之处，能获得每张图像每个像素点的高分辨率的光谱，而不是肉眼所见的红、蓝、绿三色图像。
研究生物体内复杂的生物过程，最直观的方法就是成像技术，如免疫组化、荧光原位杂交技术、细胞成像技术以及活体动物体内成像技术等。由于自发荧光以及光谱重叠的干扰，这些成像方法都只能用一种染料标记特定分子进行成像，即便通过荧光共振能量转移来研究分子问的相互作用，也只能同时有两种染料标记，且无法消除光谱重叠的干扰。生物体内过程的复杂性决定了单色成像用于生物医学研究的局限性，特别是人类基因组计划完成后，研究进入后基因组时代，更加注重基因表达和蛋白质功能信号通路的研究，这些核酸和蛋白质复杂多样在体内行使着多种多样的功能。随着成像学和光谱学的发展，使得图像被解混成为可能，多种染料标记不同的生物分子，即使存在非常明显的光谱重叠，通过光谱解混也能将每种光学信号彼此分离开。
Videometer多光谱成像系统测定草莓
VideometerLab 4多光谱测量系统在波长405–970 nm范围内有9个波段，用来对草莓果实硬度、可溶性固形物(TSS) 含量以及成熟阶段进行评估。研究采用了7中分析方法，包括偏最小二乘法、支持向量机法(SVM)以及BP神经网络（BPNN）来构建模型用以预测完好草莓果实的硬度以及TSS。与 PLS和SVM方法相比，BPNN法显著提升了多光谱系统预测硬度以及总可溶性固形物含量的性能，相关系数(r) 分别为0.94和 0.83, SEP 为0.375和0.573, 偏差为 0.035 和0.056。户做自己独有的特定分析。考虑到VideometerLab 4 portable可能需要经常带到温室、野外或其它地方进行测量，因此它被设计成可快速打包的样式。
随后使用SVM和主成分分析-BP神经网络法来检测了多光谱成像技术区分水果成熟阶段的能力。使用SVM模型获取了精度高达100%的分类精度。另外，所有模型结构显示光谱VIS可见光部分光谱是测定硬度、估算TSS含量以及鉴别成熟阶段的主要因素。结果表明，多光成像技术配合恰当的分析模型，是前景的快速估算草莓品质特性以及鉴别其成熟阶段的技术。
