В этом исследовании, hyperspectral камеру 400-1000nm можно использовать, и FS13, продукт CO. технологии Ханчжоу CHNSpec, Ltd, LTD., можно использовать для родственного исследования. Спектральный ряд 400-1000nm, разрешение длины волны лучшее чем 2.5nm, и до 1200 спектральных каналов можно достигнуть. Скорость приема может достигнуть 128FPS в полном спектре, и максимум после того как переключение диапазона 3300Hz (переключение диапазона мульти-региона поддержки).
Главные питательные вещества составного питания включают воду, золу, незрелый протеин, кальций, полный фосфор и так далее. Обнаружение главных питательных веществ питания непременная техническая связь в производственном процессе и важные середины обеспечить качество продуктов питания. Метод обнаружения и анализа питания лежит в основу своей проверки качества. В настоящее время, традиционный метод химического анализа вообще использован для того чтобы определить главные питательные вещества составного питания. Традиционный метод определения часто требующ много времени и трудоемок, приводящ в отставании по времени, пока цена определения высока, и некоторым даже нужно разрушить образец самого, который также имеет более высокие требования для операторов и лабораторий. Исследовать метод для быстрого обнаружения главных питательных веществ составного питания, всесторонне повысить и приложить его к реальному испытанию и анализу предприятий питания, который имеет высокие социальные и экономические преимущества для улучшать тариф обнаружения и повышать развитие испытывая уровня составного питания. Hyperspectral обнаружение изображения высокотехнологичный набор зрения компьютера и спектрального обнаружения, польза hyperspectral технологии изображения получить данные по образца содержит большое количество спектральной информации трехмерного блока изображения, она не только имеет высокое спектральное разрешение, и спектральную информацию извлеченную от изображения можно использовать для того чтобы обнаружить внутреннее качество образца. Поэтому, hyperspectral технология обнаружения изображения больше и больше благоволить к учеными в стране и за рубежом, и широко была использована в качественном обнаружении сельскохозяйственных продуктов, но исследование применения в составном питании редко сообщено. В этом исследовании, hyperspectral технология изображения была использована для того чтобы получить модель видимая/близко-ультракрасная спектральная информация экспириментально образцов составного питания, и количественного анализа главных питательных веществ в составном питании, как влага, зола, незрелый протеин, кальций и полный фосфор, была установлена путем использование стехиометрических методов, и была подтвержена модель, направляя исследовать осуществимость использования hyperspectral технологии обработки изображения для того чтобы обнаружить главные питательные вещества в питании смеси. Она также обеспечивает новые идею и основу для быстрого обнаружения составного питания.
В этом исследовании, hyperspectral технология изображения была использована для того чтобы установить модели количественного анализа незрелого протеина, незрелой золы, воды, полных фосфора и содержания кальция в составном питании посредством анормалного удаления образца, разделения набора образца, оптимального спектрального pretreatment и характерного переключения диапазона, совмещенного с частично стехиометричностью наименьшего квадрата. Модели были подтвержены. Набор образца незрелого протеина разделенный методом SPXY и незрелый набор образца золы разделенный методом CG, совмещенным с сочетанием из КАК, FD и SNV, модель количественного анализа установленная в характерном диапазоне имеют самое лучшее влияние. Коррекция установила коэффициент R& определения оптимальной модели незрелого протеина 0,8373, ошибка среднеквадратичной величины RMSEC 2,1327%, относительная ошибка RPDc анализа 2,4851, утверждение установило RV 0,7778, RMSEP 2,6155%, и RPDv 2,1143. Была получена оптимальная незрелая зола R&, RMSEC 1,0107%, RPDc 2,2064, RV 0,7758, RMSEP 1,0611% и RPDv 2,1204. Модели количественного анализа незрелого протеина и представления незрелого шоу золы и хорошего предвестникового и можно использовать для практически количественного анализа. Набор проба воды разделенный методом CG совмещенным с pretreatment КАК, ГЕНЕРАТОРОМ и Detrend имеет самое лучшее влияние в характерном диапазоне. Своя коррекция установленный RE 0,6470, RMSEC 1,8221%, RPD 1,6849, Ry набора утверждения 0,6314, RMSEP 1,6003%. RPDv 1,9371, хотя модель можно использовать в практически количественном анализе, своя точность прогноза все еще нужно быть оптимизированными самыми дальними. Результаты модели количественного анализа полученной от полного набора образца фосфора разделенного методом CG совмещенным с методами pretreatment КАК, FD и SNV были оптимальны. Коэффициент RS, RMSEC и RPD оптимальной модели был 0,6038, 0,1656% и 1,5700, соответственно. Наборы R9, RMSEP и RPD/утверждения 0,4672, 0,1916% и 1,3570, соответственно. Рабочие параметры как модели коррекции, так и модели утверждения плохи, показывающ что модель имеет плохую способность предсказывания и не может быть использована в фактическом количественном анализе. После pretreatment набора образца кальция разделенного методом CG и совмещенного с КАК, ГЕНЕРАТОР и метод Detrend, модель количественного анализа установленная в своем характерном диапазоне имеют самое лучшее влияние, RB оптимальной модели 0,4784, и набор R≈ проверки только 0,4406. Влияние прогноза модели плохо, и его нельзя приложить в практически анализе. Точность прогноза модели количественного анализа незрелого протеина оптимальной основанной на hyperspectral технологии изображения самое лучшее, и представление прогноза незрелой модели золы второе, и оба можно использовать точно в практически обнаружении. Точность прогноза модели количественного анализа воды оптимальной должна быть улучшена. Однако, оптимальная модель количественного анализа полных фосфора и кальция имеет плохое предвестниковое представление и не может быть использована для практически обнаружения.