Dans cette étude, une caméra 400-1000nm hyperspectral peut être utilisée, et FS13, un produit de Hangzhou CHNSpec Technology Co., Ltd, Ltd, peut être employé pour la recherche relative. Le domaine spectral est 400-1000nm, la résolution de longueur d'onde est meilleure que 2.5nm, et jusqu'à 1200 canaux spectraux peuvent être atteints. La vitesse d'acquisition peut atteindre 128FPS dans le plein spectre, et le maximum après que la sélection de bande soit 3300Hz (sélection de bande de multi-région de soutien).
Les éléments nutritifs principaux du fourrage composé incluent l'eau, cendre, protéine brute, calcium, phosphore total et ainsi de suite. La détection des éléments nutritifs principaux de l'alimentation est un lien technique indispensable dans le processus de fabrication et des moyens importants d'assurer la qualité des produits d'alimentation. La méthode de détection et d'analyse d'alimentation est la base de son contrôle de qualité. Actuellement, la méthode d'analyse chimique traditionnelle est généralement employée pour déterminer les éléments nutritifs principaux du fourrage composé. La méthode traditionnelle de détermination est souvent longue et de main-d'oeuvre, ayant pour résultat le délai, alors que le coût de détermination est haut, et certains même doivent détruire l'échantillon lui-même, qui a également des conditions plus élevées pour des opérateurs et des laboratoires. Pour explorer une méthode pour la détection rapide des éléments nutritifs principaux du fourrage composé, largement la favoriser et s'appliquer à l'essai et à l'analyse réels des entreprises d'alimentation, qui a les avantages sociaux et économiques élevés pour améliorer le taux de détection et favoriser le développement du niveau de essai du fourrage composé. La détection Hyperspectral d'image est un ensemble de pointe de vision d'ordinateur et de détection spectrale, l'utilisation de la technologie hyperspectral d'image d'obtenir l'information d'échantillon contient un grand nombre d'information spectrale du bloc d'image tridimensionnel, elle a non seulement une résolution spectrale élevée, et l'information spectrale extraite à partir de l'image peut être employée pour détecter la qualité interne de l'échantillon. Par conséquent, la technologie hyperspectral de détection d'image de plus en plus est favorisée par des chercheurs ici et ailleurs, et a été très utilisée dans la détection de qualité des produits agricoles, mais la recherche d'application en fourrage composé est rarement rapportée. Dans cette étude, la technologie hyperspectral d'image a été employée pour obtenir du modèle évidente/proche-infrarouge information spectrale des échantillons expérimentaux de fourrage composé, et d'analyse quantitative des éléments nutritifs principaux en fourrage composé, tel que l'humidité, cendre, protéine brute, calcium et phosphore total, a été établie à l'aide des méthodes stoechiométriques, et le modèle a été vérifié, visant à explorer la faisabilité d'employer la technologie de l'image hyperspectral pour détecter les éléments nutritifs principaux en fourrage composé. Il constitue également une nouvelles idée et base pour la détection rapide du fourrage composé.
Dans cette étude, la technologie hyperspectral d'image a été employée pour établir des modèles d'analyse quantitative de protéine brute, cendre brute, eau, phosphore et teneur en calcium totale en fourrage composé au moyen de prise d'échantillons anormale, division d'ensemble témoin, traitement préparatoire spectral optimal et sélection caractéristique de bande, combinés avec partiel moindre stoechiométrie du carré. Les modèles ont été vérifiés. L'ensemble témoin de protéine brute divisé par la méthode de SPXY et l'ensemble brut témoin de cendre divisé par la méthode de CG., combinée avec la combinaison de l'as, du FD et du SNV, le modèle d'analyse quantitative établi dans la bande caractéristique a le meilleur effet. La correction a placé le coefficient R& de détermination du modèle optimal de protéine brute est 0,8373, l'erreur de valeur efficace RMSEC est 2,1327%, l'erreur relative RPDc d'analyse est 2,4851, la validation a placé le rv est 0,7778, RMSEP est 2,6155%, et RPDv est 2,1143. La cendre brute optimale R&, RMSEC 1,0107%, RPDc 2,2064, rv 0,7758, RMSEP 1,0611% et RPDv 2,1204 ont été obtenues. L'analyse quantitative modèle de la protéine brute et représentation prévisionnelle d'exposition brute de cendre de la bonne et peut être employée pour l'analyse quantitative pratique. L'ensemble d'échantillon d'eau divisé par la méthode de CG. combinée avec le traitement préparatoire de l'as, de l'OSCILLATEUR et du Detrend a le meilleur effet dans la bande caractéristique. Son RE d'ensemble de correction est 0,6470, RMSEC est 1,8221%, RPD est 1,6849, relais d'ensemble de validation est 0,6314, RMSEP est 1,6003%. RPDv est 1,9371, bien que le modèle puisse être employé dans l'analyse quantitative pratique, son exactitude de prévision doit toujours être encore optimisé. Les résultats du modèle d'analyse quantitative obtenu à partir de tout le ensemble témoin de phosphore divisé par la méthode de CG. combinée avec les méthodes de traitement préparatoire d'as, de FD et de SNV étaient optimaux. Le rapport de RS, de RMSEC et de RPD du modèle optimal était 0,6038, 0,1656% et 1,5700, respectivement. Les ensembles de validation R9, RMSEP et RPD/sont 0,4672, 0,1916% et 1,3570, respectivement. Les paramètres d'optimisation du traitement du modèle de correction et du modèle de validation sont pauvres, indiquant que le modèle a la capacité prévisionnelle pauvre et ne peut pas être employé dans l'analyse quantitative réelle. Après traitement préparatoire de l'ensemble témoin de calcium divisé par la méthode de CG. et combiné avec de l'as, l'OSCILLATEUR et la méthode de Detrend, le modèle d'analyse quantitative établi dans sa bande caractéristique a le meilleur effet, le RB du modèle optimal est 0,4784, et l'ensemble R≈ de vérification est seulement 0,4406. L'effet de prévision du modèle est pauvre, et il ne peut pas être appliqué dans l'analyse pratique. L'exactitude de prévision du modèle optimal d'analyse quantitative de protéine brute basé sur la technologie hyperspectral d'image est le meilleur, et la représentation de prévision du modèle brut de cendre est la deuxième, et chacun des deux peuvent être employés exactement dans la détection pratique. L'exactitude de prévision du modèle optimal d'analyse quantitative de l'eau devrait être améliorée. Cependant, le modèle optimal d'analyse quantitative du phosphore et du calcium totaux a la représentation prévisionnelle pauvre et ne peut pas être employé pour la détection pratique.