Hyperspectral imaging for chilling injury detection in Red Delicious apples. Part 2: Selection of optimal wavelengths for chilling injury detection

Annals of Warsaw University of Life Sciences - SGGW
Agriculture No 52 (Agricultural and Forest Engineering) 2008: 81-88
(Ann. Warsaw Univ. of Life Sci. - SGGW, Agricult. 52, 2008)

Hyperspectral imaging for chilling injury detection in Red Delicious apples. Part 2: Selection of optimal wavelengths for chilling injury detection

GAMAL ELMASRY1, NING WANG2 , CLEMENT VIGNEAULT3
1Agricultural Engineering Department, Faculty of Agriculture, Suez Canal University, Ismailia, Egypt
2Department of Biosystems and Agricultural Engineering, Stillwater, Oklahoma, USA
3Horticulture Research and Development Centre, Agriculture and Agri-Food Canada, Quebec, Canada

Abstract: Hyperspectral imaging (400-1000 nm) and artificial neural network techniques were investigated for the detection of chilling injury in Red Delicious apples. Feed-forward back-propagation ANN models were developed to select the optimal wavelength(s), classify the apples and detect firmness changes due to chilling injury. The five optimal wavelengths selected by ANN were 717, 751, 875, 960 and 980 nm. With the spectral and spatial responses at the selected five optimal wavelengths, an average classification accuracy of 98.44% was achieved for distinguishing between normal and injured fruits. The correlation coefficients between measured and predicted firmness values were 0.93, 0.91 and 0.92 for the training, testing and validation sets, respectively.

Key words: hyperspectral imaging, artificial neural network (ANN), apple, optimal wavelength, firmness, chilling injury.

Streszczenie: Nadwidmowy system obrazu dla wykrywania uszkodzeń podczas wychładzania w jabłkach Red Delicious. Część 2: Wybór optymalnych długości fal dla wykrywania uszkodzeń podczas wychładzania. Przeprowadzono badania nadwidmowych obrazów (400-1000 nm) i technik sztucznej sieci neuronowej przy wykrywaniu uszkodzeń jabłek odmiany Red Delicious w wyniku wychładzania. Opracowano modele ANN ze sprzężeniem do przodu i wsteczną propagacją w celu wybrania optymalnej długości fali (fal), klasyfikacji jabłek i określenia zmian jędrności w wyniku uszkodzeń podczas wychładzania. Za pomocą modeli ANN wybrano 5 optymalnych długości fal: 717, 751, 875, 960 i 980 nm. Na podstawie widmowych i przestrzennych reakcji przy wybranych pięciu optymalnych długościach fal, podczas odróżniania zdrowych i uszkodzonych owoców uzyskano średnią dokładność klasyfikacji wynoszącą 98,44%. Wartości współczynników korelacji pomiędzy zmierzoną i prognozowaną jędrnością dla poszczególnych zestawów: uczenia, testowania i atestacji wynosiły odpowiednio: 0,93; 0,91; i 0,92.

Please use the following format to cite the selected article:
ELMASRY G., WANG N., VIGNEAULT C. 2008. Hyperspectral imaging for chilling injury detection in Red Delicious apples Part 2: Selection of optimal wavelengths for chilling injury detection. Annals of Warsaw University of Life Sciences - SGGW. Agriculture No 52 (Agricultural and Forest Engineering). s. 81-88

Authors' addresses:
Gamal ElMasry
Agricultural Engineering Department
Faculty of Agriculture
Suez Canal University,
P.O. Box. 41522, Ismailia, Egypt
e-mail: gmisry@yahoo.com

Ning Wang
Department of Bioresource Engineering
McGill University
21,111 Lakeshore Road
Sainte-Anne-deBellevue
Quebec H9X 3V9, Canada
Department of Biosystems and Agricultural Engineering
Stillwater, Oklahoma, 74078 USA
e-mail: ning.wang@okstate.edu

Clément Vigneault
Horticulture Research and Development Centre
Agriculture and AgriFood Canada
430 Gouin Boulevard
Saint-Jean-sur-Richelieu
Quebec J3B 3E6, Canada
e-mail: vigneaultc@agr.gc.ca

ELMASRY G., WANG N., VIGNEAULT C. Hyperspectral imaging for chilling injury detection in Red Delicious apples Part 2: Selection of optimal wavelengths for chilling injury detection