高光譜圖像技術(shù)在水果品質(zhì)無損檢測中的研究

? ? ? ?隨著人民生活質(zhì)量的逐步提升，消費者對水果質(zhì)量的要求也越來越高。 但水果的內(nèi)部品質(zhì)不宜觀察，且在采摘、包裝和運輸過程中，水果很容易受到人工或外界等物理因素的影響，致使其內(nèi)外部的品質(zhì)受到損傷?。 因此，發(fā)展準確、快速、無損的檢測技術(shù)已成為水果品質(zhì)檢測領(lǐng)域重要的研究課題。 隨著光譜技術(shù)的不斷發(fā)展，高光譜圖像技術(shù)被逐漸應用于水果無損檢測。 作為新一代的光電檢測技術(shù)，高光譜圖像技術(shù)結(jié)合了光譜學、機器視覺、計算機圖像學、近紅外光譜檢測等多學科知識，將光譜技術(shù)和傳統(tǒng)的二維成像技術(shù)進行了有機融合，具有高分辨率、超多波段和圖像光譜合一等優(yōu)點?，將高光譜圖像技術(shù)應用于水果品質(zhì)檢測領(lǐng)域具有重要的意義?。 高光譜成像技術(shù)可以同時得到水果的圖像和光譜信息，其中圖像信息能夠直接反映水果的外部形狀特征、顏色、缺陷等情況?，而光譜數(shù)據(jù)則可以用 于分析水果化學成分含量，如糖度、酸度、可溶性固形物含量等。 本文主要介紹國內(nèi)外學者利用高光譜成像技術(shù)對水果品質(zhì)進行無損檢測的研究進展，并探討了該技術(shù)未來的發(fā)展前景。

1 高光譜圖像技術(shù)簡介?

1. 1 高光譜成像系統(tǒng)?

? ? ? ?高光譜成像系統(tǒng)是20 世紀80年代興起的新一代光電探測技術(shù)。一般認為，光譜分辨率在10－1λ 數(shù)量級的范圍內(nèi)稱之為多光譜，光譜分辨率在10－2λ 數(shù)量級的范圍內(nèi)稱為高光譜，高光譜成像相對多光譜成像而言具有更高的分辨率。?

? ? ? ?高光譜檢測系統(tǒng)主要由源、面陣CCD或CMOS相機和計算機軟硬件等組成。光源是高光譜成像系統(tǒng)的重要組成部分，為整個成像系統(tǒng)提供照明，其產(chǎn)生的光被檢測物體吸收和散射后成為信息的載體，進入相機的入口狹縫，通過相機中的光譜成像儀將光信號映射到二維面陣檢測器上，最后根據(jù)計算機軟件和硬件采集、處理、分析以及存儲高光譜圖像數(shù)據(jù)。?

1. 2 高光譜圖像數(shù)據(jù)的采集方式?

? ? ? ?根據(jù)高光譜圖像采集方式的不同，可分為點掃描、線掃描和面掃描三種。 點掃描方式每次掃描只能獲得一個像素點的光譜，不適用于快速檢測，所以點掃描的方式常常被用于檢測微觀對象。線掃描方式通過每次掃描可以獲得掃描線上的光譜，適用于傳輸帶上物體的實時檢測，因此該方法是水果品質(zhì)檢測中最常用的圖像采集方法。點掃描和線掃描方式都屬于光譜域掃描方式，首先獲得圖像的光譜和一個維度的空間信息，再通過掃描移動，獲得另一維度空間信息。 而面掃描方式屬于空間域掃描方式，可以同時獲取單個波長下被測物體兩個空間維度的圖像信息，其數(shù)據(jù)采集量大且數(shù)據(jù)采集時間較長，高光譜成像系統(tǒng)中通常會選擇面掃描方式。?

2 高光譜圖像技術(shù)的研究進展?

2. 1 水果品質(zhì)定性分析?

2. 1. 1 機械損傷?

? ? ?水果在收獲和運輸過程中很容易因為外界的沖擊、振動或擠壓而出現(xiàn)機械損傷，從而使水果的品級降低并造成經(jīng)濟損失?，F(xiàn)在對水果機械損傷的檢測多是通過人眼檢測，檢測精度較低，致使分類不夠精準，無法滿足消費者對水果質(zhì)量的要求，而高光譜檢測技術(shù)以其高精度無損檢測的特點正在逐漸取代原有的檢測技術(shù)。?

? ? ?近十年來，采用高光譜成像技術(shù)檢測蘋果機械損傷的研究已有很多，韓浩然等利用高光譜成像技術(shù)來檢測蘋果的摔傷，試驗結(jié)果表明，波段比算法和主成分分析法分類識別正確率為93.3% ，適用于蘋果摔傷的實時快速檢測。 Baranowski 等采用配備了在可見光和短波近紅外（VIS / SWNIR，400~1000nm) 傳感器的高光譜相機、中波近紅外（MNIR，1000~2500nm)和紅外（IR，3500~5000nm) 范圍的熱成像相機系統(tǒng)來檢測蘋果的早期瘀傷。結(jié)果表明，將VIS / SWNIR、MNIR和IR三個范圍結(jié)合在一起的模型獲得了區(qū)分瘀傷和完好組織以及各種深度瘀傷的最佳預測效率， 使用廣譜范圍（400~5000nm)進行水果表面成像可以改善對蘋果不同深度早期瘀傷的檢測效果。Nayeli等利用近紅外高光譜成像系統(tǒng)檢測芒果的機械損傷，采用了五種分類方法，在產(chǎn)生損壞后的七天內(nèi)捕獲圖像，從而可以有效檢測到出現(xiàn)損壞的時刻。結(jié)果發(fā)現(xiàn)近鄰法（k-Nearest Neighbours，k-NN)的分類效果最好，正確分類率可以達到97.90% 。林思寒利用PLS和LDA方法結(jié)合高光譜成像技術(shù)，建立了翠冠梨完好果和不同損傷天數(shù)碰壓果的PLS-LDA檢測模型。?

? ? ? 結(jié)果表明，其機械損傷果和完好果的識別準確率都在90%以上，最高可達97.78% 。目前，現(xiàn)有高光譜檢測技術(shù)的檢測精度已經(jīng)能夠滿足分類需求，但針對損傷程度的檢測模型還較少。?

2. 1. 2 凍傷?

? ? ?凍傷是水果缺陷檢測中最常見的指標之一，其早期檢測和監(jiān)測比較困難，為了更早地將有缺陷的水果從營銷鏈中去除，需要一種快速、精確和無損的檢測技術(shù)。近年來，研究人員針對蘋果凍傷方面的研究主要集中在算法優(yōu)化層面。 ElMasry等利用高光譜成像（400~1000nm)檢測“紅元帥”蘋果中的凍傷，開發(fā)了一種前饋反向傳播模型，選擇出五個特征波長的光譜作為模型的輸入，以普通與凍傷為輸出結(jié)果，構(gòu)建了人工神經(jīng)網(wǎng)絡識別模型。高光譜圖像技術(shù)結(jié)合化學計量學方法在識別凍傷水果方面的研究已有一定進展，檢測精度普遍較高，未來可以進行水果凍傷分級識別的在線檢測研究，進一步提高檢測效率。?

2. 1. 3 成熟度?

? ? ? ?水果成熟度是決定水果內(nèi)在品質(zhì)的關(guān)鍵因素，也是確定水果貨架期的重要指標。水果成熟的過程 非常復雜，以往所用的傳統(tǒng)檢測水果成熟度方法局限于人工視覺檢測，實驗室理化檢測等。這些方法不但費時費力，主觀性較強，且均需破壞樣本才可實現(xiàn)[26－28] 。近年來，國內(nèi)外學者開始研究無損檢測技術(shù)對水果的成熟度進行判別分析，其中高光譜圖像技術(shù)以其特有的優(yōu)勢，在水果成熟度方面的研究比較豐富。?

? ? ? 使用高光譜成像技術(shù)對香蕉成熟度進行了研究，提前采集水分含量、硬度和總可溶性固體等質(zhì)量參數(shù)，并與光譜數(shù)據(jù)相關(guān)。運用PLS來分析光譜數(shù)據(jù)，使用預測的殘差誤差平方和來選擇特征波長?。?

由此可見，不同的特征選擇算法對于最后的分類精度影響很大，對不同水果選擇不同的特征算法尤為重要。?

2. 2 水果品質(zhì)定量分析?

2. 2. 1 硬度預測?

? ? ? ?硬度是表現(xiàn)水果成熟度和口感品質(zhì)的一個重要特征，傳統(tǒng)的硬度檢測方法普遍對樣本有損傷，而高光譜成像技術(shù)則能夠?qū)λ捕冗M行快速、無損檢測。張巍使用自主搭建的高光譜成像系統(tǒng)（500~1000nm)，以藍莓為研究對象，采用連續(xù)投影算法（SPA)對特征光譜進行提取，并建立基于全波段-BP神經(jīng)網(wǎng)絡的硬度預測模型與基于SPA-BP神經(jīng)網(wǎng)絡的硬度預測模型。?

2. 2. 2 可溶性固形物預測?

? ? ? ?水果中的可溶性固形物（SSC)包括可溶性糖類、 維生素、礦物質(zhì)等，是影響水果內(nèi)部品質(zhì)的重要因素。 羅霞等利用高光譜技術(shù)采集火龍果的漫反射光譜，并進行火龍果可溶性固形物的無損檢測。應用連續(xù)投影算法（SPA) 對特征變量進行選擇，采用8種方法對原始光譜數(shù)據(jù)進行預處理，通過偏最小二乘法（PLS) 和前饋反向傳播神經(jīng)網(wǎng)絡法（BPNN) 建立預測模型。在檢測水果的可溶性固形物時，使用不同的預處理方法會對檢測精度產(chǎn)生較大影響，應在多種預 處理方法中選取產(chǎn)生最優(yōu)結(jié)果的預處理方法。?

2. 3 安全方面檢測

2. 3. 1 藥物殘留?

? ? ? ?水果表面的藥物殘留不僅極大影響水果的質(zhì)量安全，還影響果品出口貿(mào)易。因此，對水果表面的藥物殘留進行無損檢測十分必要。徐潔等利用高光譜技術(shù)，建立距離判別分析模型和貝葉斯判別分析模型，并對哈密瓜表面殘留藥物的種類進行判別。結(jié)果表明，在紫外燈光源的環(huán)境中，距離判別法的準確率較高，為94. 67% ;在鹵素燈光源環(huán)境中，貝葉斯判別法的準確率較高，為100. 00% 。Jiang等對蘋果農(nóng)藥殘留高光譜數(shù)據(jù)特征進行分析，構(gòu)建了適用于蘋果農(nóng)藥殘留檢測的AlexNet-CNN框架，并對四種高光譜蘋果農(nóng)藥殘留的6144張圖像進行檢測。結(jié)果表明，測試集檢測精度為 99. 09% ，單波段平均圖像檢測精度為95. 35% 。可見，高光譜成像技術(shù)在藥物殘留檢測方面已經(jīng)達到了很高的精度。?

2. 3. 2 病蟲害?

? ? ? ?病蟲害的存在會極大地降低水果的品質(zhì)，利用高光譜技術(shù)可以有效地對水果病蟲害進行無損檢測，這對水果品質(zhì)分級具有重要意義。 Bart 等開發(fā)了一種高光譜NIR成像系統(tǒng)來識別蘋果上的苦陷癥，構(gòu)建了PLS校準模型，用來區(qū)分未受影響的蘋果表面和苦陷癥。結(jié)果表明，該系統(tǒng)可以識別出收獲后肉眼不可見的苦陷癥，但無法區(qū)分苦陷癥和軟組織。使用高光譜成像方法確定棗中的受損區(qū)域，運用逐步判別分析法將棗分為有蟲侵害型和無蟲侵害型，分類準確率約為97. 0% 。但現(xiàn)有檢測技術(shù)大多只能檢測一種病蟲害，少有開發(fā)出可以同時檢測出多種病蟲害的高光譜模型。?

3 存在問題及發(fā)展趨勢?

? ? ? ?高光譜成像技術(shù)雖然在水果無損檢測方面有較 多的應用，但仍存在著一些不足。 高光譜的穿透深度不夠高，對于果皮比較厚的水果難以檢測。 反射、透射時需要使用大光源，但光源能量過高又容易損傷水果，如何在無損檢測和更深層檢測間達到平衡是未來要解決的關(guān)鍵問題;高光譜的圖像數(shù)據(jù)量大，冗余信息多，如何選擇特征波長，去除無相關(guān)的變量來提升檢測效率也是急需解決的一個問題;

? ? ? ?水果含水率普遍較高，高光譜檢測時在1400nm后會受到水分吸收峰的影響，如何避免水分吸收峰對檢測結(jié)果的影響也亟待解決。針對檢測樣品方面，現(xiàn)階段大多數(shù)的研究都選取表皮較薄的水果（如蘋果、梨、桃子等)進行品質(zhì)缺陷檢測，但對表皮較厚的水果（如西瓜、哈密瓜、椰子等)品質(zhì)檢測仍然較少，高光譜檢測技術(shù)如何突破檢測深度的限制將給這些較厚果皮水果品質(zhì)檢測帶來新的應用。 在試驗設(shè)計方面，大多數(shù)研究都只針對水果是否存在缺陷進行分級，沒有考慮缺陷程度對水果保質(zhì)期的影響，如水果受到輕微損傷后，在短期內(nèi)其內(nèi)外部品質(zhì)與經(jīng)濟價值波動較小，但儲存一定時間后水果品質(zhì)可能會發(fā)生較大改變，因此研究缺陷程度對水果保質(zhì)期的影響對水果儲存及經(jīng)儲存后水果的品質(zhì)預測具有深遠的現(xiàn)實意義。?

? ? ? ?隨著計算機技術(shù)和圖像處理技術(shù)等的進一步發(fā)展和更深地融合，高光譜圖像檢測技術(shù)在水果品質(zhì)無損檢測領(lǐng)域必將有更加廣泛的應用。在高光譜檢測應用技術(shù)推 廣方面，由于圖像采集和處理速度的限制以及設(shè)備成本的制約，高光譜技術(shù)在現(xiàn)實生活中還未得到大范圍的應用，可以權(quán)衡檢測準確率與設(shè)備成本，開發(fā)專用小型化設(shè)備以實現(xiàn)高光譜技術(shù)的進一步推廣。?

4 小結(jié)

? ? ? ?近年來，高光譜圖像檢測技術(shù)在水果品質(zhì)的無損檢測方面得到了廣泛的應用，硬件的設(shè)計與實現(xiàn)以及圖像處理的算法都取得了進步，檢測的準確率逐漸提升，體現(xiàn)出其克服傳統(tǒng)分析工具復雜性、繁瑣性、破壞性的巨大潛力。 但高光譜圖像技術(shù)還有較多問題值得深入研究，隨著科技的進步以及信息時代的到來，此技術(shù)必將會越來越成熟，應用前景也將 越來越廣闊。??