联系电话：
010-5637 0168-696
基于高光谱成像技术的苹果损伤研究
——四川双利合谱科技有限公司
随着人们生活水平的提高，消费者越来越关注果蔬的品质安全问题。如水果的损伤不仅会造成果蔬的腐烂，而且会严重影响消费者的身体健康。因此水果损伤快速有效检测是非常有实际价值的。虽然水果的损伤和正常区域在外部特征上呈现出大的相似性，但是损伤区部位发生一定的变化，这种变化可以通过特定波长下的光谱表现出来。
高光谱图像技术结合了光谱分析和图像处理的技术优势，对研究对象的内外部品质特征进行检测分析，赵杰文等利用高光谱图像技术检测水果轻微损伤，准确率为88.57 %；Jasper G .Tallada等分别应用高光谱图像技术对不同成熟度的草莓表面损伤、苹果的表面缺陷及芒果的成熟度检测进行了试验研究。王玉田等运用荧光光谱检测出水果表面残留的农药；胡淑芬等运用激光技术对水果表面农药残留进行了试验研究；薛龙等针对水果表面农药残留，以滴有较高浓度的脐橙为研究对象，利用光谱范围425-725 nm的高光谱图像系统进行检测，发现对较高浓度的农药残留检测效果较好。本文采用高光谱图像技术检测水果的损伤区域，以实现损伤区域共同识别的目的。
二、 试验材料与方法
2.1 实验材料
本研究以苹果为研究对象，分析苹果的腐烂区域。其中苹果的腐烂区域是天然形成。
2.2 实验设备
高光谱成像数据采集采用四川双利合谱科技有限公司的 GaiaSorter高光谱分选仪系统。该系统主要由高光谱成像仪(V10E)、CCD 相机、光源、暗箱、计算机组成，结构图与实景图如图1。实验仪器参数设置如表1。
表1 GaiaSorter 高光谱分选仪系统参数
序号 | 项目 | 参数 |
1 | 光谱扫描范围/nm | 350~1000 |
2 | 光谱分辨率/nm | 2.8 |
3 | 采集间隔/nm | 1.9 |
4 | 光谱通道数 | 520 |
图 1 GaiaSorter 高光谱分选仪结构图与实景图
2.3 图像处理分析
采用SpecView和ENVI/IDL对高光谱数据的预处理及分析，预处理中的镜像变换、黑白帧校准在SpecView中进行；其他数据的分析在ENVI/IDL中进行。
三、结果与讨论
3.1 苹果腐烂区域和正常区域的光谱分析
取苹果腐烂区域与正常区域各200个像元，分别获取这200个像元的光谱反射率，并求取这200个像元的反射率均值，如图2所示，其中，红色代表苹果的腐烂区域光谱区域的光谱反射率，蓝色代表正常区域的光谱反射率，绿色代表农药残留区域的光谱反射率。从图中可知，在400-100 nm范围内，农药残留区域的光谱反射率zui大，其次是正常区域，zui后是腐烂区域的光谱反射率。研究发现这三个区域在610 nm处有一峰值，在650 nm处有一吸收谷，在650-680 nm区间有一陡坡，由于三个区域均有以上特征，所以可以认为这也是苹果*的特征位置。
图2 苹果腐烂区域、农药残留区域与正常区域的光谱反射率
3.2苹果腐烂区域提取
对经过镜像变换、黑白帧校准的高光谱图像，根据苹果与背景区域的光谱差异，利用ENVI/IDL软件的波段运算建立腌膜，获取纯苹果图像，对苹果图像做主成分分析，根据获取的主成分图像，选取能较好区分腐烂区域和正常区域的主成分图像（PC2），通过阈值分割的方法分别获取苹果腐烂区域，如图所示。大的部分为腐烂区域，小的为农药残留区域。 
图 4 苹果腐烂区域与农业残留区域提取流程图
3.5 讨论
高光谱成像技术应用于水果表面损伤已体现出其“图谱合一”的*性。水果轻微损伤往往发生在表皮之下，和正常区域的颜色相差不大，肉眼难以识别。随着时间的推移，损伤区域会逐渐褐变，zui后导致整个水果腐烂，甚至影响其他果实。本研究结果表明，运用高光谱成像技术，运用主成分分析、腌膜等方法等，可以有效地提取水果损伤，从而达到快速检测的目的。
