水果成熟度的高光谱成像无损检测研究

杨昆程，孙 梅，*，陈兴海

（1.北京工商大学计算机与信息工程学院，北京 100048；2.北京卓立汉光仪器有限公司，北京 101102）

水果成熟度的高光谱成像无损检测研究

杨昆程1，孙 梅1，*，陈兴海2

（1.北京工商大学计算机与信息工程学院，北京 100048；2.北京卓立汉光仪器有限公司，北京 101102）

水果成熟度作为衡量水果品质和等级的一个重要指标，区分不同成熟度的水果可以降低水果在采摘、包装、储存、运输等物流环节的损失率。高光谱技术是一种新型光谱技术和计算机视觉融合技术，它可以从图像维和光谱维对水果的综合品质进行评价。分析了国内外将该技术应用于水果成熟度检测方面的研究进展，提出了利用高光谱图像技术检测枣和梨成熟度的方法，利用不同成熟度的水果在可见光及近红外波段的反射率，初步确定了利用高光谱成像技术检测枣和梨2种水果成熟度的有效特征波长。

高光谱成像技术；水果成熟度；无损检测

我国是世界水果种植大国，水果产业已发展成为我国继粮食产业和蔬菜产业之后的第三大农产品产业，但是由于我国不能按出口标准对水果品质进行有效的分级，导致我国水果出口率严重低于世界平均水平。许多研究表明，在采摘、包装、储存、运输等物流环节，由于不同原因导致水果损失率高达25%，其主要原因之一就是由于不同成熟度的水果混杂在一起造成的。因此，对不同成熟度的水果进行有效的区分对生产和贸易具有重要意义。

传统的水果成熟度检测［1-3］主要是通过测定水果的坚硬程度、水果内部可溶性物质数量以及所含水分的多少进行的。这种方法的缺陷是，一方面它不能较快速得到结果，并且在检测的过程中需要过多的人为参与，得到的结果缺乏准确性；另一方面水果内部物质成分的测定需要破坏水果的组织，采取这种方法对水果进行大规模的检测是不现实的。

20世纪60年代后，随着计算机技术和光谱技术的快速发展，近红外光谱、机器视觉等新技术相继被应用到农产品生产中去，使得无损检测在评价果品综合质量方面的应用成为可能。无损检测［4-5］是近年来新兴的一种高科技手段，它是在不损害被检测对象的前提下，利用声、光、电磁等技术对果品外部特征和内部结构以及其组成成分的测定和评价，这种检测方法不仅能检测水果的品质，同时不会对水果造成损害，保证了水果的完整性。高光谱成像技术［6-8］是近几年新兴的一种基于非常多窄波段的影像数据技术，集中了光学、信息处理、计算机科学等领域的先进技术，实现了传统的二维成像技术和光谱技术有机结合，使得检测过程在获取水果图片信息的同时得到水果的光谱信息，能够更准确，更全面地对水果品质进行分级。

1 材料与方法

1.1 材料

试验所需要的梨和枣均选自北京某超市和早市，梨和枣的大小、形状基本一致，无机械摔伤。购买回来的水果均用密封袋包装，置于恒温箱中保存。试验前将水果从恒温箱中取出，在实验室放置12 h使其达到室温后用电子天平对样品进行称重，分份，见表1。

表1 实验材料Tab.1 Experimental material

图1 高光谱成像仪系统Fig.1 GaiaSorter hyperspectral imager system

表2 GaiaSorter高光谱分选仪系统参数Tab.2 Parameters of Gaiasorter hyperspectral imager system

1.2 仪器与设备

所有的测试结果均是在室温20℃左右且通风良好的实验室进行，高光谱成像数据采集采用北京卓立汉光仪器有限公司的GaiaSorter高光谱分选仪系统。该系统主要由高光谱成像仪、CCD相机、光源、暗箱、计算机组成，如图1。实验仪器参数设置如表2。本套高光谱成像系统的主要特点是快速准确；不需要任何化学试剂及特殊的样品准备；肉类、水果及农产品均可检测。

1.3 方法

GaiaSorter高光谱分选仪的高光谱图像数据采集使用的是SpectraSENS高光谱数据采集软件，高光谱图像数据分析软件使用的是ENVI（environment for visualizing images，EVVI）4.7，MATLAB 2009a。

在进行图像采集前，为了保证图像的清晰程度，应该根据光源的照度预先对光谱相机摄像头的曝光时间进行设定，同时为了避免图像空间上的分辨率失真，对于输送装置速度的调整也是非常必要的。为了克服光强分布较弱波段存在的图像噪声和暗电流的影响，首先需要扫描标准白板以采集反射率为1的全白标定图像Dw，而后盖上摄像头的盖子以采集反射率为0的全黑标定图像Dd，进行过黑白校正后，再进行样本光谱图像Ds的采集，由此可以根据公式（1）得到黑白校正后的相对样品光谱图像的感兴趣像素区域c或波段i处的反射率R:

在数据采集过程中，为了获取到所要扫描面空间上每个像素点在整个光谱区域上的光谱数据，在光学焦平面的垂直方向上，需要线性探测器对其进行横向扫描。与此同时，置于输送装置上的测试样本作垂直于摄像机的纵向移动，从而完成了对整个测试样本图像的采集过程。通过上述过程采集到的测试样本图像数据块，不仅含有特定像素光谱信息，同时也含有特征波段下的图像信息。具体操作步骤如下:

1）将表1中不同的测试样本称重分为50份试样；

2）打开GaiaSorter系列高光谱分选仪并启动计算机，运行SpectraSENS高光谱数据采集软件，在软件界面进行仪器连接检测和预热；

3）并将上述实验样品分别置于载物台上，放入GaiaSorter系列高光谱分选仪的载物台上；

4）设置完测试参数后，点击“开始扫描”，约40s即可采集到一份样品的光谱信息，即样品光谱图，每个样品分别扫描10次取其平均值作为相应样品的光谱反射率值；

5）每个样品光谱数据扫描完成后，将载物台上的残留物质清理干净，以此确保每次扫描得到的光谱准确性。

2 结果与分析

光谱特性是高光谱技术在水果检测方面应用的基础，不同成熟度的水果，由于物理结构以及内部成分含量的不同，导致在不同波长的光源照射下，水果的反射、散射以及透射特性有很大差别，如何确定特征波长并对不同成熟度进行区分，成为水果成熟度检测的一个重要方向。随着高光谱技术的兴起，国内外利用高光谱技术对水果成熟度的几个相关指标（着色度、糖酸比、坚硬程度、可溶性物质的数量）做了大量的研究，证明采用高光谱技术能够实现对不同成熟度的水果进行区分。国外对水果成熟度的研究主要集中在成熟和未成熟猕猴桃（光谱特性520～680 nm）［9-10］，桃子的含糖量和坚硬程度与其成熟度的关系［11］，不同成熟度西红柿的波长（396～736 nm）［12］，西瓜和甜瓜的成熟度与可溶性固体物质含量的相关性［13］。国内在此方面的研究主要有以红心李和桃子为例，区分不同成熟度水果的方法［14］；根据果皮色泽a*（a*代表果实绿色到红色变化，是评定果实成熟度的关键指标）来快速预测磨盘柿成熟度［15］等。

我们利用北京卓立汉光仪器有限公司的Hypersis系列高光谱成像检测系统，初步研究了不同成熟度的水果在可见光及近红外波段的反射率，确定了与检测水果成熟度的最有效特征波长。图2是利用数码相机拍摄的待测样品的彩色图像，对应同一样品的不同位置和不同样品（梨和枣），建立相应的样品集，然后利用高光谱采集试验样品的待测成分对应的光谱数据。

图2 实验样品的实物图示Fig.2 Pictures of experimental fruits

在不同的波段范围内，高光谱图像检测仪对能量的响应不同，因而会使原始光谱曲线上出现很多的噪声，导致原始光谱曲线不太平滑，而且GaiaSorter高光谱分选仪在350～1 000 nm（可见-近红外）光谱的采样间隔是1.9 nm，因而在相邻的波段间，原始光谱曲线具有信息重合的现象，致使整个光谱数据存在信息冗余。因此，必须对数据进行降维和去噪处理。主要处理过程包括Resize（重置图像大小和波段范围）、ROI（感兴趣区）、Mask（阈值）、Filter（中值滤波）、PCA（主成分分析）/MNF（最小噪声分离）、特征波段提取等。通过试验样品的测量，发现枣的感兴趣区域（ROI）在450～980 nm，得到任意像素点的连续光谱曲线如图3，可以看出样本在近红外波段区域反射值大于在可见光波段区域反射值，在667 nm波段处表现出光谱吸收特征，并且成熟枣和非成熟枣分别在635，875 nm和575，810 nm呈现局部极大值，由此确定5个特征波段；而梨的感兴趣区域（ROI）在486～910 nm的光谱曲线（见图4），可以看出样本在670 nm处出现吸收峰，在580～630 nm和770～830 nm出现反射峰。

图3 枣的连续光谱曲线Fig.3 Reflectance spectra of jujube

3 结 论

随着图像处理技术、光谱分析技术、计算机技术等的快速发展和相互融合，利用高光谱成像获取待测水果丰富的图像和光谱信息，对水果综合品质进行全面评价已成为水果无损检测的一个重要趋势。水果成熟度作为衡量水果品质和等级的一个重要指标，利用高光谱技术对不同成熟度的水果进行快速有效地分级有着重要的市场意义。

我们利用高光谱技术初步研究了枣和梨2种水果在可见光及近红外波段的反射率，初步确定了枣的感兴趣区域在450～980 nm，并且选择667，635，875 nm和575，810 nm为成熟枣和非成熟枣的5个特征波长来分析。而通过分析梨的感兴趣波长486～910 nm的光谱曲线，得出在670 nm处出现吸收峰，在580～630 nm和770～830 nm出现反射峰。通过光谱曲线，并结合主成分分析及波段比算法，较准确地分辨出果蔬的成熟度，进一步的研究还在进行中。

图4 梨的连续光谱曲线Fig.4 Reflectance spectra of pear

［1］田海清，应义斌，陆辉山，等.可见/近红外光谱漫透射技术检测西瓜坚实度的研究［J］.光谱学与光谱分析，2007，27（6）:1113-1117.

［2］傅霞萍，应义斌，刘燕德，等.水果坚实度的近红外光谱检测分析试验研究［J］.光谱学与光谱分析，2006，26（6）:1038-1041.

［3］洪添胜，李震，吴春胤，等.高光谱图像技术在水果品质无损检测中的应用［J］.农业工程学报，2007，11（23）:280-285.

［4］付兴虎，付广伟，毕卫红.近红外光潜技术在水果品质无损检测中应用的研究与现状［J］.红外，2006，27（2）:33-37.

［5］刘燕德，曾凡.无损检测技术在农产品品质检验中的应用［J］.江西农业大学学报:自然科学版，2002，24（3）:411-413.

［6］吴龙国，何建国，贺晓光，等.高光谱图像技术在水果无损检测中的研究进展［J］.激光与红外，2013，43（9）:990-996.

［7］马本学，应义斌，饶秀勤，等.高光谱成像在水果内部品质无损检测中的研究进展［J］.光谱学与光谱分析，2009，29（6）:1611-1615.

［8］孙梅，付妍，徐冉冉，等.基于高光谱成像技术的水果品质无损检测［J］.食品科学技术学报，2013，31（2）:67-71.

［9］Slaughter D C，Crisosto C H.Non-destructive internal quality assessment of kiwifruit using near-infrared spectroscopy［J］.Seminars in Food Analysis，1998（3）:131-140.

［10］McGlone V A，Kawano S.Firmness，dry-matter and soluble-solids assessment of post-harvests kiwifruit by NIR-spectroscopy［J］.Postharvest Biology and Technology，1998，13:131-141.

［11］Carlomagno G，Capozzo L，Attolio G，et al.Non-destructive grading of peaches by near-infrared spectrometry［J］. Infrared Physics&Technology，2004，46:23-29.

［12］Polder G，Van der Haijden G W A M，Yang I T.Spectral image analysis for measuring ripeness of tomatoes［J］. Transactions of the ASAE，2002，45（4）:1155-1161.

［13］Marruo T，Ito T，Shimaura S，et al.Nondestructive evaluation of ripeness and soluble solids content in melon and watermelon fruits using laser［J］.Acta Horticulturae Leuven International Society Horticultural Science，2002，588:373-376.

［14］王乐妍，张东仙，章海军，等.基于激光光致发光光谱的果实成熟度测试方法研究［J］.光谱学与光谱分析，2008，28（12）:2772-2776.

［15］张鹏，李江阔，冯晓元，等.可见/近红外漫反射光谱预测磨盘柿成熟度［J］.食品研究与开发，2013，34（11）:91-94.

Nondestructive Inspect of Fruit Maturity with Hyperspectral Imaging Technology

YANG Kuncheng1，SUN Mei1，*，CHEN Xinghai2
（1.School of Computer and Information Engineering，Beijing Technology and Business University，
Beijing 100048，China；2.Zolix Instruments Co.Ltd.，Beijing 101102，China）

Fruit maturity as an important indicator to measure the quality and grade of fruits，distinction of fruit maturity between different fruits could reduce the loss rate in picking，storage，transport，and other logistics sectors.Hyperspectral technology was a novel spectroscopic techniques and computer vision fusion technology，which could evaluate fruit quality from the image dimensions and spectral dimension. This paper reviewed the application of the technology at home and abroad and proposed the application of the hyperspectral imaging technology to detect jujube and pear maturity.The most effective characteristic wavelengths of jujube and pear were determined based on fruits with different maturity degrees having different reflectances in the visible and near infrared bands.

hyperspectral imaging；fruit maturity；nondestructive detection

檀彩莲）

TS255.7；S126；TP391.41

A

10.3969/j.issn.2095-6002.2015.04.012

2095-6002（2015）04-0063-05

杨昆程，孙梅，陈兴海.水果成熟度的高光谱成像无损检测研究［J］.食品科学技术学报，2015，33（4）:63-67.

YANG Kuncheng，SUN Mei，CHEN Xinghai.Nondestructive inspect of fruit maturity with hyperspectral imaging technology［J］.Journal of Food Science and Technology，2015，33（4）:63-67.

2015-03-18

国家自然科学基金资助项目（61473009）；北京市自然科学基金资助项目（4132008）；北京市组织部优秀人才培养D类项目（2013D005003000008）。

杨昆程，男，硕士研究生，研究方向为食品检测；

*孙 梅，女，副教授，主要从事高光谱成像与食品检测等方面的研究。

。