农产品无损检测中高光谱成像技术的应用
农产品是人类生活中不可缺少的部分,因此农产品经济也是国家经济的重要组成部分。随着社会经济的不断发展,人们的生活水平也日益提高,对农产品的质量也提出更高的要求。对农产品的销售而言,品质起着至关重要的引导作用。如今生物科技不断发展,农产品检测应用先进科技实现了无损检测,利用高光谱成像技术,将光学与电子学合为一体,在农产品检测中发挥着重要作用。
农产品无损检测是一项先进的检测技术,能够在不破坏农产品的情况下对内部和外部的品质进行准确检测,应用高光谱成像技术也改变了传统的人工分拣模式。基于此,本文就农产品无损检测中高光谱成像技术的应用进行探究,通过对农产品无损检测中高光谱成像技术原理与系统的详细介绍,分析农产品无损检测中高光谱成像技术的实际应用,从而帮助该技术在农产品检测中发挥更大作用。
现阶段高光谱成像技术能够对研究对象的空间信息和光谱信息实现同步获取,但是大部分高光谱研究团队仍然采用独立技术对农产品的品质进行检测,很少有将荧光技术、投射技术以及高光谱成像技术进行综合应用,但是实际上同时检测农产品的内外部品质是高光谱技术的最大特点也是最大优势,因此将高光谱技术和其他技术进行结合,进而对农产品内外品质进行综合评价是未来主要的研究方向。因为高光谱技术本身具有检测快速、数据精确可靠的特点,并且可以对农产品进行无损检测,因此可以被广泛应用到对农产品质量检测中去。传统的检测方法对农产品外观检测大多数是依靠灰度信息和RGB成像系统,但是外观上的化学污染和轻微损伤,并不能够在这种技术中显现出来,而光谱技术是近年来提出的非常适合农产品内部检测的技术之一,并且结合图像技术能够全面显示出农产品的内外两部的品质信息。现阶段高光谱成像技术在水果检测中应用得较多,对于农产品的检测较少。
高光谱技术主要是由高光谱成像系统体现,分为硬件和软件两个部分,其中主要包括传感器光学模块、光源模块等硬件设备以及图像采集和数据分析处理这两个常用的软件。其中高光谱成像仪是整个系统的核心部件,能够实现对检测对象信息的快速获取,利用在图像采集过程中接受到的反射光和透射光进行全面的分析和成像,最终得到整个监测对象的光谱图像,进而根据不同的波段得到不同的数据块。这种利用系统和技术本身的力学、光学等各种物理性质对农产品进行非破坏检测,会随着技术的提升得到更加广泛的应用,更是现阶段最为主要的研究方向。而高光谱成像系统的深入研究和在各种农产品检测中的应用,能够从根本上提升国家农产品商业化、标准化,推动国家农业经济的不断发展,提高国家农业产品在国际农业市场上的竞争力,为国家创造全新的经济动力。
果蔬内部品质检测
针对果蔬类内部品质的无损检测,主要对果蔬的糖度、成熟度、软硬度和含水量等方面进行检测。无损检测主要满足了对果蔬内部的品质检测。传统的果蔬检测方法是由人工进行的,通过人力对果蔬的品相进行判断,以此进行人工分类。这种人工分类的方法不仅要投入大量人力,还十分浪费时间,工作效率低下,而且只能对果蔬的外部品质作出大概判断,无法准确评价果蔬的内部品质,导致分拣的结果并不准确。利用高光谱成像技术可以有效弥补这一缺陷,将果蔬内部成像,从而准确地判断果蔬的品质。对于果蔬品质而言,糖度是最重要的品质,能够决定果蔬的口感状况。例如:利用高光谱成像技术对哈密瓜进行无损检测时,利用高光谱成像系统获取哈密瓜的发射光谱。然后采用PCA、PCR和SMLR建立相关图像模型,对带皮和去皮的哈密瓜分别进行检测,最后研究可得,利用这三种方式得到的高光谱成像能够准确对哈密瓜的含糖程度做出检测,其中SMLR对去皮的哈密瓜而言是最有效的检测方式,其建立的模型能够对去皮哈密瓜的含糖量作出有效判断。果蔬外部品质检测
针对果蔬类外部品质的无损检测,主要对果蔬的颜色、大小、性状和表面特征等方面进行判断,传统的人工分拣方法虽然能大致区分出果蔬外部品质的优劣,但是人工的判断更多的是凭借肉眼的观察和分拣的经验,因此存在一定程度的误差。应用高光谱成像技术进行无损检验时,能够对果蔬的擦伤、冻伤等外部损伤情况做出科学合理的检测。果蔬的一般性损伤都是在采摘和运输的过程中造成的,有时候过长时间的存储也会使果蔬的外部氧化,发生质变,导致一定程度的腐烂,一般中期和晚期的外部损伤可以用肉眼进行察觉,但是果蔬早期的损伤是无法用肉眼判断的,只能借助高光谱成像技术。例如:用高光谱成像技术对苹果的擦伤程度进行研究,将苹果的擦伤程度分为可见损伤、近红外损伤和短波红外波段内损伤,通过采用相关函数建成检测模型,准确得出苹果擦伤的程度。肉类检测
根据国内外的相关研究,高光谱成像技术在肉类检测中发挥着重要作用,可以对肉制品的嫩度、大肠杆菌、肌内脂肪、蛋白质、水分、颜色和pH值等因素进行检测,形成有较高分辨率的高光谱图像。在高光谱成像技术的应用中,主要对猪肉、牛肉、火鸡、火腿等肉类进行无损检测。例如:对猪肉进行无损检测时,采集多个样本,形成400~1100 nm范围的高光谱图像,利用函数分析出猪肉高光谱图像的散射特征,将不同的参数拟合为散射曲线,从而建立起多元线性回归模型,得出最终的检测结果。需要注意的是,单纯利用高光谱成像技术进行检测得出的结果比较片面,在嫩度和大肠杆菌的检测中没有达到最优效果,而将高光谱成像技术与Gompertz(冈伯茨)函数形成的综合技术检测出来的效果明显优于单纯使用高光谱成像技术,不仅应用于猪肉嫩度和大肠杆菌的检测,还应用于蛋白质、水分、颜色、脂肪等各个方面。除了将高光谱成像技术与Gompertz函数综合应用进行无品检测,还可以通过PLSR法(偏最小二乘回归法)建立预算模型来检测肉类的各项影响品质的因素。
谷物类检测
农作物在人们生活中是不可缺少的必需品,我国作为人口众多的农业大国,对农作物的产量和质量都有较高的要求。我国农作物种类十分丰富,其中主要包括小麦、玉米、花生、水稻等。随着社会经济的不断发展,人们的生活水平越来越高,因此对农作物的质量也提出了更高的要求。就目前我国农产品的经营情况来看,市场上出现很多与农作物质量相关的问题,导致人们的生活水平受损,因此,对谷物类的无损检测至关重要。经过国内外各项研究,在谷物类无损检测中有效应用了高光谱成像技术。例如:利用高光谱成像技术对大米进行无损检测时,对大米的部分区域进行降维处理,利用PCA和BPNN建立相关图像模型。经过对比发现,应用BPNN形成的数据模型明显优于利用PCA形成的预测模型,能够对大米的品质进行准确的预测。除此以外,还可以用近红外高冠普检测小麦、玉米等农作物的真菌感染情况,利用高光谱成像技术形成线性波段,对感染的农作物种子进行识别。
综上所述,针对农产品无损检测中高光谱成像技术的探究是非常必要的。本文对农产品无损检测中高光谱成像技术原理与系统进行详细介绍,分析农产品无损检测中高光谱成像技术的实际应用。研究可知,农产品无损检测中高光谱成像技术在果蔬内部品质检测、果蔬外部品质检测、肉类检测和谷物类检测中发挥着重要作用。
张秉熙(1981—),男,吉林农安人,大专,助理农艺师。研究方向:农业推广。