高光谱技术在苹果品质检测中的应用

任显丞 张晓 彭步迅 李疆 王家硕

摘 要：高光谱技术作为新一代的光电无损检测技术，广泛应用于农产品快速无损品质检测。高光谱技术在苹果品质检测方面主要有2个方向，结合化学计量学方法进行苹果内部品质检测以及结合机器视觉进行苹果损伤、病害等外部指标的外部品质检测。该文介绍了高光谱技术在苹果品质检测中的应用，提出了高光谱技术在苹果品质检测中存在的问题。

关键词：高光谱;苹果;内外部品质;无损检测

中图分类号 TS255.7文献标识码 A文章编号 1007-7731（2021）01-0132-02

随着人们健康生活观念的建立以及水果产后处理技术的发展，苹果作为水果代表，其内外部品质的检测愈发受到重视。传统的苹果内部品质检测依靠化学计量法，对苹果进行采样检测化学成分，实验操作繁琐、检测成本高等，高光谱技术既可利用可见光区域图像来检测外部品质，又可以利用近红外区域的图像来检测内部品质，该技术的出现有效解决了无损检测的难题。

1 高光谱技术概述

高光谱技术于上世纪80年代初期兴起，是新一代的光电无损检测技术。通过对样品光谱信息的测量，可在一定程度上反映被测样品内部的物理结构和化学成分的差异，具有较高的分辨率，可获得连续的波段窄的光谱信息。此外，高光谱设备操作简单，分析成本较低且不会对被检测对象造成破坏。该技术早期主要应用于空间遥感，随着科学技术的进步发展，高光谱已经应用于农产品检测等领域，并且都取得了一定的研究成果。目前，国内外众多专家学者利用高光谱来进行温室黄瓜病害早期检测[1]、大米种类鉴别[2]、高粱掺假无损检测[3]、互米花草营养成分反演[4]、绿萝叶绿素含量检测[5]以及牛肉品质检测[6]等内外品质的检测。

2 高光谱在苹果品质检测中的发展现状

高光谱苹果品质检测主要集中在内部品质，如糖度、硬度、水分等，外部品质，如苹果损伤、形状、病害。国内外对苹果内部品质检测研究偏向近红外光谱研究方法，主要进行光谱分析、光谱与理化值分析;外部品质检测更偏向于可见光区域处理，结合计算机领域的技术对图像进行处理，判断苹果外部损伤等。

2.1 苹果内部品质检测 内部品质检测主要针对苹果内部化学成分，如可溶性固形物（SSC）、pH、硬度、水分等，结合化学计量学方法采集苹果理化数据进行建模分析。在内部品质方面，国内外专家学者通过设计实验方案，采集到理化数据及高光谱图像，通过设计算法进行理化值的预测反演。EImasry[7]等采集苹果的硬度数据以及光谱图像，进行建模分析研究。结果表明，预测集、校正集和训练集的预测值相关系数分别为0.93、0.91和0.92，综合识别正确率达到98.4%。冯迪[8]等利用高光谱技术同时对苹果糖度与硬度检测最佳波长，通过对二次连续投影算法（SPA）进行波长选择，再采用遗传算法开发神经网络建立预测模型，得出结论，糖度相关系数（R）为0.8476，硬度R为0.7938。相同波长信息可以检测苹果糖度与硬度。孟庆龙[9]等采集“富士”苹果的高光谱图像，使用SPA筛选特征波长，建立可溶性固形物含量的多元线性回归模型，结果基于特征光谱建立的多元线性回归预测模型具有较好的校正性能（RC=0.804，RCm=0.665%）和预测性能（RP=0.859，RPm=0.413%），模型可以满足实际应用需求。

2.2 苹果外部品质检测 因为能够通过高光谱的可见光区域图像信息进行直接的反映苹果的外部品质的特征（大小、缺陷、形状等）。外部品质检测则主要进行苹果损伤、病害等方面检测。外部品质主要结合机器视觉与光谱学，对得到的苹果高光谱图像进行处理分析。Juan Xing[9]等采集“金冠”苹果的高光谱图像，并使用主成分分析（PCA）处理，选取4个特征波段进行损伤检测，通过对图像阈值进行处理，使苹果损伤识别精度高达86%。综上，高光谱技术在苹果品质的某项检测已经取得了不小的进展。高光谱图像结合计算机、化学计量学等诸多领域知识技术可以有效进行无损品质检测。

3 高光譜在苹果品质检测中的应用

3.1 基于高光谱技术鉴别苹果品种 传统苹果品种鉴别主要依靠化学计量学进行，通过对苹果理化值进行检测，对比已知苹果指标确定品种，该方法耗时长、成本大且会对苹果进行损坏。高光谱技术的发展使得无损检测成为可能。国内外相关学者针对苹果品种鉴定进行大量实验，取得了不错的成果，能够明显区分苹果品种。马惠玲[10]等应用高光谱成像技术对“乔纳金”“红富士”“秦冠”3种苹果采集近红外波段高光谱图像（865～1711nm），采用K近邻算法（KNN）以及径向基核函数支持向量机（SVM-RBF）进行品种判别。结果表明，高光谱图像技术结合KNN算法可以对苹果品种进行快速鉴别，且性能优异结果可靠。

3.2 基于高光谱技术苹果分级系统 当前苹果分级主要依靠人工和纯机械进行苹果分级。人工分级准确率高、苹果二次损伤率小但成本高、耗时长使得其慢慢被市场所淘汰;机械分级解决了人工分级的成本耗时问题，但使用纯机械进行苹果筛选，二次损伤率居高不下且分拣等级设计过于依赖机械机构损坏不易维护，同时在分拣过程中一些早期轻微损伤、病害难以及时剔除。李龙[11]等对苹果光谱数据进行研究，设计了一款苹果内外品质在线无损检测分级系统。该设计创造性的针对苹果轻微损伤进行早期判断，通过对运动过程中的苹果采集高光谱图像，对图像进行降噪、二值化已及轮廓提取等处理，结合损伤部位光谱特征快速判断苹果碰伤，苹果有无碰伤检测总体正确率为94%。

4 高光谱技术在苹果品质检测中存在的问题

4.1 内部品质检测 内部品质主要结合化学计量法进行试验研究，因此在实际实验过程中会存在采集到的苹果理化数据存在较大误差，且苹果在实验过程中已经损毁无法有效进行二次利用;另外对实验人员的操作、实验室的设备要求也较高，需要进行相关培训;目前众多学者检测的苹果指标较为单一，只要针对光谱数据针对某一指标进行建模分析;大部分特征选择算法都需要辅助理化值建立线性关系，脱离理化值筛选效果会大大降低。

4.2 外部品质检测 外部品质检测中降维算法主要采用主成分分析（PCA）算法，无法准确得出特征波段，每次建模均需要重复计算全光谱区域筛选主成分，严重降低模型识别效率;另外目前大多数高光谱系统采集数据的速度较慢，无法支持线上快速检测;高光谱成像技术主要是采集全波段数据，进行特征波段筛选;大部分检测算法只关注损伤，较少进行损伤程度识别和判断;关于苹果损伤检测目前主要是对苹果明显损伤进行研究，使用机器视觉进行识别，光谱信息主要是进行特征波段选择，没有有效利用光谱信息，导致1h内的损伤识别准确率不高。

5 总结

高光谱技术由于其特殊的性质，在苹果内外部品质中取得了有效的成果。在内部品质检测中结合化学计量学方法可以预测苹果糖度、硬度以及pH等含量;在外部品质检测中结合机器视觉能够有效检测出苹果损伤、病害。目前，众多学者利用高光谱技术对苹果多指标同时检测，从而进行对苹果口感风味等多方面综合考虑的方向进行判断，高光谱无损检测技术正在快速发展。

参考文献

[1]秦立峰，张熹，张晓茜.基于高光谱病害特征提取的温室黄瓜霜霉病早期检测[J].农业机械学报，2020，51（11）：212-220.

[2]翁士状，唐佩佩，张雪艳，等.高光谱成像的图谱特征与卷积神经网络的名优大米无损鉴别[J].光谱学与光谱分析，2020，40（09）：2826-2833.

[3]Bai Zhizhen，Hu Xinjun，Tian Jianping， et al. Rapid and nondestructive detection of sorghum adulteration using optimization algorithms and hyperspectral imaging.[J]. Food chemistry， 2020， 331：48-52.

[4]朱怡，吴永波，周子尧，等.基于高光谱数据的互花米草营养成分反演[J].北京林业大学学报，2020，42（09）：92-99.

[5]闫明壮，王浩云，吴媛媛，等.基于光谱与纹理特征融合的绿萝叶绿素含量检测[J].南京农业大学学报，2020，24（11）：1-14.

[6]王彩霞，王松磊，贺晓光，等.基于可见/近红外高光谱成像技术的牛肉品种鉴别[J].食品工业科技，2019，40（12）：241-247.

[7]冯迪，纪建伟，张莉，等.基于高光谱成像提取苹果糖度与硬度最佳波长[J].发光学报，2017，38（06）：799-806.

[8]孟庆龙，尚静，张艳.苹果可溶性固形物含量的多元线性回归预测[J].包装工程，2020，41（13）：26-30.

[9]Juan Xing，Romdhane Karoui，Josse Baerdemaeker. Combining multispectral reflectance and fluorescence imaging for identifying bruises and stem-end/calyx regions on Golden Delicious apples[J]. Sensing and Instrumentation for Food Quality and Safety，2007，1（3）.

[10]馬惠玲，王若琳，蔡骋，等.基于高光谱成像的苹果品种快速鉴别[J].农业机械学报，2017，48（04）：305-312.

[11]李龙，彭彦昆，李永玉.苹果内外品质在线无损检测分级系统设计与试验[J].农业工程学报，2018，34（09）：267-275.

（责编：王慧晴）