高光谱遥感技术在果树研究中的应用*

樊丽，黄云，张敏，胡伟，李小燕，刘俊

（1 内蒙古农业大学园艺与植物保护学院，呼和浩特010018）（2 内蒙古量蕴农业发展有限公司）（3 包头市绿缘生态开发有限责任公司）（4 内蒙古自治区农牧业技术推广中心）

我国果树种植面积和产量均居世界首位，水果进出口交易额在整个世界水果市场中排名前列[1]，我国果业具有广阔的国内外市场潜力和有力的国际竞争[2]。随着全球经济和贸易关系的加强，我国的水果出口近年来有所增加，但增长缓慢，结构性不平衡等问题依然存在，水果生产、加工、贮存、运输和发达国家制定的食品安全标准不一致，许多国家对进口水果的质量和农药残留实行严格限制，这些都是我国水果出口的主要贸易障碍。但目前的技术无法动态监测果树的生长、病虫害的发生、水果的内部质量，以及果品损伤等[3]。因此，准确、快速、没有破坏性的检测技术在果树生长和水果品质感知领域的研究非常重要。

高光谱遥感（Hyperspectral Remote Sensing）是一种新型的光敏技术，集光谱学、机器视觉、计算机成像、近红外光谱学等多学科知识于一体，有机地融合了成像技术和分光光度技术的特性，获取的信息不仅包括二维空间场景的信息，还有光谱辐射和纵向分布的信息，创建了一个数据立方体。高光谱遥感技术同时具有光谱技术和传统的二维成像技术高分辨率、超多波段和图像光谱集成等优势[4]。高光谱遥感技术利用光遇到物体时会被吸收并通过光的散射、反射和透射等形式得到该物体的特征光谱信息，然后识别出具有诊断性的波谱，这种技术最先运用在军事方面，如今在越来越多的领域也具有更广泛的应用。

随着智能化农业时代的到来，高光谱遥感技术逐步应用于果树学研究中。高光谱遥感技术在果树研究上主要应用于果树病虫害检测、果树产量预测、果实内部品质无损检测、果实采收损伤检测及果实农药残留检测等方面。因此，总结目前高光谱遥感技术在果树学上的应用，发现现存问题，并结合新时期果树产业发展的方向和应用需求，提出未来高光谱遥感技术在果树学研究中的发展趋势，为高光谱遥感技术在智慧果业中的深度应用提供参考。

1 高光谱遥感技术原理概论

所谓的高光谱遥感技术的全称是高光谱分辨率遥感技术，这是一种利用在电磁波谱中可见和红外波段范围内，获得许多狭小且连续的电磁波段，从而获取相关可视的光谱特征数据的技术。

高光谱遥感技术具有较高的光谱分辨率，能从纳米级别显示出各种物体光谱大小的细微差异，获得非常详细和准确的分析结果。因为不同地物的物理和化学性质决定了其对不同波段的光表现出不同的频谱响应，所以光谱特性反映了地物的内在特性。研究表明，将光谱学和图像检测技术相结合，能增强对地物属性进行分类和识别的能力。

高光谱遥感系统结合了屏幕传输与高效学习传感器图像采集技术的优势，该体系具备可视化、动态监测、高灵敏度和抗震性能好等优点，非常适合在所有的遥感区域中使用；它可以用于识别外部光谱目标，然后可以通过内部高光谱成像进行检测。该方法的原理是：透镜收集到地面物体的辐射，然后将其准直到光谱元件上，用于提高准直度的间隙，并且通过光谱元件的垂直光谱色散在图像传感器上形成图像。散射场的活动以恒定的速率持续捕捉，这就产生了二维图像。在摄像系统中，光源产生的光被物体吸收和散射，成为信息载体，进入相机的输入端口，光信号被映射到一个二维阵列中，通过高光谱图像数据处理进行分析和存储[5]。

2 高光谱遥感技术的发展

2.1 国外高光谱遥感技术研究进展

高光谱遥感技术起源于多光谱遥感技术，1970年，高光谱遥感技术作为遥感发展史上的一个概念和技术上的创新而出现。而现代遥感的前沿高光谱视觉遥感技术是1980 年出现的一种新型遥感技术，该技术与合成孔径雷达成像技术并驾齐驱。该技术通过遥感照片与全景、多光谱图像相结合，获取地物空间数据和地物光谱信息，是遥感史上一个重要的进步标志。第一个国际光谱仪AIS-1，是一个机载勘测光谱仪，于1980 年代在加州理工学院设计和建造，在植被特征和矿物取图方向上取得了显著成果，此后各国陆续研发出多种类型的成像光谱仪，开启了航天高光谱时代[6]。

高光谱遥感技术的应用和普及在很大程度上与处理分析软件的发展关联密切。全球已开发出了10多套高光谱图像处理与分析软件系统，对高光谱遥感技术的广泛应用和推广起到了推波助澜的作用。

近10年，高光谱遥感技术在农业方面的应用越来越热门，特别是美国、日本等现代农业较发达的国家，其中美国运用得较多。以色列成立了农业科技公司FruitSpec，这家以高光谱图像作技术支持的农业科技公司正在运用这种技术参与对果园早期水果的产量预测，其业务领域已扩大到北美和南美、南非和欧洲的客户群。

2.2 国内高光谱遥感技术研究进展

20 世纪80 年代，我国在国家科学技术研究计划的支持下，开始研发独立的高光谱成像技术[7]。根据需求，我国先后研发了以红外波段和紫外波段、中长波红外光为主体的航空专用扫描仪、紫外光谱仪和超声波测厚仪等。直到20 世纪80 年代末陆续研发了新兴的自动化信息系统成像光谱仪，并对航天航空方面的新技术加大支持力度。21 世纪以来，有关高光谱技术应用的私营部门呈井喷式出现，市场开始进入高速发展时期。紧接着我国又自行研制了更为先进的推扫式成像光谱仪和光机扫描光谱成像仪等，且在全球范围内均有应用，得到了世界各国的认可，推动了航空光谱成像技术的发展与进步。2002 年3月，我国的神舟三号载人飞船发射了一个自行研制的中分辨率成像光谱仪。这是与欧洲航天局环境卫星发射系统上的MERIS同时进入地球轨道的同一类型的仪器，是美国航天局开发的大型MODIS 空间遥感仪器的后续产品。2007 年10月，我国将“嫦娥一号”卫星送入月球轨道，携带一个成像光谱仪作为其主要有效载荷。我国开发的高光谱技术系统正在被用于航空航天领域，高光谱图像处理和分析系统及相应的软件正在被改进，并被用于广泛的行业和领域[8]。

当前我国属于现代农业发展的重要阶段，高光谱遥感技术属于新型技术，适合用于智慧农业和数字农业等现代农业技术。由于高光谱遥感不会对农作物造成损害，因而被广泛应用于监测农作物的叶片面积。这弥补了传统遥感技术获取农作物叶面积指数时间过长的缺点，从而获得最准确、损害最小的遥感监测数据。

3 高光谱遥感技术在果树上的应用

3.1 果树病虫害检测

果树传统种植手段的缺点会带来通风不好、遮挡光源、操作不便等问题，随着自然环境条件和气温的变化，病虫害的适应性和抗性也在不断增强，因此要实时监测果树病虫害的发生情况，合理防治病虫害，以减少用药，进行绿色防控，保证果树的健康生长，提高果品的质量和产量。传统领域的专家通过观察树体、树势、叶片、果实等生长状况来诊断病害，这种传统的方法时间成本高、效率低，并且有较多误差因素。利用高光谱遥感技术获取待测物信息的特征光谱能发现待测物的状况。Siedliska等[9]利用高光谱成像技术来诊断草莓的真菌感染现象，对2 个不同品种的草莓接种2 种不同的真菌，并以2 个未接种的果实作为空白对照。实验表明，反向传播神经网络（BNN）模型获得了区分真菌种类的最佳预测精度，区分接种果实和对照果实的精度为97.00%。Wang等[10]发现了一种高光谱反射成像检测技术，可用于检测枣树果实的外部虫害。实验测试了枣样品的果皮受损区域和受虫害区域，基于确定的有效波长，使用逐步判别分析法将枣分类为虫害或无虫害，准确率约为97.0%。当果实发生内部缺陷和病变时，其病果的内部物理化学性质与正常苹果明显不同，所以发生病变的果实与正常的果实对光谱能量吸收和散射不同，它们的光谱响应也不一样。乔虹[11]基于高光谱成像技术，通过光谱成像系统获取了蓝莓害虫的高光谱图像，提取光谱特征信息和害虫图像信息，研究了蓝莓害虫无损检测理论和蓝莓害虫检测模型。王加华等[12]采用峰面积归一化、主成分分析和偏最小二乘法回归分析，根据可见光和近红外光谱来区分苹果褐腐病和水心病。结果显示，3 种方法对褐腐病苹果的区分率均为100.0%，对水心病苹果的区分率分别为79.2%、95.0%、96.7%，对正常苹果的区分率分别为88.6%、98.2%和98.8%，表明可见-近红外光谱和化学分析的结合能够快速和无损地诊断苹果褐腐病和水心病。此外，何宽等[13]利用高光谱成像技术提出的光谱信息分割（SIS）和外围特征控制（RFS）检测树莓病害，为检测树莓腐烂病和树莓分类提供了新的参考方法。

3.2 果实产量预测

产量估计和预测在果树育种和栽培领域特别重要。果枝数量、果实大小和数量与最终产量密切相关。因此，早期预测产量可以保持最佳的叶果比，确保高产。产量估计传统上是通过小样本推断和使用历史数据进行的。此外，它必须由在该领域具有丰富经验的专家来完成。高光谱遥感为专家耗时和主观的现场分析提供了一种低成本、快速和非破坏性的替代方法。Zabawa等[14]使用全卷积神经网络（FCN）对单个葡萄浆果的图像分割，图像是通过Phenoliner 田间表型平台获得的，图像中的单个葡萄果实是用FCN 检测的。葡萄藤经常交错重叠，因此高光谱对葡萄果实的有效检测变得困难。在葡萄园中检测葡萄，将单个浆果的检测制定为具有3 类的分类任务，即“浆果”“边缘”和“背景”。使用连接组件算法来确定浆果的数量。在60 张图像中自动计算的浆果数量与人工检测的浆果数量进行了比较，这些图像显示了葡萄在垂直地震剖面（VSP）技术和半简约的树篱修剪中的情况。结果显示，在VSP 系统中检测葡萄浆果的准确率为94.0%，SMPH系统准确率为85.6%。Gennaro等[15]使用无人机来获取葡萄园的三通道图像，无监督的识别算法被用来确定集群的数量和大小，并预测每个葡萄树的产量。通过聚类检测得到的分割结果显示，当叶片被部分摘除且葡萄完全成熟时，准确率超过85.0%，在收获的第1周，估计葡萄产量的准确率超过84.0%。李俊伟等[16]研究了与机器视觉方法有关的定性方法，以估计和分类葡萄单粒重和果径大小，即对现有的葡萄样品进行分割和表示，并采用一维线性判别法和PLS 预算法对葡萄单粒重和果径大小进行分析，结果显示，PLS 模型在预测葡萄单粒重和果径大小方面是有效的，预测系数分别为0.980 和0.945。

3.3 果实内部品质检测

在发育成熟的过程中果实的内外部品质也在发生变化：果实长到合适的大小；果实中的可溶性固形物含量、糖分、氨基酸、蛋白质等营养物质逐渐增加；部分积聚在果肉细胞腔内的有机酸转化为糖分和类胡萝卜素，进而形成花青素而使果实颜色发生变化；产生一些挥发性芳香物质，出现果实独特的香气，这些指标均能反映果实的内部品质。检测果实成熟度和内部品质的传统方法主要是在实验室中进行外观检测和理化检测。这些检测方法费时、费力，多数具有破坏性。如传统的硬度测试方法通常会损坏样品。近年来，国内外学者开始研究用于果实成熟度判别分析的无损检测技术，其中高光谱遥感技术凭借自身优势，在果实成熟度和内部品质判定方面的应用逐渐增多。孙炳新等[17]利用近红外光谱技术，在643.26～985.11 nm 波长范围内，建立了预测红富士苹果脆度和酸度的模型，模型的相关系数分别达到0.941 和0.925。王转卫等[18]研究了富士苹果在发育后期833～2 500 nm 波长范围内的近红外测量的光谱特性，建立了预测可溶性固形物含量、含水量、硬度和氢离子浓度的PLS 支持向量机和极限学习机模型，用3 种降维方法，即PCA、连续投影算法、信息变量消除法来对模型进行性能预测，得到对苹果各部分检测的最佳模型。宫元娟等[19]研究了用可见的近红外光谱法对寒富苹果内部品质信息进行在线检测的可行性及不同光谱预处理方法对苹果品质模型的影响，并应用PLS 对寒富苹果的可溶性固形物含量、总酸含量和硬度做出了适当的预测模型。高升[20]通过可见近红外光谱技术和高光谱遥感技术对生长中的红地球葡萄内部品质进行无损检测研究，设计了一种便携式红地球葡萄果实和果穗内部品质检测装置。

3.4 果实损伤检测

在采摘和运输过程中，果实可能因外部的撞击或挤压而受到机械损伤。为了最大限度地减少水果贮存和运输所造成的经济损失，目前对水果的机械损伤大多通过视觉检测，测量精度低，分类不准确，不能满足消费者对水果质量的需求。Elmasry等[21]使用高光谱测量和人工神经网络（ANN）模型来检测苹果冻害，在获得苹果的光谱特征后，建立了一个反向传播ANN 模型来选择最佳波长，对苹果进行分类，并检测冷损伤引起的硬度变化，平均准确率为98.4%。上海交通大学的Wang等[22]利用高光谱遥感技术检测蓝莓果实内部的机械损伤，并基于高光谱传输成像实现了深度学习方法的软损伤检测研究，通过建立卷积神经网络模型，应用k-fold 交叉验证模型评价方法，分类准确率达到88.0%，与以往的机器学习算法相比，识别效果更好，更有优势。基于前人的研究成果，高光谱遥感技术可以通过检测水果硬度的变化来检测冻伤、风害等内部损伤，是一种快速可靠的内部损伤检测方法。韩浩然等[23]利用高光谱成像技术检测苹果划痕后发现，波段比算法和主成分分析的分类识别准确率达93.3%，更适合快速实时检测苹果的伤害。林思寒等[24]采用PLS和线性判别分析（LDA），基于高光谱遥感技术建立了PLS-LDA 横向检测模型，该模型对完好的和不同损伤程度的果实损坏性识别准确率达97.8%。

3.5 果实农药残留检测

水果表面的药物残留不仅对水果的质量和安全产生重大影响，而且对水果贸易也有很大影响。因此，果品农药残留检测至关重要。目前，农药残留常规的检测法有凝胶色谱法、气相色谱法和薄层色谱法，这些检测方法不仅复杂、耗时长、成本高，而且具有破坏性。因此，要快速轻松地识别果实表面的农药残留物，需要一种非接触、简单、快速、准确的方法。而具备图像和光谱的高光谱遥感技术能做到检测过程无污染、无接触和非破坏性。Jiang等[25]为了实现苹果中农药残留的有效检测，采用基于机器视觉的分割算法和高光谱技术对苹果图像的前景和背景区域进行分割，构建了AlexNet-CNN 农药残留检测系统，运用高光谱技术检测6 144 幅苹果农药残留图，而检测结果中，测试组的认证准确率为99.1%，单波段图像的平均精准度为95.4%。徐洁等[26]利用高光谱技术建立距离差异分析模型和贝叶斯差异分析模型，确定哈密瓜表面残留的药物种类。在紫外光环境下，距离辨别的准确度为94.7%。卤素光源环境下偏置差分法的准确率达到100%。李增芳等[27]利用高光谱无损技术在线检测赣南脐橙样品表面不同农药残留浓度变化之间的关系，结果表明，高光谱无损技术对较高浓度的果面农药残留的检测比低浓度的农药残留检测结果更明显。通过上述研究可以看出，高光谱遥感技术是一种小样本、非接触式、快速、有效和低成本的可以检测果蔬农药残留浓度的方法。

4 存在的问题与发展趋势

4.1 存在的问题

由于遥感数据、大气干扰和建模技术的限制，目标作物的生理、生化和环境参数的反演精度可低至80%～90%。目标作物和环境参数的反演往往还处于研究阶段，其准确性还不足以满足智能农业中对目标作物和环境的专题信息的需求。

受天气条件、卫星资源利用等因素限制，监测时往往无法获得有效数据，不能满足生产管理监测的时间和空间分辨率要求；特别是南方的阴雨天气多，空气湿度大，在生长期内获得的光学影像往往因云雾而模糊不清，难以应用于实际生产。

高光谱图像数据处理技术发展缓慢，导致高光谱遥感的应用存在许多问题和困难。在实际检测应用中，高光谱遥感技术可以同时评估水果的外部和内部品质，定性分析精度高，但建模过程复杂，数据处理繁琐缓慢，因此，光谱遥感技术采集的数据比较准确，适用于实验阶段，但相关数据太多，相应的处理时间长，不适合在线检测。

此外，高光谱数据的空间和光谱信息还没有得到有效利用，完整的光谱数据库还没有建立。所以在这方面的研究还有很大的发展空间。

4.2 发展趋势

高光谱遥感技术具有快速、高效、准确和无损的特点，已被广泛用于农业监测。高光谱遥感通过分析高光谱数据特征光谱线，能够准确评估植被和农田的生态情况。比如检测植物的胁迫效应，测定植物叶绿素含量、植被覆盖率，提取氨和木质素等生物化学变量，检测作物或土壤的水分变化，感应叶片色素浓度的变化，监测农作物的生物物理特性和估算产量特征等。利用科学和系统的管理方法准确合理地规划园艺资源的使用，利用高光谱遥感技术提高果品的产量和质量，不对环境造成污染。

传统的分析方法已经不能满足现代农业发展的需要。因此，高光谱遥感被广泛用于精准农业的发展。利用高光谱技术获得更完整和精确的信息参数，为果树的栽培和管理提供了有利保证。除此以外，高光谱遥感技术还可用于果树的综合质量监测，提供不同生长时期的果实特征数据，以综合预测最终产量和最终收益。目前，重点是不同果树的产量，质量监测中的数据访问和数据存储。虽然高光谱技术已经充分和准确地应用于果树研究，但仍需进一步研究。如何利用高光谱遥感技术监测作物机械和果树信息，并完善光谱信息数据库，以支持进一步提高农业信息监测模型的适用性和准确性。

高光谱遥感技术的应用首先要克服监测精度问题，提升模式预测预报能力，在此基础上，要梳理技术流程，进行系统开发，构建智能信息服务平台。精度的提升首先要从改变参数反演模式开始，尝试新的思路和方法，将人工智能和深度学习应用于算法优化，并进行综合验证和精度评价。通过多源数据融合，充分利用不同卫星和传感器的数据，可以尝试有效数据的使用。在高精度预报能力的基础上，建立智能信息服务平台，实现果树学的智能化管理，并开展应用和示范。在进行示范的同时，还将开展地面观测，以验证和评估监测专题产品的准确性。