新 疆農(nóng)機化 2021 年第 6 期 doi 10 13620 ki issn1007 7782 2021 06 004 中圖分類號 TS255 7 文獻標識碼 A 0 引言 隨著社會經(jīng)濟的發(fā)展和人民生活品質(zhì)的日益提高 水果在日常飲食中的比例越來越大 人們對水果品質(zhì)安 全的關(guān)注也越來越重視 水果中含有的豐富纖維素 礦物質(zhì) 以及鐵 鈣 磷 錳 鋅等人體必需的微量元素 對身體有 較大裨益 1 果品經(jīng)濟是農(nóng)業(yè)經(jīng)濟的重要組成部分之一 目 前主要用傳統(tǒng)化學(xué)檢測手段對水果品質(zhì)進行檢測 化學(xué) 檢測方法既費時又費力 是一種破壞性的檢測 嚴重破壞 了水果外觀和內(nèi)部組織成分 檢測結(jié)果受外界環(huán)境和人 為因素影響最大 不適用于水果的批量及流水線化處理 嚴重制約了果品經(jīng)濟的發(fā)展 2 常見的無損檢測技術(shù)有光學(xué)無損檢測 聲學(xué)無損檢 測 電磁學(xué)無損檢測和氣味無損檢測 3 高光譜成像技術(shù)能 同時得到對象的高光譜數(shù)據(jù)信息和 RGB 圖像信息 將 兩者優(yōu)勢融合于一身 可以獲取更多內(nèi)外部品質(zhì)參數(shù)信 息 實現(xiàn)圖像信息與光譜信息融合 1 高光譜成像系統(tǒng) 如圖 1 高光譜圖像上的每個像元均可獲取一個光譜 區(qū)間內(nèi)的窄波段信息 并得到一個平滑而完整的光譜曲線 4 光譜信息和對象的物理特性和化學(xué)成分息息相關(guān) 而圖像 信息能反映物體的形狀 大小 顏色等特征 因此高光譜 成像技術(shù)能采集到豐富的光譜信息和完整的 RGB圖像 高光譜成像技術(shù)可實現(xiàn)對水果進行表面腐爛 損傷等的定 性檢測分析 以及糖度 水分 硬度 可溶性固形物等的定 量檢測分析 圖 1 高光譜圖像數(shù)據(jù)立體圖 文章編號 1007 7782 2021 06 0018 04 高光譜成像技術(shù)在水果品質(zhì)無損檢測中的研究現(xiàn)狀 張 飛 1 2 羅華平 1 2 高 峰 1 2 王長旭 1 2 張 輝 1 2 于智海 1 2 王玉婷 1 2 1 塔里木大學(xué)機械電氣化工程學(xué)院 新疆 阿拉爾 843300 2 新疆維吾爾自治區(qū)現(xiàn)代農(nóng)業(yè)工程重點實驗室 摘 要 高光譜成像技術(shù)能實現(xiàn) 圖譜合一 被廣泛應(yīng)用于各種水果的品質(zhì)檢測 為了深入了解高光譜成像技術(shù)在水果品質(zhì)檢測 中的應(yīng)用研究 介紹了高光譜成像技術(shù)的基本原理與數(shù)據(jù)處理方法以及高光譜成像技術(shù)在水果品質(zhì)檢測的進展 討論了高光譜 成像技術(shù)在水果品質(zhì)檢測中的發(fā)展趨勢及存在的不足 關(guān)鍵詞 高光譜成像技術(shù) 水果 品質(zhì) 無損檢測 CurrentResearchSituationofApplicationofHyperspectral ImaginginNon destructiveDetectofFruitquality ZHANG Fei 1 2 LUO Huaping 1 2 GAO Feng 1 2 WANG Changxu 1 2 ZHANG Hui 1 2 YU Zhihai 1 2 WANG Yuting 1 2 1 CollegeofMechanicalandElectronicEngineering TarimUniversity Alar 843300 Xinjiang China 2 KeyLaboratoryofColleges Fruit Quality Non destructivedetect 修回日期 2021 05 19 基金項目 國家自然科學(xué)基金項目 南疆紅棗多尺度高光 譜偏振定量遙感模型研究 11964030 基于偏振二向色性 南疆紅棗品質(zhì)偏振遙感機理研究 11464039 通訊作者 羅華平 光譜曲線 某像素點下的光譜曲線 100012001400 1600 波長 nm 0 5 0 6 0 7 0 8 0 9 1 0 x y 開發(fā)研究 18 新 疆農(nóng)機化2021 年第 6 期 高光譜成像系統(tǒng)的組成有兩部分 一部分是數(shù)據(jù)采集 軟件和數(shù)據(jù)分析軟件 另一部分是硬件組成 如圖 2 主要 包含成像光譜儀 光源 CCD相機 計算機與運動平臺等 高光譜成像系統(tǒng)的核心部件為 CCD相機和成像光譜儀 能實現(xiàn)對檢測對象光譜和圖像信息的快速獲取 利用在 檢測過程中光譜儀接收到的反射光 散射光和透射光 最 終得到檢測對象的高光譜圖像 圖 2 高光譜系統(tǒng)組成 高光譜成像系統(tǒng)常采用 推掃式 成像方式獲得對 象在空間中的每個像素在不同波長下的高光譜圖像信 息 可以從紫外光波段到可見光波段再到紅外光 200 2500 nm 波段 常見的成像光譜儀光譜范圍有 400 1000nm 900 1700nm 900 2500nm等 高光譜圖像能包含對象 的光譜信息和空間信息 不僅能反映外部特征 也能反映 內(nèi)部品質(zhì)特征 2 數(shù)據(jù)處理方法 高光譜圖像的光譜分辨率高 因此物體的微小特征也 能精細的顯示出來 成像光譜儀在每個波段都進行拍照 數(shù)據(jù)量大 相關(guān)性高 同時包含了樣品內(nèi)外部信息 但是采 集的數(shù)據(jù)包含噪聲以及其他無用信息 以全波段信息建立 模型并計算不僅耗費大量時間 噪聲也會影響建模精度 因此需要進行光譜信息預(yù)處理 消除噪聲 對數(shù)據(jù)降維 壓縮 提取特征波段數(shù)據(jù)等 提高處理效率和精度 通常采 用的預(yù)處理方法有 標準化 standardization 多元散射 校正 multiplicative scatter correction MSC Savitzky Golay卷積平滑算法 SG 平滑 移動平均平滑算法 movingaveragesmoothing 等 5 目前國內(nèi)外對光譜數(shù)據(jù)處理的過程是 光譜數(shù)據(jù)校 正 選擇感興趣區(qū)域 regionofinterest ROI 獲取光譜信 息數(shù)據(jù) 采用連續(xù)投影算法 successive projections algorithm SPA 競爭性自適應(yīng)重加權(quán)算法 competitive adaptivereweightedsampling CARS 和主成分分析法 principalcomponentanalysis PCA 等算法對數(shù)據(jù)處理 去除無用信息 找出特征波段 建立相應(yīng)的模型 常用建 模方法有 主成分回歸 PCR 隨機森林 RF 支持向量 機 SVM 和偏最小二乘法 PLS 等 3 在水果品質(zhì)檢測中的應(yīng)用 3 1 水果外部品質(zhì)檢測 水果的外部品質(zhì)無損檢測主要是對顏色 大小 形狀 表面缺陷 表面污染等外部特征進行檢測判斷 外部品質(zhì) 特征能最直觀的反應(yīng)水果的品質(zhì) 傳統(tǒng)方式靠分揀人員的 肉眼和經(jīng)驗進行判斷 效率低 誤差大 機器視覺技術(shù)雖然 能實現(xiàn)外觀品質(zhì)的快速自動檢測 但是對不明顯的表面 損傷和缺陷 例如凍傷 碰傷 病菌等區(qū)域的識別準確度 較低 不能精確的反映出外部品質(zhì)缺陷 3 1 1 水果表面損傷和缺陷的檢測 方益明等 6 利用高光譜成像技術(shù)對庫爾勒香梨表面 損傷進行檢測 400 1000nm 根據(jù)不同波段下香梨的高 光譜圖像清晰度及與背景區(qū)域?qū)Ρ冗x擇 863nm處高光 譜圖像建立掩膜圖像 并對數(shù)據(jù)進行降維 采用的是主成 分分析 PCA 算法 根據(jù)損傷區(qū)域與背景區(qū)域光譜差異 選擇主成分圖像 與其他主成分圖像進行比值處理 將圖 像進行分割 運算及形態(tài)學(xué)分析 結(jié)論表明能夠有效識別 出香梨的表面損傷 準確度為 93 75 Janos等 7 開發(fā)了蘋果早期淤傷無損檢測系統(tǒng) 使用 高光譜成像技術(shù)實現(xiàn)在線快速檢測 該系統(tǒng)在光譜數(shù)據(jù) 與處理的基礎(chǔ)上加入了眩光校正 結(jié)果表明對淤傷識別 準確度達 98 Keresztes等 8 對蘋果表面挫傷進行高光 譜成像技術(shù)檢測 通過光譜歸一化處理和采用偏最小二 乘算法建模對于挫傷預(yù)測最準確 準確率可達 90 1 3 1 2 水果表面農(nóng)藥殘留檢測 趙曼彤等 9 利用高光譜成像技術(shù)對香梨表面不同濃 度杜邦萬靈檢測進行了研究 首先對香梨 376 1051nm 波段的原始數(shù)據(jù)進行預(yù)處理并采用連續(xù)投影算法選取 特征波段 結(jié)果表明通過多元線性回歸建立農(nóng)藥殘留檢 測模型正確率可達到 80 徐潔等 10 使用高光譜成像技術(shù)對農(nóng)藥殘留種類進行 了研究 在鹵素?zé)粝虏杉?450 1000nm波長范圍數(shù)據(jù) 將 不同種類的農(nóng)藥溶液滴在哈密瓜表面 提取感興趣區(qū)域 ROI 光譜數(shù)據(jù)后結(jié)合貝葉斯判別法 分析結(jié)果表明在鹵 素?zé)粝聦r(nóng)藥殘留識別準確率可達 100 3 1 3 水果表面腐敗檢測 薛書凝等 11 采集不同貯藏時間香蕉的高光譜數(shù)據(jù) 對 原始圖像數(shù)據(jù)進行降噪處理后進行主成分分析 使用 Wilks統(tǒng)計量結(jié)合主成分分析數(shù)據(jù)提取特征波長 做出不 同貯藏時間下平均光譜反射值曲線 同時對香蕉色差數(shù) 據(jù)進行分析 分析測試隨時間變化色差數(shù)據(jù)異常點發(fā)生 光譜儀 光源 相機 鏡頭 步進電機 樣品 運動平臺 高光譜 圖像 開發(fā)研究 19 新 疆農(nóng)機化 2021 年第 6 期 時間 結(jié)果表明特征光譜數(shù)據(jù)與色差指標分析結(jié)果一致 確定了腐敗基準為第 6個貯藏日 利用馬氏距離構(gòu)建了腐 敗預(yù)警模型 驗證結(jié)果與香蕉實際腐敗過程相吻合 張棣等 12 對同一批不同貯藏時間段黃瓜進行高光譜 數(shù)據(jù)采集 進行光譜預(yù)處理后使用偏最小二乘回歸提取 特征波長 使用馬氏距離建立腐敗預(yù)警模型 結(jié)果與黃瓜 貯藏實際情況符合 3 2 水果內(nèi)部品質(zhì)檢測 水果內(nèi)部品質(zhì)特征是衡量水果營養(yǎng)價值的重要依 據(jù) 主要包含糖度 水分 硬度 可溶性固形物等指標 因此 利用高光譜成像技術(shù)對糖度 水分和可溶性固形物等的 檢測成為研究熱點 3 2 1 成熟度 曹曉峰等 13 使用高光譜成像技術(shù)采集了未成熟果 白熟 初紅果和半紅 全紅果冬棗的高光譜圖像 用 CARS和 SPA算法對光譜進行處理 提取特征波長 同時 從冬棗生理成分變化計算得到 7個光譜參數(shù) SIs 分別 對兩種算法和 SIs建立偏最小二乘模型 PLS 進行對比 判別精度分別為 99 27 95 45 98 18 結(jié)果表明 SIs 建立的模型效果最好 并通過回歸分析將結(jié)果以不同顏 色表示出來 3 2 2 硬度 孟慶龍等 14 以高光譜成像技術(shù)結(jié)合誤差方向傳播 error BackPropagation BP 網(wǎng)絡(luò)算法采集李子的高光譜數(shù)據(jù) 提取感興趣區(qū)域的反射率 使用不同預(yù)處理與 BP網(wǎng)絡(luò)模 型結(jié)合 之后采用主成分分析提取李子硬度特征光譜 結(jié) 果表明采用一階導(dǎo)數(shù)預(yù)處理的光譜建立的模型 RC 0 939 采用標準正態(tài)變換處理的光譜建立的模型 RC 0 723 有較 好預(yù)測能力 3 2 3 糖度 程麗娟等 15 利用高光譜成像技術(shù)與化學(xué)計量方法建 立了蔗糖的無損預(yù)測模型 采用高效液相色譜法檢測蔗 糖含量 對光譜數(shù)據(jù)處理后建立三種回歸模型對比 結(jié)果 表明采用競爭性自適應(yīng)加權(quán)算法和主成分分析建模效 果最好 校正集 預(yù)測集相關(guān)系數(shù)為 0 861 0 843 實現(xiàn)了 對糖分的預(yù)測 王風(fēng)云等 16 獲取了套袋和不套袋兩種種植模式的紅 富士蘋果的高光譜數(shù)據(jù) 利用三種光譜預(yù)處理方法 全光 譜 主成分分析 蟻群算法 和兩種建模算法 反向傳播神 經(jīng)網(wǎng)絡(luò) 最小二乘模型 建立了六種模型 對比發(fā)現(xiàn)蟻群 算法和偏最小二乘模型在套袋和不套袋蘋果糖度的預(yù) 測上都表現(xiàn)出了最高的預(yù)測精度 套袋校正集 R 為 0 9449 預(yù)測集為 0 9602 不套袋正集 R為 0 9258 預(yù)測集 為 0 9279 能夠預(yù)測糖分含量 3 2 4 可溶性固形物 MaT等 17 采用高光譜成像技術(shù)對蘋果可溶性固形物 進行檢測 分別獲取蘋果表面 4個區(qū)域的高光譜圖像 計 算光譜反射率與可溶性固形物含量關(guān)系 得到結(jié)果交叉 驗證系數(shù) 0 89 均方根誤差 0 55 結(jié)果說明高光譜成像 技術(shù)可以檢測蘋果可溶性固形物 邵園園等 18 將 0 0 5 和 1 濃度的殼聚糖涂膜草 莓分別儲藏 1 天 2 天和 4 天后進行成像并測量樣品的 SSC 對樣品 SSC分析后發(fā)現(xiàn) 在相同貯藏時間內(nèi) 表面含 有殼聚糖涂層的草莓 SSC增加量更高 采用蒙特卡洛 偏最小二乘法剔除異常數(shù)據(jù)樣本 采用不同預(yù)處理方法 通過競爭性自適應(yīng)重加權(quán)采樣算法和連續(xù)投影算法選 擇特征波段 最后采用偏最小二乘回歸和支持向量回歸 建立回歸模型 結(jié)果表明競爭性自適應(yīng)算法 支持向量 回歸方法最優(yōu) 模型結(jié)果表明 0 濃度 0 5 濃度和 1 濃 度的決定系數(shù)分別為 0 865 0 808 0 834 表明高光譜成像 技術(shù)在殼聚糖涂膜草莓的無損檢測中有較好效果 4 結(jié)語 高光譜成像技術(shù)在各類水果無損檢測中得到廣泛 應(yīng)用 尤其是對水果表面損傷 內(nèi)部糖分水分 表面農(nóng)藥 殘留等的檢測 相較于傳統(tǒng)的檢測方式有有快速 高精 度 無破壞性等特點 大量研究性論文已經(jīng)證明了高光譜成 像作為水果品質(zhì)的檢測工具是可行的 在水果品質(zhì)檢測 方面有巨大發(fā)展?jié)摿?目前高光譜成像技術(shù)主要有以下不足 首先是高光 譜成像技術(shù)采集的數(shù)據(jù)量大 冗余信息多 通常需要利用 各種算法提取特征波長進行降維 使得數(shù)據(jù)處理與結(jié)果 分析耗費時間長 不利于大規(guī)模在線檢測 其次 高光譜 相機不易攜帶 通常需要配合三角架等設(shè)備才能工作 高 光譜成像技術(shù)目前主要工作范圍仍然為近地面 不能同 無人機及衛(wèi)星區(qū)域遙感建立相互聯(lián)系 實現(xiàn)戶外果樹果 品大范圍采集檢測 最后 高光譜相機價格較為昂貴 不 利于推廣 增加了應(yīng)用成本 高光譜成像技術(shù)作為一種有 效的無損檢測技術(shù)未來將在農(nóng)產(chǎn)品 食品等領(lǐng)域繼續(xù)發(fā) 揮作用以促進高光譜成像實現(xiàn)便捷 快速 高精度的實時 在線檢測 參考文獻 1 李夢珠 基于高光譜技術(shù)的水果品質(zhì)無損檢測研究 D 西安 開發(fā)研究 20 新 疆農(nóng)機化2021 年第 6 期 上接第 17 頁 6 Duke M Bulanon Takashi Kataoka Hiroshi Okamoto et al Feedbackcontrolofmanipulatorusingmachinevisionforrobotic appleharvesting C ASAEAnnualInternationalMeeting 2005 1 8 7 周天娟 張鐵中 果蔬采摘機器人技術(shù)研究進展和分析 J 農(nóng)業(yè)機 械 2006 22 38 39 8 KondoN TingKC Roboticsforbio productionsystems M ASAE Publisher 1998 9 趙春光 蘋果采摘機械手的設(shè)計與優(yōu)化 D 哈爾濱商業(yè)大學(xué) 2019 10 馬履中 楊文亮 王成軍 等 蘋果采摘機器人末端執(zhí)行器的結(jié)構(gòu) 設(shè)計與試驗 J 農(nóng)機化研究 2009 31 12 65 67 11 Zhao De An Lv Jidong Ji Wei et al Design and control of an appleharvestingrobot J BiosystemsEngineering 2011 110 2 12 顧寶興 姬長英 王海青 等 智能移動水果采摘機器人設(shè)計與試 驗 J 農(nóng)業(yè)機械學(xué)報 2012 43 6 153 160 13 顧寶興 姬長英 王海青 等 農(nóng)用開放式智能移動平臺研制 J 農(nóng) 業(yè)機械學(xué)報 2012 43 4 173 178 187 14 顧寶興 智能移動式水果采摘機器人系統(tǒng)的研究 D 南京農(nóng)業(yè)大 學(xué) 2012 15 TRINDAD J B Machine for automatically harvesting fruits cultivatedinrows EP3498076A1 P 2017 12 15 16 MontaM KondoN InstituteofElectricandElectronicEngineer Agriculturalrobotingrape productionsystem C Robotics and Automation 1995 Proceedings 1995 IEEE International Conferenceonvol 3 1995 2504 2509 17 郭素娜 張麗 劉志剛 一種高精度自主導(dǎo)航定位的葡萄采摘機 器人設(shè)計 J 農(nóng)機化研究 2016 38 7 20 24 18 張潔 李艷文 果蔬采摘機器人的研究現(xiàn)狀 問題及對策 J 機械 設(shè)計 2010 27 6 1 5 19 劉長林 張鐵中 楊麗 果蔬采摘機器人研究進展 J 安徽農(nóng)業(yè)科 學(xué) 2008 13 5394 5397 20 Seiichi Arima Naoshi Kondo Cucumber Harvesting Robot and Plant Training System J Journal of Robotics and Mechatroics 1999 11 3 208 212 21 E J van Henten et al An Autonomous Robot for Harvesting Cucumbers in Greenhouses J Autonomous Robots 2002 13 3 241 258 22 E J Van Henten et al Field Test of an Autonomous Cucumber PickingRobot J BiosystemsEngineering 2003 86 3 23 張帆 張帥輝 張俊雄 等 溫室黃瓜采摘機器人系統(tǒng)設(shè)計 J 農(nóng)業(yè) 工程技術(shù) 2020 40 25 16 20 電子科技大學(xué) 2019 2 張保華 李江波 樊書祥 等 高光譜成像技術(shù)在果蔬品質(zhì)與安 全無損檢測的原理及應(yīng)用 J 光譜學(xué)與光譜分析 2014 34 10 2743 2751 3 彭彥昆 農(nóng)畜產(chǎn)品品質(zhì)安全光學(xué)無損快速檢測技術(shù) M 北京 科學(xué)出版社 2016 5 8 4 賈敏 歐中華 高光譜成像技術(shù)在果蔬品質(zhì)檢測中的應(yīng)用 J 激光生物學(xué)報 2018 27 2 119 126 5 褚小立 化學(xué)計量學(xué)方法與分子光譜分析技術(shù) M 化學(xué)工業(yè) 出版社 2011 6 方益明 楊帆 李曉勤 庫爾勒香梨表面損傷的高光譜圖像檢 測方法 J OL 激光與光電子學(xué)進展 1 12 2020 12 09 7 JanosCK MohammadG Real timepixelbasedearlyapplebruise detection using short wave infrared hyperspectral imaging in combination with calibration and glare correction techniques J FoodControl 2016 66 1 215 226 8 Keresztes JC Diels E Goodarzi M et al Glare based apple sortingand iterative algorithm for bruise region detection using shortwave infrared hyperspectral imaging J Postharvest Biol Technol 2017 130 103 115 9 趙曼彤 李柏承 周瑤 等 香梨表面低濃度農(nóng)藥殘留高光譜檢測 研究 J 光學(xué)技術(shù) 2016 42 5 408 412 419 10 徐潔 楊杰 孫靜濤 等 基于高光譜技術(shù)的哈密瓜表面農(nóng)藥 殘留判別分析 J 江蘇農(nóng)業(yè)科學(xué) 2016 44 12 338 340 11 薛書凝 殷勇 于慧春 等 香蕉貯藏中腐敗基準確定與高光 譜信息表征及腐敗預(yù)警模型構(gòu)建 J 光譜學(xué)與光譜分析 2020 40 12 3871 3877 12 張棣 殷勇 于慧春 等 高光譜融合馬氏距離的貯藏黃瓜腐 敗預(yù)警方法 J 核農(nóng)學(xué)報 2020 34 12 2749 2755 13 曹曉峰 任惠如 李幸芝 等 高光譜技術(shù)結(jié)合特征波長 光譜 指數(shù)對冬棗成熟度可視化判別 J 光譜學(xué)與光譜分析 2018 38 7 2175 2182 14 孟慶龍 張艷 尚靜 高光譜成像結(jié)合 BP 網(wǎng)絡(luò)無損檢測李子 的硬度 J 激光與紅外 2019 49 8 968 973 15 程麗娟 劉貴珊 何建國 等 靈武長棗蔗糖含量的高光譜無 損檢測 J 食品科學(xué) 2019 40 10 285 291 16 王風(fēng)云 鄭紀業(yè) 阮懷軍 等 基于高光譜的套袋和不套袋蘋 果糖度無損預(yù)測模型研究 J 山東農(nóng)業(yè)科學(xué) 2020 52 6 129 136 17 MaT Li X Inagaki T et al Noncontent evaluation of solube solidscontentinapplesbynear infraredhyperspectralimaging J Journal of Food Engineering 2018 224 53 61 18 邵園園 王永賢 玄冠濤 等 高光譜成像快速檢測殼聚糖涂 膜草莓可溶性固形物 J 農(nóng)業(yè)工程學(xué)報 2019 35 18 245 254 開發(fā)研究 21