我國(guó)是世界水果生產(chǎn)大國(guó),根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》統(tǒng)計(jì)2006年我國(guó)水果總產(chǎn)量已經(jīng)達(dá)到17 239.9萬(wàn)t(包括瓜果類),水果產(chǎn)量世界第一,但我國(guó)不是水果生產(chǎn)強(qiáng)國(guó),水果出口量只占總產(chǎn)量的2%左右,遠(yuǎn)遠(yuǎn)低于9%～10%的世界平均水平.造成水果出口難的主要原因之一就是未能嚴(yán)格按照出口標(biāo)準(zhǔn)對(duì)水果品質(zhì)進(jìn)行分級(jí)。

隨著科學(xué)技術(shù)的發(fā)展和人民生活水平的不斷提高,國(guó)際水果市場(chǎng)競(jìng)爭(zhēng)日益加劇,消費(fèi)者對(duì)水果品質(zhì)的要求越來(lái)越高.消費(fèi)者在挑選水果時(shí)從以往僅僅關(guān)心水果的外部品質(zhì),逐步轉(zhuǎn)向更加注重水果的內(nèi)部品質(zhì)。

因?yàn)闄C(jī)器視覺(jué)技術(shù)和光譜技術(shù)具有快速、無(wú)損、可靠的優(yōu)點(diǎn),目前在水果無(wú)損檢測(cè)中得到廣泛應(yīng)用.機(jī)器視覺(jué)技術(shù)主要是對(duì)被測(cè)物體的空間信息進(jìn)行分析,并提取與農(nóng)產(chǎn)品質(zhì)量品質(zhì)相關(guān)特征,然后基于這些特征建立模式識(shí)別理論對(duì)研究對(duì)象實(shí)施分級(jí).一般而言,這種技術(shù)用于農(nóng)產(chǎn)品外觀品質(zhì)檢測(cè),如形狀、顏色、大小、表面缺陷等.形狀及大小的識(shí)別較多地依靠灰度信息,而顏色及表面缺陷的檢測(cè)目前廣泛使用的是RGB成像系統(tǒng).但是,這些基于普通CCD成像的檢測(cè)技術(shù)僅能夠檢測(cè)水果的部分表面特征,無(wú)法實(shí)現(xiàn)對(duì)水果內(nèi)部品質(zhì)(如水分、糖酸度、機(jī)械損傷、碰傷、腐爛、變質(zhì)、蟲害等)的檢測(cè).水果內(nèi)部品質(zhì)(成熟度、堅(jiān)實(shí)度、可溶性固形物、水分等)用傳統(tǒng)的檢測(cè)方法進(jìn)行測(cè)量費(fèi)時(shí)、費(fèi)力,且內(nèi)部組織成分的測(cè)定需依靠破壞性檢測(cè)方法,受人工影響較大,這嚴(yán)重影響了對(duì)水果進(jìn)行快速、無(wú)損、準(zhǔn)確的評(píng)價(jià).因此研究快速、無(wú)損、準(zhǔn)確的水果品質(zhì)檢測(cè)技術(shù),對(duì)推動(dòng)水果行業(yè)的健康、持續(xù)發(fā)展,提高水果交易價(jià)格,增加果農(nóng)收入,具有十分重要的現(xiàn)實(shí)意義。

盡管當(dāng)前較為先進(jìn)的分級(jí)機(jī)器可以對(duì)水果表面缺陷進(jìn)行分級(jí),但是損傷,尤其是輕微損傷一直是一個(gè)挑戰(zhàn).近幾年來(lái),高光譜圖像技術(shù)在農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)中的應(yīng)用是一個(gè)重要的發(fā)展趨勢(shì).由于高光譜成像技術(shù)是一種圖像及光譜融合技術(shù),可以同時(shí)獲得農(nóng)產(chǎn)品的光譜信息及圖像信息.由于圖像信息能反映農(nóng)產(chǎn)品的外部特征、表面缺陷及污染情況,而光譜信息又可以對(duì)物體內(nèi)部物理結(jié)構(gòu)及化學(xué)成分進(jìn)行分析,可以說(shuō)高光譜成像技術(shù)是圖像技術(shù)與光譜技術(shù)的完美結(jié)合。

1高光譜成像系統(tǒng)

高光譜成像是新一代光電檢測(cè)技術(shù),興起于20世紀(jì)80年代,目前仍在迅猛發(fā)展中.高光譜成像是相對(duì)多光譜成像而言,通過(guò)高光譜成像方法獲得的高光譜圖像與通過(guò)多光譜成像獲取的多光譜圖像相比具有更豐富的圖像和光譜信息。

高光譜圖像技術(shù)已經(jīng)被應(yīng)用于從精微研究到遙感的許多科學(xué)領(lǐng)域。高光譜一般認(rèn)為,光譜分辨率在10 -1 λ數(shù)量級(jí)范圍內(nèi)稱為多光譜(multispectral),光譜分辨率在10 -2 λ數(shù)量級(jí)范圍內(nèi)稱為高光譜(hyper-spectral),光譜分辨率在10 -3 λ數(shù)量級(jí)范圍內(nèi)稱為超光譜(ultra-spectral) [12] .高光譜圖像是一系列光波波長(zhǎng)處的光學(xué)圖像.光譜范圍可以在紫外(200～400 nm)、可見光(400～760 nm)、近紅外(760～2 560 nm)以及波長(zhǎng)大于2 560 nm的區(qū)域.它比多光譜圖像具有更高的光譜分辨率,通常精度可達(dá)到2～3 nm.高光譜圖像數(shù)據(jù)是三維的,稱為圖像塊,如圖1.其中:二維是圖像像素的坐標(biāo)信息(以X和Y表示);第三維是波長(zhǎng)信息(以K表示)。一個(gè)分辨率為X×Y像素的圖像檢測(cè)器陣列在n個(gè)波長(zhǎng)處獲得的樣品圖像塊是X×Y×n的三維陣列。

圖1 高光譜圖像塊

?

高光譜圖像是由一系列特定波長(zhǎng)下的光學(xué)圖像組成的三維數(shù)據(jù)塊,特定波長(zhǎng)的光可通過(guò)濾波片和光譜儀兩種方式獲得.因此,根據(jù)獲取的方式不同,特定波長(zhǎng)光可以分為基于濾波片的高光譜圖像系統(tǒng)和基于光譜儀的高光譜圖像系統(tǒng).基于光譜儀的高光譜圖像系統(tǒng)采集得到的數(shù)據(jù)精度高,可以用于尋找檢測(cè)目標(biāo)所需要的特定波長(zhǎng)。但其數(shù)據(jù)量超大,數(shù)據(jù)處理時(shí)間長(zhǎng),僅適合于實(shí)驗(yàn)室研究階段;反之,基于濾波片的高光譜圖像系統(tǒng)采集得到的數(shù)據(jù)量小,數(shù)據(jù)分析所需要的時(shí)間短,適合在線檢測(cè),但是數(shù)據(jù)過(guò)于簡(jiǎn)單,很難尋找到檢測(cè)目標(biāo)所需要的特征波長(zhǎng).一般情況下,在實(shí)驗(yàn)室階段利用基于光譜儀的高光譜圖像系統(tǒng)尋找檢測(cè)目標(biāo)所需要的最優(yōu)波長(zhǎng),再根據(jù)最優(yōu)波長(zhǎng)設(shè)計(jì)基于濾波片的高光譜圖像系統(tǒng),以實(shí)現(xiàn)在線檢測(cè)。

高光譜圖像檢測(cè)技術(shù)的硬件組成主要包括光源、CCD攝像頭、裝備有圖像采集卡的計(jì)算機(jī)和單色儀.光譜范圍可以在200～400 nm,400～1 000 nm,900～1 700 nm,1 000～2 500 nm.V10E-PS高光譜成像儀系統(tǒng)實(shí)物和基于圖像光譜儀的高光譜圖像檢測(cè)系統(tǒng)如圖2.它主要由面陣CCD攝像頭和圖像光譜儀組成.工作時(shí),圖像光譜儀將檢測(cè)對(duì)象反射或透射過(guò)來(lái)的光分成單色光源后進(jìn)入CCD攝像頭.該系統(tǒng)采用“推掃型”成像方法得到高光譜圖像:面陣CCD探測(cè)器在光學(xué)焦面的垂直方向上做橫向排列完成橫向掃描(X方向),獲取的是對(duì)象在條狀空間中每個(gè)像素在各波長(zhǎng)下的圖像信息;同時(shí),在檢測(cè)系統(tǒng)輸送帶前進(jìn)的過(guò)程中,排列的探測(cè)器掃出一條帶狀軌跡從而完成縱向掃描(Y方向)。

圖2?賽斯拜克高光譜成像儀系統(tǒng)

2 結(jié)果與分析

水果在采摘或運(yùn)輸過(guò)程中,因外力的作用使其表皮受到機(jī)械損傷,損傷處表皮未破損,傷面有輕微凹陷,色稍變暗,肉眼難于覺(jué)察.受水果色澤的影響,傳統(tǒng)的計(jì)算機(jī)視覺(jué)技術(shù)不能對(duì)輕微損傷加以檢測(cè),但是輕微損傷是水果在線檢測(cè)的主要指標(biāo)之一.隨著時(shí)間的延長(zhǎng),輕微損傷部位逐漸褐變,最終導(dǎo)致整個(gè)果實(shí)腐爛并影響其他果實(shí).因此,水果輕微損傷的快速有效檢測(cè)是目前研究的難點(diǎn)和熱點(diǎn)之一.利用高光譜成像技術(shù)對(duì)水果品質(zhì)進(jìn)行無(wú)損檢測(cè)已成為近年來(lái)的一個(gè)研究熱點(diǎn),國(guó)內(nèi)外許多學(xué)者利用高光譜成像技術(shù)開展了對(duì)梨、蘋果、甜瓜、草莓、芒果品質(zhì)進(jìn)行無(wú)損檢測(cè)的研究工作,并取得較好的研究結(jié)果。

?

與國(guó)外研究相比,國(guó)內(nèi)利用高光譜成像對(duì)水果內(nèi)部品質(zhì)進(jìn)行檢測(cè)是最近兩三年才開始進(jìn)行的。

利用高光譜圖像技術(shù)進(jìn)行了檢測(cè)水果輕微損傷的方法研究.試驗(yàn)以蘋果為研究對(duì)象,利用500～900 nm的高光譜圖像數(shù)據(jù),通過(guò)主成分分析提取547 nm波長(zhǎng)下的特征圖像;設(shè)計(jì)不均勻二次差分,消除了蘋果圖像亮度分布不均勻的影響;再通過(guò)合適的數(shù)字圖像處理方法提取蘋果的輕微損傷.試驗(yàn)結(jié)果表明,高光譜圖像技術(shù)對(duì)蘋果輕微損傷的檢測(cè)正確率達(dá)到88.57%。

以臍橙為研究對(duì)象,初步探討了應(yīng)用高光譜圖像技術(shù)檢測(cè)水果表面農(nóng)藥殘留的方法.檢測(cè)光譜為625～725 nm,應(yīng)用主成分分析方法獲得特征波長(zhǎng)圖像,基于第3主成分圖像對(duì)臍橙表面的農(nóng)藥殘留進(jìn)行檢測(cè).檢測(cè)結(jié)果表明高光譜技術(shù)對(duì)檢測(cè)較高濃度農(nóng)藥殘留非常明顯。

基于光譜儀的高光譜圖像系統(tǒng)檢測(cè)茶葉質(zhì)量.通過(guò)主成分分析,優(yōu)選出3個(gè)波段的特征圖像,從每個(gè)特征圖像中分別提取平均灰度級(jí)、標(biāo)準(zhǔn)方差、平滑度、三階矩、一致性和熵等6個(gè)基于統(tǒng)計(jì)矩的紋理特征參量,每個(gè)樣本共有18個(gè)特征變量.再通過(guò)主成分分析對(duì)這18個(gè)特征變量進(jìn)行壓縮,提取8個(gè)主成分因子建立基于反向傳播神經(jīng)網(wǎng)絡(luò)的茶葉等級(jí)判別模型.模型總體識(shí)別率為94%。

利用高光譜圖像技術(shù)檢測(cè)柑橘果銹.首先根據(jù)Sheffield指數(shù)確定最佳波段(625和717 nm),經(jīng)比值變換后得到第一幅比值圖像.然后選取特征波長(zhǎng)625 nm的鄰近波段621 nm,與其比值變換后得到第二幅比值圖像,提取輪廓,構(gòu)建掩膜以消除第一幅比值圖像的背景噪聲,最后進(jìn)行閾值分割和數(shù)字形態(tài)學(xué)運(yùn)算,完成果銹區(qū)域的特征檢測(cè).試驗(yàn)結(jié)果表明基于波段比算法的高光譜圖像技術(shù)可有效檢測(cè)柑橘果銹,檢測(cè)率達(dá)到92%。

特征波段主成分分析法及波段比算法結(jié)合高光譜成像系統(tǒng)檢測(cè)臍橙表面潰瘍.首先,提取并分析11類果皮感興趣區(qū)域(ROI)光譜曲線,并結(jié)合主成分分析法確定5個(gè)最佳波段(630,685,720,810和875 nm).然后基于特征波段做主成分分析,選取第五主成分作為分類識(shí)別圖像,識(shí)別率達(dá)到80%。

賽斯拜克系列高光譜成像檢測(cè)系統(tǒng),初步研究了蘋果在可見光及近紅外波段的壓傷和風(fēng)傷.研究中首先確定與檢測(cè)水果品質(zhì)的最有效特征波長(zhǎng),然后通過(guò)設(shè)計(jì)具有若干個(gè)波長(zhǎng)的光譜圖像系統(tǒng),從而應(yīng)用到實(shí)際生產(chǎn)檢測(cè)中.這樣就可以大大地提高檢測(cè)效率,真正達(dá)到在線、快速、無(wú)損檢測(cè)肉類品質(zhì)的目的。

3 結(jié) 論

隨著圖像處理技術(shù)、光譜分析技術(shù)、計(jì)算機(jī)技術(shù)等的快速發(fā)展和相互融合,并且由于通過(guò)高光譜成像能獲取待測(cè)水果豐富的圖像和光譜信息,能同時(shí)對(duì)水果綜合品質(zhì)進(jìn)行無(wú)損檢測(cè),因而該技術(shù)在水果品質(zhì)檢測(cè)過(guò)程中必將得到更廣泛的應(yīng)用。

水果品質(zhì)的無(wú)損檢測(cè)技術(shù)尤其是高光譜圖像檢測(cè)技術(shù)在我國(guó)還處于實(shí)驗(yàn)研究階段,并沒(méi)有真正地投入到實(shí)際生產(chǎn)當(dāng)中.所以,加速水果品質(zhì)無(wú)損檢測(cè)設(shè)備的市場(chǎng)應(yīng)用,實(shí)現(xiàn)水果的在線、快速、無(wú)損檢測(cè)對(duì)我國(guó)水果產(chǎn)業(yè)的現(xiàn)代化發(fā)展具有非常重要的實(shí)際意義。

我們利用高光譜技術(shù)初步研究了蘋果在可見光及近紅外波段的壓傷和風(fēng)傷,進(jìn)一步的研究還在進(jìn)行中。