近年來,食品安全問題備受關(guān)注,人們對(duì)果蔬品質(zhì)與安全標(biāo)準(zhǔn)的要求也越來越高,已成為社會(huì)關(guān)注的熱點(diǎn)。通常,果蔬品質(zhì)包括了形狀、顏色、大小和表面缺陷等外部品質(zhì)與糖度、酸度、硬度、可溶性固形物含量、淀粉含量、水分和成熟度及其他營養(yǎng)元素的含量等內(nèi)部品質(zhì)，其品質(zhì)好壞是其市場銷量的重要因素。

傳統(tǒng)果蔬品質(zhì)檢測方法如化學(xué)法、高效液相色譜法、質(zhì)譜分析法等通常對(duì)待測物具有破壞性，且速度慢。機(jī)器視覺和光譜技術(shù)具有快速、無損、可靠等優(yōu)點(diǎn)，近年來廣泛用于果蔬品質(zhì)檢測中。其中，機(jī)器視覺技術(shù)通過提取和分析果蔬形狀、大小、顏色及表面缺陷等空間信息進(jìn)行外部品質(zhì)檢測，而近紅外光譜技術(shù)主要對(duì)果蔬內(nèi)部品質(zhì)進(jìn)行檢測。

高光譜成像技術(shù)將圖像與光譜技術(shù)相結(jié)合，可同時(shí)獲取反映待測物內(nèi)外部品質(zhì)的光譜信息與空間信息，近幾年國內(nèi)外對(duì)其在果蔬品質(zhì)的無損檢測中進(jìn)行了廣泛的研究。本文將從高光譜成像技術(shù)的基本原理與其在果蔬品質(zhì)無損檢測中的研究與應(yīng)用等方面，介紹其在該領(lǐng)域的最新研究進(jìn)展。

1、高光譜成像技術(shù)原理

高光譜系統(tǒng)中的每個(gè)像元均可獲取同一個(gè)光譜區(qū)間內(nèi)幾十到幾百個(gè)連續(xù)的窄波段信息，并得到一條平滑而完整的光譜曲線，同時(shí)整個(gè)成像系統(tǒng)還可獲取被測物的空間信息，實(shí)現(xiàn)對(duì)待測物內(nèi)部成分與外觀特征的同時(shí)檢測，具有光譜連續(xù)與分辨率高等特點(diǎn)。

系統(tǒng)獲取的高光譜圖像可用一段連續(xù)波段的光學(xué)圖像組成的立體三維圖像來表示，如圖2所示。其中XY平面的二維圖像表示物體的空間信息，如形狀大小、缺陷等。由于物品外部變化會(huì)影響反射光譜，故形狀、顏色或缺陷在某一特定的波長下圖譜會(huì)有變化。λ坐標(biāo)表示物體的光譜信息，將反映出待測物成分結(jié)構(gòu)等內(nèi)部品質(zhì)。

本研究應(yīng)用了400-1000nm的高光譜相機(jī)，可采用杭州彩譜科技有限公司產(chǎn)品FS13進(jìn)行相關(guān)研究。光譜范圍在400-1000nm，波長分辨率優(yōu)于2.5nm，可達(dá)1200個(gè)光譜通道。采集速度全譜段可達(dá)128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

2、果蔬外部品質(zhì)的檢測

市場上人們對(duì)果蔬的直接感受就是其外部品質(zhì)的好壞，即對(duì)顏色、新鮮度、大小、機(jī)械損傷、凍傷與腐爛等方面的判斷。傳統(tǒng)的機(jī)器視覺技術(shù)在果蔬外部品質(zhì)的檢測中由于精度低、操作復(fù)雜，很難區(qū)分出機(jī)械損傷、凍傷、腐爛及新鮮度等方面外部特征。高光譜成像技術(shù)恰好克服了這一缺點(diǎn)，能夠?qū)崿F(xiàn)全方位的無損檢測，而且精度高、易于操作，近年來逐步用于果蔬外部品質(zhì)的檢測中。

新鮮度是反映果蔬品質(zhì)的重要指標(biāo)。剛采摘的果蔬通常需經(jīng)過儲(chǔ)存、運(yùn)輸，最終到達(dá)消費(fèi)者，該過程將影響其新鮮度品質(zhì)。一般而言，人們對(duì)果蔬新鮮度的主觀判斷是不準(zhǔn)確的。分別在失水0、10、24、48小時(shí)狀態(tài)下，利用成像光譜儀采集了小白菜、菠菜、油菜、娃娃菜等四種蔬菜葉片的光譜圖像并進(jìn)行對(duì)比分析。其中，小白菜葉片在不同失水時(shí)間下的高光譜圖像與機(jī)器視覺圖像的對(duì)比分析如圖3、4所示。從中可以看出，隨著時(shí)間的變化兩幅圖中的葉片狀態(tài)均有明顯變化，但機(jī)器視覺圖像只能看出失水狀態(tài)，而高光譜圖像通過分析光譜信息的變化發(fā)現(xiàn)，葉片在失水過程中其外觀形態(tài)及內(nèi)部葉綠素均有變化，葉綠素相對(duì)含量值預(yù)測模型的相關(guān)系數(shù)r=0.76,說明高光譜技術(shù)可以有效辨別蔬菜葉片的新鮮度。

利用高光譜技術(shù)和ANN預(yù)測模型對(duì)蘋果凍傷進(jìn)行了研究，如圖5所示。實(shí)驗(yàn)采用如圖6所示過程，在400-1000 nm波段的凍傷蘋果高光譜圖像中選擇5個(gè)主成分波段(717,751,875,960和980 nm)進(jìn)行ANN模型的建立，其訓(xùn)練集、測試集和驗(yàn)證集的相關(guān)系數(shù)分別為0.93,0.91和0.92,最終實(shí)現(xiàn)了98%以上的識(shí)別準(zhǔn)確率。

對(duì)80個(gè)蘋果樣本分別采集4塊尺寸為2 cm×2 cm×1.5 cm區(qū)域中的高光譜圖像，利用偏最小二乘回歸法來估算可溶性固形物含量反射數(shù)據(jù)與近紅外光譜數(shù)據(jù)之間的關(guān)系，得到交叉驗(yàn)證系數(shù)為0.89,均方根誤差0.55%,最后成功繪制出主要波段的高空間分辨率SSC圖像，如圖7所示。從圖中可以看出靠近蘋果邊緣部分相比于中心部分有著更高的SSC值。結(jié)果表明，可用近紅外高光譜成像技術(shù)測量蘋果的可溶性固形物含量。

3、結(jié)論

隨著生活水平的提升，人們對(duì)健康食品的品質(zhì)要求越來越高。傳統(tǒng)的機(jī)器視覺技術(shù)和物理化學(xué)方法在測量果蔬品質(zhì)方面操作復(fù)雜、破壞性強(qiáng)，難以滿足檢測需要。高光譜成像技術(shù)融合了機(jī)器視覺、光譜和圖像處理技術(shù)，產(chǎn)生的圖像是“圖譜結(jié)合”的三維數(shù)據(jù)立方體，不僅包含了待測物的空間信息特征，同時(shí)還包含了待測物的光譜信息，能夠準(zhǔn)確、快速、無損的檢測出農(nóng)產(chǎn)品的品質(zhì)，并且操作簡單，近年來廣泛應(yīng)用于果蔬品質(zhì)的檢測中。但是高光譜成像技術(shù)在采集和處理圖像數(shù)據(jù)的過程中，受限于儀器性能和處理速度的影響，該技術(shù)現(xiàn)目前主要應(yīng)用于基礎(chǔ)性研究，并未廣泛應(yīng)用于工業(yè)的在線實(shí)時(shí)檢測中。針對(duì)這些問題，為了實(shí)現(xiàn)果蔬品質(zhì)的商業(yè)化在線檢測，還需要做到如下兩點(diǎn)：一是改進(jìn)并升級(jí)高光譜成像技術(shù)的相關(guān)設(shè)備比如成像光譜儀，提升其性能并降低其生產(chǎn)成本，利于高光譜成像技術(shù)在果蔬品質(zhì)檢測中的推廣；二是針對(duì)全波段的、不同品種的果蔬高光譜圖像進(jìn)行特征波長選取，以降低數(shù)據(jù)冗余量，減少高光譜圖像的獲取以及處理時(shí)間。盡管如此，隨著社會(huì)發(fā)展與科學(xué)進(jìn)步，高光譜成像技術(shù)將不斷提升和改進(jìn)，未來在農(nóng)產(chǎn)品、食品安全領(lǐng)域?qū)⒕哂懈訌V闊的發(fā)展空間和應(yīng)用前景。