近年來,食品安全問題備受關注,人們對果蔬品質與安全標準的要求也越來越高,已成為社會關注的熱點。通常,果蔬品質包括了形狀、顏色、大小和表面缺陷等外部品質與糖度、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元素的含量等內部品質，其品質好壞是其市場銷量的重要因素。

傳統果蔬品質檢測方法如化學法、高效液相色譜法、質譜分析法等通常對待測物具有破壞性，且速度慢。機器視覺和光譜技術具有快速、無損、可靠等優點，近年來廣泛用于果蔬品質檢測中。其中，機器視覺技術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行外部品質檢測，而近紅外光譜技術主要對果蔬內部品質進行檢測。

高光譜成像技術將圖像與光譜技術相結合，可同時獲取反映待測物內外部品質的光譜信息與空間信息，近幾年國內外對其在果蔬品質的無損檢測中進行了廣泛的研究。本文將從高光譜成像技術的基本原理與其在果蔬品質無損檢測中的研究與應用等方面，介紹其在該領域的最新研究進展。

1、高光譜成像技術原理

高光譜系統中的每個像元均可獲取同一個光譜區間內幾十到幾百個連續的窄波段信息，并得到一條平滑而完整的光譜曲線，同時整個成像系統還可獲取被測物的空間信息，實現對待測物內部成分與外觀特征的同時檢測，具有光譜連續與分辨率高等特點。

系統獲取的高光譜圖像可用一段連續波段的光學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有變化。λ坐標表示物體的光譜信息，將反映出待測物成分結構等內部品質。

本研究應用了400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS13進行相關研究。光譜范圍在400-1000nm，波長分辨率優于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區域波段選擇）。

2、果蔬外部品質的檢測

市場上人們對果蔬的直接感受就是其外部品質的好壞，即對顏色、新鮮度、大小、機械損傷、凍傷與腐爛等方面的判斷。傳統的機器視覺技術在果蔬外部品質的檢測中由于精度低、操作復雜，很難區分出機械損傷、凍傷、腐爛及新鮮度等方面外部特征。高光譜成像技術恰好克服了這一缺點，能夠實現全方位的無損檢測，而且精度高、易于操作，近年來逐步用于果蔬外部品質的檢測中。

新鮮度是反映果蔬品質的重要指標。剛采摘的果蔬通常需經過儲存、運輸，最終到達消費者，該過程將影響其新鮮度品質。一般而言，人們對果蔬新鮮度的主觀判斷是不準確的。分別在失水0、10、24、48小時狀態下，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行對比分析。其中，小白菜葉片在不同失水時間下的高光譜圖像與機器視覺圖像的對比分析如圖3、4所示。從中可以看出，隨著時間的變化兩幅圖中的葉片狀態均有明顯變化，但機器視覺圖像只能看出失水狀態，而高光譜圖像通過分析光譜信息的變化發現，葉片在失水過程中其外觀形態及內部葉綠素均有變化，葉綠素相對含量值預測模型的相關系數r=0.76,說明高光譜技術可以有效辨別蔬菜葉片的新鮮度。

利用高光譜技術和ANN預測模型對蘋果凍傷進行了研究，如圖5所示。實驗采用如圖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個主成分波段(717,751,875,960和980 nm)進行ANN模型的建立，其訓練集、測試集和驗證集的相關系數分別為0.93,0.91和0.92,最終實現了98%以上的識別準確率。

對80個蘋果樣本分別采集4塊尺寸為2 cm×2 cm×1.5 cm區域中的高光譜圖像，利用偏最小二乘回歸法來估算可溶性固形物含量反射數據與近紅外光譜數據之間的關系，得到交叉驗證系數為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。結果表明，可用近紅外高光譜成像技術測量蘋果的可溶性固形物含量。

3、結論

隨著生活水平的提升，人們對健康食品的品質要求越來越高。傳統的機器視覺技術和物理化學方法在測量果蔬品質方面操作復雜、破壞性強，難以滿足檢測需要。高光譜成像技術融合了機器視覺、光譜和圖像處理技術，產生的圖像是“圖譜結合”的三維數據立方體，不僅包含了待測物的空間信息特征，同時還包含了待測物的光譜信息，能夠準確、快速、無損的檢測出農產品的品質，并且操作簡單，近年來廣泛應用于果蔬品質的檢測中。但是高光譜成像技術在采集和處理圖像數據的過程中，受限于儀器性能和處理速度的影響，該技術現目前主要應用于基礎性研究，并未廣泛應用于工業的在線實時檢測中。針對這些問題，為了實現果蔬品質的商業化在線檢測，還需要做到如下兩點：一是改進并升級高光譜成像技術的相關設備比如成像光譜儀，提升其性能并降低其生產成本，利于高光譜成像技術在果蔬品質檢測中的推廣；二是針對全波段的、不同品種的果蔬高光譜圖像進行特征波長選取，以降低數據冗余量，減少高光譜圖像的獲取以及處理時間。盡管如此，隨著社會發展與科學進步，高光譜成像技術將不斷提升和改進，未來在農產品、食品安全領域將具有更加廣闊的發展空間和應用前景。