楊昆程，孫 梅，*，陳興海

（1.北京工商大學(xué)計算機與信息工程學(xué)院，北京 100048；2.北京卓立漢光儀器有限公司，北京 101102）

水果成熟度的高光譜成像無損檢測研究

楊昆程1，孫 梅1，*，陳興海2

（1.北京工商大學(xué)計算機與信息工程學(xué)院，北京 100048；2.北京卓立漢光儀器有限公司，北京 101102）

水果成熟度作為衡量水果品質(zhì)和等級的一個重要指標，區(qū)分不同成熟度的水果可以降低水果在采摘、包裝、儲存、運輸?shù)任锪鳝h(huán)節(jié)的損失率。高光譜技術(shù)是一種新型光譜技術(shù)和計算機視覺融合技術(shù)，它可以從圖像維和光譜維對水果的綜合品質(zhì)進行評價。分析了國內(nèi)外將該技術(shù)應(yīng)用于水果成熟度檢測方面的研究進展，提出了利用高光譜圖像技術(shù)檢測棗和梨成熟度的方法，利用不同成熟度的水果在可見光及近紅外波段的反射率，初步確定了利用高光譜成像技術(shù)檢測棗和梨2種水果成熟度的有效特征波長。

高光譜成像技術(shù)；水果成熟度；無損檢測

我國是世界水果種植大國，水果產(chǎn)業(yè)已發(fā)展成為我國繼糧食產(chǎn)業(yè)和蔬菜產(chǎn)業(yè)之后的第三大農(nóng)產(chǎn)品產(chǎn)業(yè)，但是由于我國不能按出口標準對水果品質(zhì)進行有效的分級，導(dǎo)致我國水果出口率嚴重低于世界平均水平。許多研究表明，在采摘、包裝、儲存、運輸?shù)任锪鳝h(huán)節(jié)，由于不同原因?qū)е滤麚p失率高達25%，其主要原因之一就是由于不同成熟度的水果混雜在一起造成的。因此，對不同成熟度的水果進行有效的區(qū)分對生產(chǎn)和貿(mào)易具有重要意義。

傳統(tǒng)的水果成熟度檢測［1-3］主要是通過測定水果的堅硬程度、水果內(nèi)部可溶性物質(zhì)數(shù)量以及所含水分的多少進行的。這種方法的缺陷是，一方面它不能較快速得到結(jié)果，并且在檢測的過程中需要過多的人為參與，得到的結(jié)果缺乏準確性；另一方面水果內(nèi)部物質(zhì)成分的測定需要破壞水果的組織，采取這種方法對水果進行大規(guī)模的檢測是不現(xiàn)實的。

20世紀60年代后，隨著計算機技術(shù)和光譜技術(shù)的快速發(fā)展，近紅外光譜、機器視覺等新技術(shù)相繼被應(yīng)用到農(nóng)產(chǎn)品生產(chǎn)中去，使得無損檢測在評價果品綜合質(zhì)量方面的應(yīng)用成為可能。無損檢測［4-5］是近年來新興的一種高科技手段，它是在不損害被檢測對象的前提下，利用聲、光、電磁等技術(shù)對果品外部特征和內(nèi)部結(jié)構(gòu)以及其組成成分的測定和評價，這種檢測方法不僅能檢測水果的品質(zhì)，同時不會對水果造成損害，保證了水果的完整性。高光譜成像技術(shù)［6-8］是近幾年新興的一種基于非常多窄波段的影像數(shù)據(jù)技術(shù)，集中了光學(xué)、信息處理、計算機科學(xué)等領(lǐng)域的先進技術(shù)，實現(xiàn)了傳統(tǒng)的二維成像技術(shù)和光譜技術(shù)有機結(jié)合，使得檢測過程在獲取水果圖片信息的同時得到水果的光譜信息，能夠更準確，更全面地對水果品質(zhì)進行分級。

1 材料與方法

1.1 材料

試驗所需要的梨和棗均選自北京某超市和早市，梨和棗的大小、形狀基本一致，無機械摔傷。購買回來的水果均用密封袋包裝，置于恒溫箱中保存。試驗前將水果從恒溫箱中取出，在實驗室放置12 h使其達到室溫后用電子天平對樣品進行稱重，分份，見表1。

表1 實驗材料Tab.1 Experimental material

圖1 高光譜成像儀系統(tǒng)Fig.1 GaiaSorter hyperspectral imager system

表2 GaiaSorter高光譜分選儀系統(tǒng)參數(shù)Tab.2 Parameters of Gaiasorter hyperspectral imager system

1.2 儀器與設(shè)備

所有的測試結(jié)果均是在室溫20℃左右且通風(fēng)良好的實驗室進行，高光譜成像數(shù)據(jù)采集采用北京卓立漢光儀器有限公司的GaiaSorter高光譜分選儀系統(tǒng)。該系統(tǒng)主要由高光譜成像儀、CCD相機、光源、暗箱、計算機組成，如圖1。實驗儀器參數(shù)設(shè)置如表2。本套高光譜成像系統(tǒng)的主要特點是快速準確；不需要任何化學(xué)試劑及特殊的樣品準備；肉類、水果及農(nóng)產(chǎn)品均可檢測。

1.3 方法

GaiaSorter高光譜分選儀的高光譜圖像數(shù)據(jù)采集使用的是SpectraSENS高光譜數(shù)據(jù)采集軟件，高光譜圖像數(shù)據(jù)分析軟件使用的是ENVI（environment for visualizing images，EVVI）4.7，MATLAB 2009a。

在進行圖像采集前，為了保證圖像的清晰程度，應(yīng)該根據(jù)光源的照度預(yù)先對光譜相機攝像頭的曝光時間進行設(shè)定，同時為了避免圖像空間上的分辨率失真，對于輸送裝置速度的調(diào)整也是非常必要的。為了克服光強分布較弱波段存在的圖像噪聲和暗電流的影響，首先需要掃描標準白板以采集反射率為1的全白標定圖像Dw，而后蓋上攝像頭的蓋子以采集反射率為0的全黑標定圖像Dd，進行過黑白校正后，再進行樣本光譜圖像Ds的采集，由此可以根據(jù)公式（1）得到黑白校正后的相對樣品光譜圖像的感興趣像素區(qū)域c或波段i處的反射率R:

在數(shù)據(jù)采集過程中，為了獲取到所要掃描面空間上每個像素點在整個光譜區(qū)域上的光譜數(shù)據(jù)，在光學(xué)焦平面的垂直方向上，需要線性探測器對其進行橫向掃描。與此同時，置于輸送裝置上的測試樣本作垂直于攝像機的縱向移動，從而完成了對整個測試樣本圖像的采集過程。通過上述過程采集到的測試樣本圖像數(shù)據(jù)塊，不僅含有特定像素光譜信息，同時也含有特征波段下的圖像信息。具體操作步驟如下:

1）將表1中不同的測試樣本稱重分為50份試樣；

2）打開GaiaSorter系列高光譜分選儀并啟動計算機，運行SpectraSENS高光譜數(shù)據(jù)采集軟件，在軟件界面進行儀器連接檢測和預(yù)熱；

3）并將上述實驗樣品分別置于載物臺上，放入GaiaSorter系列高光譜分選儀的載物臺上；

4）設(shè)置完測試參數(shù)后，點擊“開始掃描”，約40s即可采集到一份樣品的光譜信息，即樣品光譜圖，每個樣品分別掃描10次取其平均值作為相應(yīng)樣品的光譜反射率值；

5）每個樣品光譜數(shù)據(jù)掃描完成后，將載物臺上的殘留物質(zhì)清理干凈，以此確保每次掃描得到的光譜準確性。

2 結(jié)果與分析

光譜特性是高光譜技術(shù)在水果檢測方面應(yīng)用的基礎(chǔ)，不同成熟度的水果，由于物理結(jié)構(gòu)以及內(nèi)部成分含量的不同，導(dǎo)致在不同波長的光源照射下，水果的反射、散射以及透射特性有很大差別，如何確定特征波長并對不同成熟度進行區(qū)分，成為水果成熟度檢測的一個重要方向。隨著高光譜技術(shù)的興起，國內(nèi)外利用高光譜技術(shù)對水果成熟度的幾個相關(guān)指標（著色度、糖酸比、堅硬程度、可溶性物質(zhì)的數(shù)量）做了大量的研究，證明采用高光譜技術(shù)能夠?qū)崿F(xiàn)對不同成熟度的水果進行區(qū)分。國外對水果成熟度的研究主要集中在成熟和未成熟獼猴桃（光譜特性520～680 nm）［9-10］，桃子的含糖量和堅硬程度與其成熟度的關(guān)系［11］，不同成熟度西紅柿的波長（396～736 nm）［12］，西瓜和甜瓜的成熟度與可溶性固體物質(zhì)含量的相關(guān)性［13］。國內(nèi)在此方面的研究主要有以紅心李和桃子為例，區(qū)分不同成熟度水果的方法［14］；根據(jù)果皮色澤a*（a*代表果實綠色到紅色變化，是評定果實成熟度的關(guān)鍵指標）來快速預(yù)測磨盤柿成熟度［15］等。

我們利用北京卓立漢光儀器有限公司的Hypersis系列高光譜成像檢測系統(tǒng)，初步研究了不同成熟度的水果在可見光及近紅外波段的反射率，確定了與檢測水果成熟度的最有效特征波長。圖2是利用數(shù)碼相機拍攝的待測樣品的彩色圖像，對應(yīng)同一樣品的不同位置和不同樣品（梨和棗），建立相應(yīng)的樣品集，然后利用高光譜采集試驗樣品的待測成分對應(yīng)的光譜數(shù)據(jù)。

圖2 實驗樣品的實物圖示Fig.2 Pictures of experimental fruits

在不同的波段范圍內(nèi)，高光譜圖像檢測儀對能量的響應(yīng)不同，因而會使原始光譜曲線上出現(xiàn)很多的噪聲，導(dǎo)致原始光譜曲線不太平滑，而且GaiaSorter高光譜分選儀在350～1 000 nm（可見-近紅外）光譜的采樣間隔是1.9 nm，因而在相鄰的波段間，原始光譜曲線具有信息重合的現(xiàn)象，致使整個光譜數(shù)據(jù)存在信息冗余。因此，必須對數(shù)據(jù)進行降維和去噪處理。主要處理過程包括Resize（重置圖像大小和波段范圍）、ROI（感興趣區(qū)）、Mask（閾值）、Filter（中值濾波）、PCA（主成分分析）/MNF（最小噪聲分離）、特征波段提取等。通過試驗樣品的測量，發(fā)現(xiàn)棗的感興趣區(qū)域（ROI）在450～980 nm，得到任意像素點的連續(xù)光譜曲線如圖3，可以看出樣本在近紅外波段區(qū)域反射值大于在可見光波段區(qū)域反射值，在667 nm波段處表現(xiàn)出光譜吸收特征，并且成熟棗和非成熟棗分別在635，875 nm和575，810 nm呈現(xiàn)局部極大值，由此確定5個特征波段；而梨的感興趣區(qū)域（ROI）在486～910 nm的光譜曲線（見圖4），可以看出樣本在670 nm處出現(xiàn)吸收峰，在580～630 nm和770～830 nm出現(xiàn)反射峰。

圖3 棗的連續(xù)光譜曲線Fig.3 Reflectance spectra of jujube

3 結(jié) 論

隨著圖像處理技術(shù)、光譜分析技術(shù)、計算機技術(shù)等的快速發(fā)展和相互融合，利用高光譜成像獲取待測水果豐富的圖像和光譜信息，對水果綜合品質(zhì)進行全面評價已成為水果無損檢測的一個重要趨勢。水果成熟度作為衡量水果品質(zhì)和等級的一個重要指標，利用高光譜技術(shù)對不同成熟度的水果進行快速有效地分級有著重要的市場意義。

我們利用高光譜技術(shù)初步研究了棗和梨2種水果在可見光及近紅外波段的反射率，初步確定了棗的感興趣區(qū)域在450～980 nm，并且選擇667，635，875 nm和575，810 nm為成熟棗和非成熟棗的5個特征波長來分析。而通過分析梨的感興趣波長486～910 nm的光譜曲線，得出在670 nm處出現(xiàn)吸收峰，在580～630 nm和770～830 nm出現(xiàn)反射峰。通過光譜曲線，并結(jié)合主成分分析及波段比算法，較準確地分辨出果蔬的成熟度，進一步的研究還在進行中。

圖4 梨的連續(xù)光譜曲線Fig.4 Reflectance spectra of pear

［1］田海清，應(yīng)義斌，陸輝山，等.可見/近紅外光譜漫透射技術(shù)檢測西瓜堅實度的研究［J］.光譜學(xué)與光譜分析，2007，27（6）:1113-1117.

［2］傅霞萍，應(yīng)義斌，劉燕德，等.水果堅實度的近紅外光譜檢測分析試驗研究［J］.光譜學(xué)與光譜分析，2006，26（6）:1038-1041.

［3］洪添勝，李震，吳春胤，等.高光譜圖像技術(shù)在水果品質(zhì)無損檢測中的應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報，2007，11（23）:280-285.

［4］付興虎，付廣偉，畢衛(wèi)紅.近紅外光潛技術(shù)在水果品質(zhì)無損檢測中應(yīng)用的研究與現(xiàn)狀［J］.紅外，2006，27（2）:33-37.

［5］劉燕德，曾凡.無損檢測技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢驗中的應(yīng)用［J］.江西農(nóng)業(yè)大學(xué)學(xué)報:自然科學(xué)版，2002，24（3）:411-413.

［6］吳龍國，何建國，賀曉光，等.高光譜圖像技術(shù)在水果無損檢測中的研究進展［J］.激光與紅外，2013，43（9）:990-996.

［7］馬本學(xué)，應(yīng)義斌，饒秀勤，等.高光譜成像在水果內(nèi)部品質(zhì)無損檢測中的研究進展［J］.光譜學(xué)與光譜分析，2009，29（6）:1611-1615.

［8］孫梅，付妍，徐冉冉，等.基于高光譜成像技術(shù)的水果品質(zhì)無損檢測［J］.食品科學(xué)技術(shù)學(xué)報，2013，31（2）:67-71.

［9］Slaughter D C，Crisosto C H.Non-destructive internal quality assessment of kiwifruit using near-infrared spectroscopy［J］.Seminars in Food Analysis，1998（3）:131-140.

［10］McGlone V A，Kawano S.Firmness，dry-matter and soluble-solids assessment of post-harvests kiwifruit by NIR-spectroscopy［J］.Postharvest Biology and Technology，1998，13:131-141.

［11］Carlomagno G，Capozzo L，Attolio G，et al.Non-destructive grading of peaches by near-infrared spectrometry［J］. Infrared Physics&Technology，2004，46:23-29.

［12］Polder G，Van der Haijden G W A M，Yang I T.Spectral image analysis for measuring ripeness of tomatoes［J］. Transactions of the ASAE，2002，45（4）:1155-1161.

［13］Marruo T，Ito T，Shimaura S，et al.Nondestructive evaluation of ripeness and soluble solids content in melon and watermelon fruits using laser［J］.Acta Horticulturae Leuven International Society Horticultural Science，2002，588:373-376.

［14］王樂妍，張東仙，章海軍，等.基于激光光致發(fā)光光譜的果實成熟度測試方法研究［J］.光譜學(xué)與光譜分析，2008，28（12）:2772-2776.

［15］張鵬，李江闊，馮曉元，等.可見/近紅外漫反射光譜預(yù)測磨盤柿成熟度［J］.食品研究與開發(fā)，2013，34（11）:91-94.

Nondestructive Inspect of Fruit Maturity with Hyperspectral Imaging Technology

YANG Kuncheng1，SUN Mei1，*，CHEN Xinghai2
（1.School of Computer and Information Engineering，Beijing Technology and Business University，
Beijing 100048，China；2.Zolix Instruments Co.Ltd.，Beijing 101102，China）

Fruit maturity as an important indicator to measure the quality and grade of fruits，distinction of fruit maturity between different fruits could reduce the loss rate in picking，storage，transport，and other logistics sectors.Hyperspectral technology was a novel spectroscopic techniques and computer vision fusion technology，which could evaluate fruit quality from the image dimensions and spectral dimension. This paper reviewed the application of the technology at home and abroad and proposed the application of the hyperspectral imaging technology to detect jujube and pear maturity.The most effective characteristic wavelengths of jujube and pear were determined based on fruits with different maturity degrees having different reflectances in the visible and near infrared bands.

hyperspectral imaging；fruit maturity；nondestructive detection

檀彩蓮）

TS255.7；S126；TP391.41

A

10.3969/j.issn.2095-6002.2015.04.012

2095-6002（2015）04-0063-05

楊昆程，孫梅，陳興海.水果成熟度的高光譜成像無損檢測研究［J］.食品科學(xué)技術(shù)學(xué)報，2015，33（4）:63-67.

YANG Kuncheng，SUN Mei，CHEN Xinghai.Nondestructive inspect of fruit maturity with hyperspectral imaging technology［J］.Journal of Food Science and Technology，2015，33（4）:63-67.

2015-03-18

國家自然科學(xué)基金資助項目（61473009）；北京市自然科學(xué)基金資助項目（4132008）；北京市組織部優(yōu)秀人才培養(yǎng)D類項目（2013D005003000008）。

楊昆程，男，碩士研究生，研究方向為食品檢測；

*孫 梅，女，副教授，主要從事高光譜成像與食品檢測等方面的研究。

。