張政 尤迪 門澤成

摘 要：為了檢測在不同時間段下蘋果的輕微損傷，選擇花牛蘋果作為研究對象。分別采集損傷1h、24h的54個蘋果樣本以及36個對照樣本。利用主成分分析（Principle Component Analysis，PCA）方法，識別蘋果損傷的最佳波段為680～980nm。對比主成分分析與最低噪聲分離（Minimum Noise Fraction， MNF）變換對蘋果損傷區(qū)域的識別效果，發(fā)現(xiàn)MNF效果優(yōu)于主成分分析方法，并運用MNF方法對損傷1h和24h的花牛蘋果分別進(jìn)行檢測。研究結(jié)果表明，36個對照蘋果全正確檢出，損傷1h和24h的花牛蘋果檢測率分別為74.1%和88.9%，隨著時間的推移，檢測精度越來越高。該結(jié)論將為搭建高光譜檢測平臺提供一定的理論基礎(chǔ)。

關(guān)鍵詞：高光譜；蘋果；輕微損傷；PCA；MNF

0 引言

我國是世界上水果生產(chǎn)與消費大國。根據(jù)2015年《中國統(tǒng)計年鑒》數(shù)據(jù)顯示，目前我國水果種植面積1320萬hm2，產(chǎn)量12660.82萬，其中蘋果種植面積222.15萬hm2，產(chǎn)量3849.1萬噸，位居水果產(chǎn)量的首位，但是蘋果的出口比例僅占生產(chǎn)總量的1.5%左右[1]。究其原因，主要是蘋果的碰壓傷影響了蘋果的品質(zhì)。

蘋果的碰壓傷是指蘋果在采摘、運輸和銷售階段產(chǎn)生的一種常見的蘋果機(jī)械損傷問題，隨著時間推移，損傷會發(fā)展成霉變或腐爛，感染其他優(yōu)質(zhì)蘋果，這不僅嚴(yán)重影響蘋果的美觀，還會降低蘋果的品質(zhì)。由于蘋果的輕微損傷和正常表面在顏色、紋理上很相似，在損傷初期通常不易被肉眼識別。

近年來，高光譜成像技術(shù)迅猛發(fā)展，其可以同時獲得豐富的圖像和光譜信息。高光譜遙感技術(shù)在水果品質(zhì)檢測方面得到發(fā)展。李江波[2]等用可見-近紅外圖像及主成分方法檢測橘子缺陷。Nagata等應(yīng)用近紅外高光譜成像技術(shù)預(yù)測草莓的可溶性固形物，所得可溶性固形物的相關(guān)系數(shù)0.87。張保華[5]等通過最小噪聲分離變換檢測紅富士蘋果的早期損傷，但實驗中蘋果的損傷過于明顯。

本文主要利用高光譜成像技術(shù)的空間性與光譜性，結(jié)合主成分分析與最低噪聲分離的圖像分析處理方法，采集損傷1h內(nèi)和滿24h的蘋果輕微損傷影像，對比分析不同時間下?lián)p傷的影像特征，選出蘋果損傷識別的最佳波段及識別方法。

1 實驗部分

1.1 實驗材料

本實驗選取花牛蘋果18個，并將每個蘋果分為四個面，記為a，b，c，d面，其中a，b，c面為損傷面，d面為完好面，作為對照組。損傷模擬產(chǎn)生方式：人工手動擠壓法，擠壓處為蘋果赤道面偏上部位，這樣可以避免損傷處光譜影像信息被高反射率的亮斑覆蓋。力度大小適中，產(chǎn)生損傷大小為0.8～1.6cm2，符合中國農(nóng)業(yè)部發(fā)布的《蘋果等級規(guī)定（NY/T 1793-2009）》標(biāo)準(zhǔn)，人眼很難識別。采集損傷后1h的蘋果高光譜影像，再將損傷后的蘋果放置在室溫中，24h后再次采集其高光譜圖像。

1.2 實驗儀器

本實驗使用的高光譜成像儀是美國SOC710VP成像光譜儀，波長范圍為380～1000nm（128個波段），光譜分辨率約為4.69nm。圖像采集時對每個蘋果進(jìn)行編號，為避免背景干擾，蘋果均放在黑色棉布上，在室內(nèi)掃描成像，光源為鹵素?zé)?，支架?.5m，積分時間為25ms，垂直于蘋果表面上方進(jìn)行掃描。

1.3 圖像校正

由于各波長下光強(qiáng)度分布的不均勻性及CCD探測器的非線性和暗電流的存在，需要對原始圖像進(jìn)行校正[8]。校正公式如下：

式中 Rs ——樣本原始的漫反射光譜圖像

Rw ——白色參考板的漫反射圖像

Rd ——關(guān)上電源，擰上鏡頭蓋后采集的全暗參考圖像

R ——校正后的漫反射光譜圖像

2 結(jié)果

2.1 蘋果正常區(qū)域與損傷的反射光譜比較

蘋果損傷后表面會由于損傷部位化合物的氧化作用而變色，而不同顏色對光的反射程度是不同的。因此可以通過反射光譜的差異來分辨損傷區(qū)與正常區(qū)。圖1、圖2分別是損傷1h與24h花牛蘋果不同損傷部位平均光譜反射率曲線圖。對比分析發(fā)現(xiàn)，680nm左右處有一個吸收峰，這主要由水果表面葉綠素的吸收引起[6]；在980nm左右處有一個吸收峰，主要由蘋果中的水分吸收所引起的[7]。從兩幅圖的整體趨勢上看，損傷區(qū)的平均反射率高于正常區(qū)域，且隨著時間的推移，這種現(xiàn)象更明顯。損傷根據(jù)光譜變化趨勢，如圖2所示，由于400nm之前的波段反射率受噪聲影響很大，故無研究價值；在680nm左右有一個吸收峰，所以將整個光譜區(qū)域劃分為400～680nm與680～980nm兩部分，以損傷滿24h的花牛為例，將這兩個波段區(qū)域分別進(jìn)行PCA（Principal Component Analysis，主成分分析）處理，結(jié)果如圖3所示，得到不同波譜下易識別損傷區(qū)的PCA成分圖像。在400～680nm波段的PCA圖像中，損傷區(qū)的顏色比周圍正常區(qū)稍微深一點，但仍然無法與損傷周圍的正常區(qū)域區(qū)分開來，其中中間黑色的小暗斑是反射率超出1的地方，對應(yīng)于680～980nm圖像中黑白相間的斑塊。在680～980nm波段的PCA圖像中，損傷區(qū)明顯是白色的。因此，損傷區(qū)更容易被識別。

當(dāng)水果損傷發(fā)生時，水果受損區(qū)域的細(xì)胞結(jié)構(gòu)和化學(xué)成分含量發(fā)生變化，通常損傷區(qū)域的含水量要高于其他正常組織[8]。含水量的光譜響應(yīng)主要在近紅外區(qū)域，可見光區(qū)域的光譜主要反映水果表面顏色的變化。水果損傷特別是早期輕微損傷的顏色和正常水果組織的顏色差異很小，其差異主要在水分含量，因此區(qū)分損傷和正常水果組織也主要由近紅外光譜區(qū)域主導(dǎo)。當(dāng)引入可見光光譜區(qū)域的圖像進(jìn)行可見-近紅外光譜區(qū)域的PCA時，可能會削弱損傷區(qū)域與正常組織區(qū)域的光譜強(qiáng)度差異，這就是為什么檢測蘋果損傷區(qū)域，近紅外區(qū)域PCA要比可見-近紅外區(qū)域PCA或可見光區(qū)域PCA效果好的原因[4]。

2.3 主成分分析與最小噪聲分離變換比較

PCA經(jīng)常用于增強(qiáng)光譜圖像的信息含量、隔離噪聲、降低數(shù)據(jù)維數(shù)。而最低噪聲分離（MNF，Minimum Noise Fraction）變換本質(zhì)上是兩次層疊的主成分分析變換，第一次變換為噪聲協(xié)方差矩陣，用于分離和重新調(diào)整數(shù)據(jù)中的噪聲，此變換使數(shù)據(jù)中的噪聲信號發(fā)生變化，但是沒有涉及波段間的相關(guān)變換；第二次變換為噪聲白化數(shù)據(jù)的標(biāo)準(zhǔn)主成分變換[3]。通過MNF變換可以判定圖像數(shù)據(jù)的內(nèi)在維數(shù)，隔離數(shù)據(jù)中的噪聲，減少數(shù)據(jù)處理的計算需求。通過不同波段下圖像的對比分析，挑選了三個進(jìn)行PCA和MNF變換后的最優(yōu)波段，效果如圖4所示。不難發(fā)現(xiàn)，相比PCA主成分圖像，損傷區(qū)域在MNF圖像上與正常表皮的對比度更加明顯，識別更加容易。

2.4 不同時間段蘋果損傷區(qū)域檢測對比

由于蘋果在剛損傷的1h內(nèi)圖像即會發(fā)生變化[5]，且隨著時間推移，蘋果損傷區(qū)域會繼續(xù)發(fā)生變化。本文中采集兩種不同時間段的蘋果高光譜影像，即1h以內(nèi)和達(dá)到24h兩種。下面，如圖5，以花牛蘋果為例，對比不同時間損傷的圖像。從圖中對比結(jié)果可以發(fā)現(xiàn)，隨著時間推移，蘋果損傷區(qū)的高光譜圖像與正常區(qū)的差別更易被識別。

利用680～980nm波段下蘋果輕微損傷高光譜圖像進(jìn)行MNF圖像處理，檢測花牛蘋果。蘋果樣本中，對照組有36個，損傷組有54個，檢測結(jié)果如表1所示。

3 結(jié)論

（1）本文通過比較不同蘋果在不同損傷時間后的光譜平均反射率圖像，再經(jīng)過PCA處理圖像后發(fā)現(xiàn)近紅外680～980nm是最佳識別波段。

（2）對比了主成分分析法和最低噪聲分離變換兩種識別方法，發(fā)現(xiàn)最低噪聲分離變換識別效果較好。

（3）利用MNF方法1h內(nèi)的損傷檢驗結(jié)果為74.1%，24h后的結(jié)果為88.9%。損傷識別的總體檢出率為86.1%。

（4）研究表明，高光譜成像和圖像處理技術(shù)可以用于蘋果輕微損傷的識別，為搭建高光譜檢測平臺提供一定的理論基礎(chǔ)。

參考文獻(xiàn)

[1]農(nóng)業(yè)部.國際蘋果貿(mào)易概況與我國蘋果出口情況[J].中國果業(yè)信息，2006，（4）：6-8.

[2]李江波，饒秀勤，應(yīng)義斌.農(nóng)產(chǎn)品外部品質(zhì)無損檢測中高光譜成像技術(shù)的應(yīng)用研究進(jìn)展[J].農(nóng)業(yè)工學(xué)報，2010，26（8）：222.

[3]Piotr Baranowski，Wojciech Mazurek，Joanna Wozniak，etal[J].Journal of food Engineering，2012，（100）：345.

[4]黃文倩，陳立平，李江波，等.基于高光譜成像的蘋果輕微損傷檢測有效波長選取[J].農(nóng)業(yè)工學(xué)報，2013，29（1）：1272.

[5]張保華，黃文婧，李江波，等.基于高光譜成像技術(shù)和MNF檢測蘋果的輕微損傷[J].光譜學(xué)與光譜分析，2014，34（5）：1367-1372.

[6]Abbott J A， Lu R， Upchurch B L， et al. Technologies for non-destructive quality evaluation of fruits and vegetables[J]. Horticultural Review，1997，（20）：1-120.

[7]ElMasry G， Wang N， Vigneault C， et al. Early detectionof apple bruises on different background colors using hyperspectral imaging[J]. LWT-Food Science and Technology， 2008， 41（2）： 337-345.

[8]Lu R， Cen H， Huang M， et al. Spectral absorption and scattering properties of normal and bruised apple tissue[J].Transactions of the ASABE， 2010， 53（1）： 263-269.

（作者單位：中國礦業(yè)大學(xué)（北京）地球科學(xué)與測繪工程學(xué)院）