孟留偉 ，楊 良，王靜禹，黃凌霞 ，2＊

（1.浙江大學(xué) 應(yīng)用生物資源研究所，浙江 杭州 310058；2.浙江大學(xué)-湖州南太湖農(nóng)業(yè)技術(shù)推廣中心，浙江 湖州 313000）

基于高光譜成像技術(shù)對(duì)桑椹品質(zhì)無(wú)損檢測(cè)的研究進(jìn)展

孟留偉1，楊 良1，王靜禹1，黃凌霞1，2＊

（1.浙江大學(xué) 應(yīng)用生物資源研究所，浙江 杭州 310058；2.浙江大學(xué)-湖州南太湖農(nóng)業(yè)技術(shù)推廣中心，浙江 湖州 313000）

高光譜成像技術(shù)是近幾年研究較多的一種檢測(cè)技術(shù)，其通過(guò)將計(jì)算機(jī)成像技術(shù)和光譜技術(shù)進(jìn)行有機(jī)結(jié)合而發(fā)展起來(lái)的一種新型無(wú)損檢測(cè)技術(shù)。為進(jìn)一步了解高光譜成像技術(shù)在桑椹無(wú)損檢測(cè)中的研究進(jìn)展，我們對(duì)相關(guān)的文獻(xiàn)進(jìn)行了檢索、分析和學(xué)習(xí)，最后對(duì)基于高光譜成像技術(shù)的桑椹無(wú)損檢測(cè)的研究進(jìn)行了總結(jié)，并分析和展望了高光譜成像技術(shù)的未來(lái)。

高光譜成像技術(shù)；桑椹品質(zhì)；無(wú)損檢測(cè)；研究進(jìn)展

隨著當(dāng)前社會(huì)經(jīng)濟(jì)的發(fā)展和人民群眾生活水平的提高，人們對(duì)于農(nóng)產(chǎn)品品質(zhì)的要求也更加嚴(yán)格，不僅要品質(zhì)優(yōu)良，還要綠色健康，這就為當(dāng)前農(nóng)產(chǎn)品品質(zhì)的檢測(cè)提出了一大難題。當(dāng)前對(duì)農(nóng)產(chǎn)品品質(zhì)的檢測(cè)主要是通過(guò)傳統(tǒng)的化學(xué)方法進(jìn)行，不僅費(fèi)時(shí)費(fèi)力，而且還不符合檢測(cè)的無(wú)損要求，因此在實(shí)際應(yīng)用中也有很大的局限性。因此發(fā)展新型的快速無(wú)損檢測(cè)技術(shù)就成了當(dāng)前的一項(xiàng)緊迫任務(wù)。目前的無(wú)損檢測(cè)主要基于檢測(cè)物的聲學(xué)、電學(xué)、光學(xué)等特性進(jìn)行，而其中高光譜成像技術(shù)是目前在農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)中研究最多的，高光譜成像技術(shù)不僅具有計(jì)算機(jī)成像技術(shù)和光譜技術(shù)的雙重優(yōu)點(diǎn)，而且相對(duì)于其他技術(shù)來(lái)說(shuō)還具有快速準(zhǔn)確等優(yōu)點(diǎn)［1～4］，因此可以用來(lái)對(duì)農(nóng)產(chǎn)品進(jìn)行在線(xiàn)檢測(cè)，目前的許多研究已經(jīng)將其應(yīng)用在蔬菜和水果的研究中，并取得了良好的檢測(cè)效果。

桑椹作為第三代水果，其具有酸甜可口、營(yíng)養(yǎng)物質(zhì)豐富、藥用價(jià)值較高等優(yōu)點(diǎn)［5］，但由于桑椹皮薄肉軟多汁，極易發(fā)生腐爛變質(zhì)，因此對(duì)桑椹進(jìn)行及時(shí)快速的無(wú)損檢測(cè)是避免其品質(zhì)降低和經(jīng)濟(jì)損失的有效手段。當(dāng)前桑椹成熟度和品質(zhì)的評(píng)價(jià)主要是通過(guò)對(duì)顏色、質(zhì)地、紋理、尺寸、香味等指標(biāo)進(jìn)行主觀判斷進(jìn)行的［6］，由于評(píng)價(jià)人員在進(jìn)行判斷時(shí)存在個(gè)人主觀性和經(jīng)驗(yàn)偏差，使得品質(zhì)評(píng)價(jià)結(jié)論存在誤差甚至錯(cuò)誤，因此需要一種更準(zhǔn)確更客觀地?zé)o損檢測(cè)方法。最近幾年隨著高光譜成像技術(shù)的研究越來(lái)越成熟，已經(jīng)有許多研究人員將其應(yīng)用到農(nóng)產(chǎn)品品質(zhì)的無(wú)損檢測(cè)中來(lái)［7］，而桑椹作為第三代水果的代表，應(yīng)用高光譜成像技術(shù)對(duì)其品質(zhì)進(jìn)行檢測(cè)，也成為了當(dāng)前無(wú)損檢測(cè)研究的熱點(diǎn)之一。因此本文以桑椹作為檢測(cè)對(duì)象，通過(guò)文獻(xiàn)檢索和學(xué)習(xí)總結(jié)來(lái)介紹高光譜成像技術(shù)在桑椹品質(zhì)無(wú)損檢測(cè)中的研究進(jìn)展。

1 高光譜成像技術(shù)的原理和裝置

1.1 高光譜成像原理

光譜根據(jù)分辨率的高低可以將其分成多光譜、高光譜、超光譜三種類(lèi)型，這三種類(lèi)型對(duì)應(yīng)的光譜分辨率分別為10-1λ以?xún)?nèi)、10-2λ以?xún)?nèi)、10-3λ以?xún)?nèi)［8］，而高光譜圖像就是由一系列連續(xù)的光波波長(zhǎng)組成的光學(xué)圖像。因此高光譜成像就是指在特定的波長(zhǎng)范圍內(nèi)獲得由一系列連續(xù)的窄波段圖像組成的包含三維圖像數(shù)據(jù)塊的過(guò)程［9］。一個(gè)典型的高光譜數(shù)據(jù)塊示意圖如圖1所示，進(jìn)行高光譜成像時(shí)，成像儀通過(guò)接收被測(cè)物體表面反射和透射光以及在X軸上進(jìn)行分光，在Y軸上進(jìn)行成像，從而獲得包含一維光譜和二維圖像的高光譜三維數(shù)據(jù)塊。通常高光譜的光譜范圍主要包括可見(jiàn)光譜區(qū)域（400～760 nm）和近紅外光譜區(qū)域（760～2560 nm），目前其光譜分辨率可以達(dá)到2～3nm［10］。在利用高光譜成像技術(shù)在獲得樣品圖像的同時(shí)，還能夠?yàn)閳D像上每個(gè)像素點(diǎn)提供上千個(gè)波長(zhǎng)點(diǎn)的光譜信息，因此包含了樣品內(nèi)部豐富的成分含量信息，可以達(dá)到實(shí)現(xiàn)樣品的成分、含量、空間分布的無(wú)損測(cè)量的目的。

圖1 典型高光譜數(shù)據(jù)塊示意圖Figure 1 Sketch map oftypical hyperspectral data block

1.2 高光譜成像系統(tǒng)裝置

一個(gè)典型的高光譜成像系統(tǒng)主要包含硬件和軟件這兩部分［11］。硬件系統(tǒng)包括：電荷耦合器件探測(cè)器、成像光譜儀、鏡頭、光源及其控制器、可調(diào)載物臺(tái)、移動(dòng)步進(jìn)機(jī)等，而軟件系統(tǒng)包含運(yùn)動(dòng)控制系統(tǒng)和圖像采集系統(tǒng)兩部分。通過(guò)將軟硬件進(jìn)行結(jié)合可以對(duì)樣品信息進(jìn)行快速采集，采集過(guò)程如下：首選是將樣品平穩(wěn)放置已調(diào)整好高光譜系統(tǒng)載物平臺(tái)上，而后應(yīng)用運(yùn)動(dòng)控制系統(tǒng)啟動(dòng)移動(dòng)步進(jìn)機(jī)，以點(diǎn)掃描、線(xiàn)掃描或者面掃描進(jìn)行圖像的獲?。?2］，在圖像采集的過(guò)程中，被測(cè)物體表面的光反射和透射信息被高光譜成像儀接收，從而獲得在平面X軸、Y軸和光波長(zhǎng)λ上的三維信息，因此既包含了圖像信息，也包含了光譜信息，而后將采集的圖譜信息儲(chǔ)存在計(jì)算機(jī)中，從而進(jìn)行后續(xù)的數(shù)據(jù)處理和分析［13］。

2 高光譜圖像數(shù)據(jù)處理與分析

高光譜成像采集的三維數(shù)據(jù)塊能夠提供被檢樣品內(nèi)外部豐富的成分含量信息，但由于高光譜數(shù)據(jù)具有波段多、分辨率高、數(shù)據(jù)維度高、冗余性強(qiáng)等特點(diǎn)，因此必須采取合適的的數(shù)學(xué)算法對(duì)數(shù)據(jù)進(jìn)行處理和分析。通常高光譜圖像處理的流程一般包括：高光譜圖像的獲取、圖像的校正，圖譜信息的提取、數(shù)據(jù)預(yù)處理、數(shù)據(jù)降維和特征變量提取、模型建立、結(jié)果分析等幾個(gè)方面。總結(jié)以上的幾個(gè)方面，可以將其分成三個(gè)方面：高光譜圖像校正、光譜數(shù)據(jù)降維以及檢測(cè)模型構(gòu)建。具體的分析流程圖可見(jiàn)圖2。

2.1 高光譜圖像校正和光譜預(yù)處理

在高光譜圖像采集過(guò)程中，由于圖像是未經(jīng)校正的原始圖像，在圖像的的采集過(guò)程中由于相機(jī)中的暗電流的存在會(huì)對(duì)采集系統(tǒng)產(chǎn)生一定的影響，使得采集的高光譜圖像穩(wěn)定性較差［14，15］，另一方面由于原始高光譜圖像數(shù)據(jù)是光子的強(qiáng)度信息，需要通過(guò)反射校正來(lái)獲取相對(duì)反射率［16］。因此對(duì)高光譜進(jìn)行黑白版校正是數(shù)據(jù)分析前一個(gè)必要的過(guò)程［17］。另外，由于在光譜信息采集的過(guò)程中存在光散射、檢測(cè)物圖像不規(guī)則以及隨機(jī)噪聲等不利因素［18］，會(huì)使光譜曲線(xiàn)出現(xiàn)不平滑，信噪比較低等問(wèn)題，所以在進(jìn)行相關(guān)數(shù)據(jù)分析之前都會(huì)進(jìn)行數(shù)據(jù)的預(yù)處理，常用的預(yù)處理方法有平滑、歸一化、求導(dǎo)、多元散射校正、傅里葉變換、小波分析等，通過(guò)預(yù)處理后的數(shù)據(jù)不僅提高了曲線(xiàn)的平滑性和信噪比，而且對(duì)后續(xù)所建模型的準(zhǔn)確性也有一定的提升。

圖2 高光譜數(shù)據(jù)處理和分析流程圖Figure 2 Flowchart of hyperspectral data processing and analysis

2.2 高光譜數(shù)據(jù)降維

由于高光譜采集的數(shù)據(jù)塊通常含有幾百甚至上千個(gè)波段的光譜信息，這就造成了過(guò)高維度的光譜信息和數(shù)據(jù)較大的冗余性，不僅使得計(jì)算過(guò)程繁瑣，而且還會(huì)降低無(wú)損檢測(cè)模型的準(zhǔn)確性，因此在建模前對(duì)高光譜數(shù)據(jù)塊進(jìn)行降維處理是進(jìn)行數(shù)據(jù)分析的重要一步。查閱文獻(xiàn)發(fā)現(xiàn)，當(dāng)前應(yīng)用較多的降維處理方法主要有以下幾種：主成分分析法、獨(dú)立成分分析法、遺傳算法以及最小噪聲分離法等［19～22］，通過(guò)相應(yīng)的降維算法處理后，大量的冗余信息被去除，并且特征波段和圖像被提取，這些對(duì)于簡(jiǎn)化計(jì)算過(guò)程和提高模型的準(zhǔn)確性發(fā)揮著重要的作用。

2.3 檢測(cè)模型的構(gòu)建

通過(guò)對(duì)降維處理后的圖譜數(shù)據(jù)進(jìn)行建模，可將圖譜信息和待測(cè)品質(zhì)關(guān)聯(lián)起來(lái)，目前常用的一些化學(xué)計(jì)量學(xué)建模方法有偏最小二乘法、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)、多元線(xiàn)性回歸法，線(xiàn)性判別分析，F(xiàn)isher判別分析等算法［16，21，23，24］，通常的做法是應(yīng)用多種建模方法，最后比較不同建模方法建模集和預(yù)測(cè)集結(jié)果來(lái)選出最優(yōu)模型，因此建模方法不是固定的，而是根據(jù)不同的數(shù)據(jù)類(lèi)型選用不同的建模算法，不匹配的建模方法通常會(huì)對(duì)結(jié)果準(zhǔn)確性會(huì)產(chǎn)生較大的影響。而對(duì)于降維后的圖像維，通常采用相應(yīng)的數(shù)字圖像處理技術(shù)對(duì)圖像進(jìn)行分割處理，從處理后的圖像中提取特征參數(shù)建立模型，進(jìn)而對(duì)被測(cè)樣本表面缺陷或殘留物進(jìn)行檢測(cè)和識(shí)別［23］。

3 高光譜成像技術(shù)在桑椹品質(zhì)無(wú)損檢測(cè)中的研究進(jìn)展

水果品質(zhì)的好壞，通常是由其內(nèi)外品質(zhì)共同決定的。內(nèi)外品質(zhì)也決定著桑椹的成熟度、貨架期長(zhǎng)短以及市場(chǎng)表現(xiàn)等［25］。因此客觀全面的評(píng)估水果的品質(zhì)就成了采摘和銷(xiāo)售之前必要的內(nèi)容。隨著計(jì)算機(jī)技術(shù)和信息技術(shù)的發(fā)展，高光譜無(wú)損檢測(cè)技術(shù)變得越來(lái)越成熟，以往破壞性的傳統(tǒng)化學(xué)方法也正在被高光譜成像技術(shù)逐漸所取代。桑椹作為一種比較“小眾化”的水果，由于易發(fā)生軟化腐爛，因此應(yīng)用高光譜技術(shù)對(duì)其進(jìn)行品質(zhì)檢測(cè)的研究還較少［26］。但為了更好的了解高光譜在桑椹品質(zhì)檢測(cè)中的研究方向，本部分將介紹高光譜在桑椹和其他水果的上的應(yīng)用，為桑椹以后的研究提供參考方向。

3.1 桑椹外部品質(zhì)檢測(cè)

外部品質(zhì)是桑椹品質(zhì)優(yōu)良與否的直觀體現(xiàn)，對(duì)桑椹的外部品質(zhì)的評(píng)價(jià)通常是通過(guò)對(duì)顏色、硬度、紋理、尺寸、形狀以及表面缺陷等指標(biāo)進(jìn)行評(píng)估，傳統(tǒng)的評(píng)價(jià)往往根據(jù)個(gè)人經(jīng)驗(yàn)進(jìn)行，因此主觀性較強(qiáng)，且不同品種的水果具有不同的外觀特性，使得評(píng)價(jià)結(jié)果容易出現(xiàn)偏差和錯(cuò)誤。而高光譜成像技術(shù)則能很好地解決這一問(wèn)題，并且許多的研究已經(jīng)在不同的水果上展開(kāi)［27］。

通過(guò)文獻(xiàn)檢索發(fā)現(xiàn)，應(yīng)用高光譜成像技術(shù)對(duì)桑椹外部品質(zhì)的研究尚未開(kāi)展，但其他水果的研究較多，例如LU等對(duì)兩個(gè)品種蘋(píng)果表面的的損傷進(jìn)行了研究，結(jié)果表明在波長(zhǎng)為1000～1340nm時(shí)，高光譜成像技術(shù)可以檢測(cè)出兩種蘋(píng)果表面的損傷，并且檢測(cè)的準(zhǔn)確性分別介于62%～88%和59%～94%之間［28］。YU等通過(guò)高光譜成像技術(shù)對(duì)藍(lán)莓的愈傷進(jìn)行了研究，通過(guò)采用支持向量機(jī)成功地將愈傷組織和健康組織區(qū)分開(kāi)來(lái)，并且準(zhǔn)確性達(dá)到了90%以上［29］。此外也有研究對(duì)水果表面的農(nóng)藥殘留和蟲(chóng)害進(jìn)行了研究，如J.WANG等用反射高光譜成像系統(tǒng)對(duì)棗類(lèi)水果蟲(chóng)害損傷進(jìn)行了研究，通過(guò)檢測(cè)棗的有損表皮和無(wú)損表皮，成功地將兩者區(qū)分開(kāi)來(lái)，區(qū)分總精度達(dá)到了97%以上［30］。而張玲表等應(yīng)用高光譜成像對(duì)番茄表面的農(nóng)藥殘留進(jìn)行了研究，其通過(guò)對(duì)噴灑不同濃度農(nóng)藥的番茄進(jìn)行光譜采集，而后通過(guò)對(duì)圖譜處理和分析，不僅選出了特征波長(zhǎng)而且利用特征波長(zhǎng)建立的識(shí)別模型可以對(duì)經(jīng)過(guò)不同濃度農(nóng)藥噴灑的番茄表面進(jìn)行了識(shí)別，結(jié)果展示高濃度的的農(nóng)藥殘留檢出率為100%，而低濃度檢出率為0，直接說(shuō)明高光譜成像技術(shù)在農(nóng)藥殘留檢測(cè)方面具有一定的應(yīng)用性［31］。除此以外，應(yīng)用高光譜成像技術(shù)對(duì)水果的凍傷［32］、腐爛［33］、缺陷［34］等也有相應(yīng)的研究，而且這類(lèi)檢測(cè)精度通常在80%以上，證明了高光譜成像技術(shù)在水果外觀品質(zhì)檢測(cè)上的巨大潛力。以上所提的幾種外觀檢測(cè)類(lèi)型，在桑椹上的研究還較少，可能的原因是，桑椹體積小且表面凹凸不平，對(duì)于圖像處理和分割有一定的困難性，但隨著計(jì)算機(jī)信息技術(shù)的進(jìn)步和圖像處理技術(shù)的發(fā)展，應(yīng)用高光譜成像技術(shù)對(duì)桑椹外觀品質(zhì)進(jìn)行檢測(cè)和研究會(huì)逐漸變?yōu)榭赡堋?/p>

3.2 桑椹內(nèi)部品質(zhì)檢測(cè)

目前應(yīng)用高光譜成像技術(shù)對(duì)桑椹品質(zhì)的研究主要集中在內(nèi)部品質(zhì)的無(wú)損檢測(cè)上，通常檢測(cè)以下幾項(xiàng)內(nèi)容：可溶性固形物、水分含量、酸度、干物質(zhì)含量、可滴定酸等［35］。目前在桑椹中可溶性固形物的研究較多，如Zhao等通過(guò)將化學(xué)計(jì)量學(xué)方法和高光譜成像技術(shù)進(jìn)行結(jié)合對(duì)桑椹中的總可溶性固形物進(jìn)行了研究，采集了310個(gè)桑椹的高光譜信息，然后用糖度計(jì)對(duì)其可溶性固形物進(jìn)行測(cè)定，通過(guò)相應(yīng)的變量選擇方法得到特征波長(zhǎng)，最后應(yīng)用偏最小二乘法和支持向量機(jī)兩種建模方法對(duì)樣品中的可溶性固形物進(jìn)行了研究，成功地將其分布進(jìn)行了可視化呈現(xiàn)［36］。另外我們實(shí)驗(yàn)室也對(duì)桑椹的內(nèi)部品質(zhì)進(jìn)行了無(wú)損檢測(cè)研究，Huang對(duì)可溶性固形物進(jìn)行了研究，并通過(guò)不同的變量選擇方法和和建模方法，對(duì)桑椹中的可溶性固形物進(jìn)行了預(yù)測(cè)，通過(guò)綜合比較選出了最優(yōu)組合，相關(guān)系數(shù)達(dá)到了0.700；除此以外我們還對(duì)pH進(jìn)行了研究，其相關(guān)系數(shù)達(dá)到了0.900，結(jié)果顯示高光譜有成像技術(shù)對(duì)桑椹中的可溶性固形物和pH具有很好的檢測(cè)效果［37］。另外Huang還利用高光譜成像系統(tǒng)中的兩種CCD探測(cè)器對(duì)桑椹中的總花青素含量和抗氧化活性進(jìn)行了快速無(wú)損檢測(cè)，相關(guān)的系數(shù)也分別達(dá)到了0.959和0.995［38］。由于當(dāng)前桑椹的研究還較少，桑椹的許多內(nèi)部品質(zhì)指標(biāo)尚未應(yīng)用高光譜成像技術(shù)進(jìn)行研究，而在其他水果中已經(jīng)進(jìn)行許多相關(guān)內(nèi)部指標(biāo)的檢測(cè)，如對(duì)草莓［39，40］、蘋(píng)果［41，42］、桃子［43，44］水分含量、總的可溶性固形物、硬度等的檢測(cè)。通過(guò)學(xué)習(xí)和借鑒高光譜成像技術(shù)在其他水果內(nèi)部品質(zhì)中的應(yīng)用，可以為以后桑椹的研究奠定基礎(chǔ)和研究方向，另外從這些研究中可以看出高光譜成像技術(shù)在桑椹品質(zhì)無(wú)損檢測(cè)中廣闊前景。

4 總結(jié)與展望

基于高光譜成像技術(shù)對(duì)于桑椹品質(zhì)進(jìn)行快速無(wú)損檢測(cè)，已經(jīng)成為當(dāng)前無(wú)損檢測(cè)技術(shù)中研究最多的一項(xiàng)技術(shù)，通過(guò)此項(xiàng)技術(shù)不僅可以進(jìn)行品質(zhì)的無(wú)損檢測(cè)，而且還可以用來(lái)確定最優(yōu)采摘時(shí)機(jī)，指導(dǎo)定價(jià)以及分級(jí)銷(xiāo)售，從而提高桑椹的經(jīng)濟(jì)效益。但應(yīng)用高光譜成像技術(shù)進(jìn)行對(duì)桑椹進(jìn)行無(wú)損檢測(cè)還存在一些不足：首先是利用高光成像技術(shù)對(duì)桑椹品質(zhì)進(jìn)行無(wú)損檢測(cè)存在檢測(cè)指標(biāo)過(guò)于單一的問(wèn)題，未能形成一套全面的無(wú)損檢測(cè)模型和體系，因此只能對(duì)單一指標(biāo)進(jìn)行評(píng)價(jià)，不能從整體確認(rèn)桑椹品質(zhì)的優(yōu)劣，這也說(shuō)明全面系統(tǒng)地對(duì)桑椹進(jìn)行品質(zhì)檢測(cè)是以后研究的熱點(diǎn)方向。其次是利用高光譜成像技術(shù)進(jìn)行的某些品質(zhì)指標(biāo)的無(wú)損檢測(cè)，其準(zhǔn)確性較低，造成模型實(shí)用性不高，因此對(duì)于如何提高模型的準(zhǔn)確性和實(shí)用性也是當(dāng)前需要重點(diǎn)研究的內(nèi)容。再次是當(dāng)前的一些光譜預(yù)處理方法，數(shù)據(jù)挖掘方法、圖像處理方法以及建模方法不夠豐富，雖然相應(yīng)的化學(xué)計(jì)量學(xué)方法已有十幾種，但由于高光譜圖像所具有的高維度性、冗余性以及圖譜合一性，使得數(shù)學(xué)算法在光譜數(shù)據(jù)的處理過(guò)程中占有重要的地位，有時(shí)甚至決定著模型的復(fù)雜度和準(zhǔn)確性，因此開(kāi)發(fā)盡量多的新數(shù)學(xué)算法，對(duì)于推廣和應(yīng)用高光譜成像技術(shù)具有重要意義。最后是高光譜設(shè)備采集信息較為緩慢，且高光譜成像儀價(jià)格昂貴，不利于大范圍的推廣和應(yīng)用，因此開(kāi)發(fā)輕便、快速、簡(jiǎn)單的高光譜成像系統(tǒng)對(duì)于實(shí)際生產(chǎn)更加實(shí)用。以上幾個(gè)問(wèn)題是以后研究的重點(diǎn)內(nèi)容和方向，相信隨著信息技術(shù)的快速發(fā)展和計(jì)算機(jī)技術(shù)的日益成熟，會(huì)極大地提高高光譜成像技術(shù)的適用性。因此高光譜成像技術(shù)在桑椹等農(nóng)產(chǎn)品的品質(zhì)無(wú)損檢測(cè)上具有較大的發(fā)展?jié)摿?，相信不久的將?lái)會(huì)成為一種重要的無(wú)損檢測(cè)手段。

［1］李江波，饒秀勤，應(yīng)義斌.農(nóng)產(chǎn)品外部品質(zhì)無(wú)損檢測(cè)中高光譜成像技術(shù)的應(yīng)用研究進(jìn)展［J］.光譜學(xué)與光譜分析，2011（08）：2021-2026.

［2］QIN J，CHAO K，KIM M S，et al.Hyperspectral and mul?tispectral imaging for evaluating food safety and quality［J］.Journal of Food Engineering，2013，118（2）：157-171.

［3］王雷，喬曉艷，董有爾，等.高光譜圖像技術(shù)在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用進(jìn)展［J］.應(yīng)用光學(xué)，2009（04）：639-645.

［4］彭彥昆，張雷蕾.農(nóng)畜產(chǎn)品品質(zhì)安全高光譜無(wú)損檢測(cè)技術(shù)進(jìn)展和趨勢(shì)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013（04）：137-145.

［5］李嬌嬌，郜海燕，陳杭君，等.溫度對(duì)桑椹采后貯藏品質(zhì)及細(xì)胞壁代謝酶的影響［J］.中國(guó)食品學(xué)報(bào)，2016（02）：166-172.

［6］CHENG J H，SUN D W.Rapid Quantification Analysis and Visualization of Escherichia coli Loads in Grass Carp Fish Flesh by Hyperspectral Imaging Method［J］.Food and Bioprocess Technology，2015，8（5）：951-959.

［7］WU D，SUN D W.Advanced applications of hyperspec?tral imaging technology for food quality and safety analy?sis and assessment：A review-Part II：Applications［J］.In?novative Food Science&Emerging Technologies，2013，19（1）：15-28.

［8］劉木華，趙杰文，鄭建鴻，等.農(nóng)畜產(chǎn)品品質(zhì)無(wú)損檢測(cè)中高光譜圖像技術(shù)的應(yīng)用進(jìn)展［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005（09）：139-143.

［9］黃培賢，姚志湘，粟暉，等.高光譜圖像技術(shù)在食品無(wú)損檢測(cè)中的研究進(jìn)展［J］.食品工業(yè)科技，2012（15）：412-417.

［10］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(wú)損檢測(cè)［J］.食品科學(xué)技術(shù)學(xué)報(bào)，2013（02）：67-71.

［11］陳守滿(mǎn).高光譜圖像與農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)研究進(jìn)展［J］.安康學(xué)院學(xué)報(bào)，2011（06）：1-6.

［12］FENG Y Z，SUN D W.Application of hyperspectral imag?ing in food safety inspection and control：a review［J］.Critical Reviews in Food Science and Nutrition，2012，52（11）：1039.

［13］GOWEN A A，O'DONNELL C P，CULLEN P J，et al.Hy?perspectral imaging-an emerging process analytical tool for food quality and safety control［J］.Trends in Food Science&Technology，2007，18（12）：590-598.

［14］YAO H，LEWIS D.CHAPTER 2-Spectral Preprocessing and Calibration Techniques［J］.Hyperspectral Imaging for Food Quality Analysis&Control，2010：45-78.

［15］NICOLA? B M，L?TZE E，PEIRS A，et al.Non-destruc?tive measurement of bitter pit in apple fruit using NIR hyperspectral imaging［J］.Postharvest Biology&Technol?ogy，2006，40（1）：1-6.

［16］周竹，李小昱，高海龍，等.馬鈴薯干物質(zhì)含量高光譜檢測(cè)中變量選擇方法比較［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012（02）：128-133.

［17］單佳佳，彭彥昆，王偉，等.基于高光譜成像技術(shù)的蘋(píng)果內(nèi)外品質(zhì)同時(shí)檢測(cè)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011（03）：140-144.

［18］GOMEZSANCHIS J，MOLTO E，CAMPSVALLS G，et al.Automatic correction of the effects of the light source on spherical objects.An application to the analysis of hyper?spectral images of citrus fruits［J］.Journal of Food Engi?neering，2008，85（2）：191-200.

［19］羅陽(yáng)，何建國(guó)，賀曉光，等.農(nóng)產(chǎn)品無(wú)損檢測(cè)中高光譜成像技術(shù)的應(yīng)用研究［J］.農(nóng)機(jī)化研究，2013（06）：1-7.

［20］周竹，李小昱，陶海龍，等.基于高光譜成像技術(shù)的馬鈴薯外部缺陷檢測(cè)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2012（21）：221-228.

［21］YU K，ZHAO Y，LI X，et al.Identification of crack fea?tures in fresh jujube using Vis/NIR hyperspectral imag?ing combined with image processing［J］.Computers&Electronics in Agriculture，2014，103（103）：1-10.

［22］張保華，黃文倩，李江波，等.基于高光譜成像技術(shù)和MNF檢測(cè)蘋(píng)果的輕微損傷［J］.光譜學(xué)與光譜分析，2014（05）：1367-1372.

［23］陳全勝，張燕華，萬(wàn)新民，等.基于高光譜成像技術(shù)的豬肉嫩度檢測(cè)研究［J］.光學(xué)學(xué)報(bào)，2010（09）：2602-2607.

［24］ELMASRY G，WANG N，VIGNEAULT C.Detecting chill?ing injury in Red Delicious apple using hyperspectral im?aging and neural networks［J］.Postharvest Biology&Technology.2009，52（1）：1-8.

［25］MOREDA G P，ORTIZCA?AVATE J，GARCíARAMOS F J，et al.Non-destructive technologies for fruit and vege?table size determination-A review［J］.Journal of Food Engineering，2009，92（2）：119-136.

［26］韓強(qiáng)，郜海燕，陳杭君，等.臭氧處理對(duì)桑椹采后生理品質(zhì)的影響及機(jī)理［J］.中國(guó)食品學(xué)報(bào)，2016，16（10）：147-153.

［27］ZHANG R，YING Y，RAO X，et al.Quality and safety as?sessment of food and agricultural products by hyperspec?tral fluorescence imaging［J］.Journal of the Science of Food&Agriculture，2012，92（12）：2397-2408.

［28］LU R.Detection of Bruises on Apples Using Near-Infra?red Hyperspectral Imaging［J］.Transactions of the Asae，2003，46（2）：523-530.

［29］JIANG Y，LI C，TAKEDA F.Nondestructive Detection and Quantification of Blueberry Bruising using Near-in?frared（NIR）Hyperspectral Reflectance Imaging［J］.Sci?entific Reports，2016，6：35679.

［30］WANG J，NAKANO K，OHASHI S，et al.Detection of ex?ternal insect infestations in jujube fruit using hyperspec?tral reflectance imaging［J］.Biosystems Engineering，2011，108（4）：345-351.

［31］張令標(biāo)，何建國(guó)，劉貴珊，等.基于可見(jiàn)/近紅外高光譜成像技術(shù)的番茄表面農(nóng)藥殘留無(wú)損檢測(cè)［J］.食品與機(jī)械，2014（01）：82-85.

［32］CEN H，LU R，ZHU Q，et al.Nondestructive detection of chilling injury in cucumber fruit using hyperspectral im?aging with feature selection and supervised classification［J］.Postharvest Biology&Technology，2016，111：352-361.

［33］李江波，王福杰，應(yīng)義斌，等.高光譜熒光成像技術(shù)在識(shí)別早期腐爛臍橙中的應(yīng)用研究［J］.光譜學(xué)與光譜分析，2012，32（1）：142-146.

［34］CHO B K，KIM M S，BAEK I S，et al.Detection of cuti?cle defects on cherry tomatoes using hyperspectral fluo?rescence imagery［J］.Postharvest Biology&Technology，2013，76：40-49.

［35］SADEGHI N，NAYAK A，WALKER L，et al.Analysis of the contribution of experimental bias，experimental noise，and inter-subject biological variability on the assessment of developmental trajectories in diffusion MRI studies of the brain［J］.Food and Bioprocess Technology，2012，5（4）：1121-1142.

［36］ZHAO Y R，YU K Q，HE Y.Hyperspectral Imaging Cou?pled with Random Frog and Calibration Models for As?sessment of Total Soluble Solids in Mulberries［J］.Jour?nal of Analytical Methods in Chemistry，2015，2015（2）：343782.

［37］HUANG L，WU D，JIN H，et al.Internal quality determi?nation of fruit with bumpy surface using visible and near infrared spectroscopy and chemometrics：A case study with mulberry fruit［J］.Biosystems Engineering，2013，109（4）：377-384.

［38］HUANG L，ZHOU Y，MENG L，et al.Comparison of dif?ferent CCD detectors and chemometrics for predicting to?tal anthocyanin content and antioxidant activity of mul?berry fruit using visible and near infrared hyperspectral imaging technique［J］.Food Chemistry，2017，224：1.

［39］NAGATA M，TALLADA J G，KOBAYASHI T.Non-De?structive Estimation of Firmness of Strawberries（Fragar?ia*ananassa Duch.）Using NIR Hyperspectral Imaging［J］.Environmental Control in Biology，2006，44（4）：245-255.

［40］ELMASRY G，WANG N，ELSAYED A，et al.Hyperspec?tral imaging for nondestructive determination of some quality attributes for strawberry［J］.Journal of Food Engi?neering，2007，81（1）：98-107.

［41］PENG Y K，LI Y Y，ZHAO J，et al.Establishment of rap?id and non-destructive detection method of apple firm?ness using hyperspectral images［J］.Journal of Food Safe?ty&Quality，2012.

［42］DONG J，GUO W.Nondestructive Determination of Ap?ple Internal Qualities Using Near-Infrared Hyperspectral Reflectance Imaging［J］.Food Analytical Methods，2015，8（10）：1-12.

［43］GUO W C，DONG J L.Nondestructive detection on firm?ness of peaches based on hyperspectral imaging and arti?ficial neural networks［J］.Guangxue Jingmi Gongcheng/optics&Precision Engineering，2015，23（6）：1530-1537.

［44］LU R，MENDOZA F A，ARIANA D P.Peach maturity/quality assessment using hyperspectral imaging-based spatially resolved technique［J］.Sensing for Agriculture&Food Quality&Safety III，2011，8027（4）：80270L.

Research Progress of Hyperspectral Imaging Technology in Non-destructive Detection of Mulberry Fruit

MENG Liu-wei1,YANG Liang1，WANG Jing-yu1，HUANG Ling-xia1,2＊
（1.Research Institute of Applied Bioresource,Zhejiang University,Hangzhou 310058,China 2.South Taihu Agriculutural Technology Extension Center in Huzhou Zhejiang University,Hangzhou 313000 Zhejiang,China）

Hyperspectral imaging technology is a kind of testing technology and more researched in recent years,which is a new non-destructive detection technology by combining computer imaging technology and spectral technology.In order to concludethe research progress of the non-destructive testing in mulberry quality based on hyperspectral imaging technology,the research on the mulberry non-destructive testing based on hyperspectral imaging technology was described and summarized.Moreover,the future of hyperspectral imaging technology were also analyzed and prospected.

mulberry quality;hyperspectral imaging technology;non-destructive testing;research progress

S663.9

A

0258-4069［2017］03-009-06

中央高?；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金資助（2017QNA6025）；國(guó)家自然科學(xué)基金（3170100331）；浙江省科技計(jì)劃項(xiàng)目（2017C32013）；現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系專(zhuān)項(xiàng)（CARS-22）；湖州市公益性技術(shù)應(yīng)用研究項(xiàng)目（2015GZ12）

孟留偉（1989-），男，河南周口人，碩士研究生。主要從事數(shù)字蠶桑研究。E-mail：1193414839@qq.com

黃凌霞，女，副研究員，碩士生導(dǎo)師。E-mail：lxhuang@zju.edu.cn