孫靜濤， 羅一甲， 史學(xué)偉， 馬本學(xué)， 王文霞， 董 娟*

1. 石河子大學(xué)食品學(xué)院， 新疆 石河子 832003 2. 石河子大學(xué)機(jī)械電氣工程學(xué)院， 新疆 石河子 832003 3. 新疆植物藥資源利用教育部重點實驗室， 新疆 石河子 832003

引 言

葡萄(Vitisvinifera L.)為葡萄科葡萄屬木質(zhì)藤本植物， 色澤艷麗， 口感美味且營養(yǎng)物質(zhì)豐富， 與香蕉、 柑橘和蘋果并稱世界四大水果。 葡萄中含有的糖、 有機(jī)酸、 花青素和多酚等營養(yǎng)成分， 具有提供能量、 助消化、 抗氧化、 防癌等功效[1]。 葡萄不僅可以鮮食、 制造葡萄干， 還可以用于釀酒， 因此受到人們的喜愛。

近幾年， 我國的葡萄呈現(xiàn)出種植面積大， 品質(zhì)下滑的現(xiàn)象， 其原因主要是葡萄成熟度、 表面顏色、 果粒大小等差異較大和商品化處理環(huán)節(jié)比較薄弱。 隨著人們生活水平的普遍提高， 對葡萄內(nèi)外部品質(zhì)提出了更高的要求。 不僅對顏色、 果粒大小、 表面缺陷有了更高的要求， 而且對其內(nèi)部的糖度、 酸度和微量元素的含量也提出了進(jìn)一步的要求。 傳統(tǒng)的葡萄外部品質(zhì)的檢測主要依靠人工進(jìn)行， 其具有主觀性、 繁瑣性、 耗時耗力； 內(nèi)部品質(zhì)的檢測主要依靠化學(xué)性實驗， 不僅對樣品具有破壞性而且無法適用于大規(guī)模地逐個檢測， 難以實現(xiàn)在線實時性檢測。

近年來， 國內(nèi)外利用光學(xué)特性分析、 聲學(xué)特性分析、 電學(xué)特性分析、 電磁與射線檢測等技術(shù)對農(nóng)產(chǎn)品的無損檢測技術(shù)得以廣泛應(yīng)用[2]， 并受到越來越多的研究人員關(guān)注， 且已經(jīng)取得了一定的研究成果。 本文主要總結(jié)了最新國內(nèi)外有關(guān)基于機(jī)器視覺技術(shù)、 近紅外光譜技術(shù)和高光譜成像技術(shù)的葡萄品質(zhì)的研究成果， 并對各種方法進(jìn)行綜述和分析， 為葡萄品質(zhì)的無損檢測技術(shù)的發(fā)展和相關(guān)研究人員的研究工作提供參考。

1 基于機(jī)器視覺的無損檢測研究

機(jī)器視覺技術(shù)是通過像機(jī)獲取待測物表面的圖像， 通過計算機(jī)圖像處理技術(shù)將圖像進(jìn)行數(shù)據(jù)化分析， 以此獲取圖像的某些特定信息， 分析圖像信息判斷被測對象外部品質(zhì)的一種技術(shù)[3]。 該技術(shù)主要包括成像系統(tǒng)、 控制系統(tǒng)、 數(shù)據(jù)傳送系統(tǒng)三部分， 實驗室搭建的機(jī)器視覺采集裝置涵蓋了信號處理、 光學(xué)、 計算機(jī)科學(xué)等多門學(xué)科[4]。 目前， 在國內(nèi)外此項技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測方面運用廣泛， 技術(shù)相對比較成熟， 也是葡萄外部品質(zhì)無損檢測的有效手段之一。

1.1 葡萄果粒大小的識別

對于鮮食葡萄來說， 其果粒大小是影響鮮食葡萄外觀品質(zhì)的重要因素之一， 也是分級的重要指標(biāo)。 對鮮食葡萄果粒大小的識別有利于對其進(jìn)行標(biāo)準(zhǔn)化處理， 不但提高外觀品質(zhì)， 也便于銷售和包裝， 是葡萄商品處理化的重要環(huán)節(jié)。 李俊偉等[5]運用機(jī)器視覺技術(shù)對單粒新疆無核白和紅提葡萄的質(zhì)量和果徑大小進(jìn)行研究， 利用最大類間方差法和數(shù)學(xué)形態(tài)學(xué)方法對葡萄圖像進(jìn)行分割和去噪， 分別建立葡萄質(zhì)量和果徑大小的一元線性回歸和偏最小二乘回歸預(yù)測模型， 預(yù)測決定系數(shù)分別達(dá)到0.98和0.945， 準(zhǔn)確度達(dá)到85%以上。 肖壯等[6]利用機(jī)器視覺技術(shù)采集了42串紅提葡萄的RGB圖像和NIR圖像， 對紅提葡萄果粒尺寸進(jìn)行分級檢測。 對紅提葡萄圖像進(jìn)行去除果梗和輪廓干擾信息后， 利用隨機(jī)最小二乘橢圓法對紅提尺寸進(jìn)行提取， 對整串紅提進(jìn)行分級， 分級正確率達(dá)到90.48%， 采集裝置如圖1所示。 Li等[7]通過搭建的機(jī)器視覺裝置對紅提葡萄圖像進(jìn)行采集， 并對圖像進(jìn)行增強(qiáng)處理。 利用邊緣檢測對紅提輪廓進(jìn)行兩次分割， 采用曲率角計算每個葡萄輪廓的曲率角值， 從而實現(xiàn)紅提大小的自動分級。 Khazaei等[8]提出了一種葡萄干燥過程在線監(jiān)測與控制的預(yù)測建模方法， 探究了干燥過程中無核蘇丹娜葡萄大小的收縮性與干燥模型準(zhǔn)確性之間的相互關(guān)系。 利用機(jī)器視覺對葡萄生產(chǎn)過程中的形狀收縮進(jìn)行了測量， 建立了葡萄干燥過程的人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型， 該研究結(jié)果實現(xiàn)了葡萄干燥過程的在線控制。

圖1 圖像采集裝置示意圖

成熟的葡萄果粒水分充足、 果實飽滿有彈性， 使用機(jī)器視覺技術(shù)結(jié)合圖像處理方法(背景分割、 邊緣檢測等)， 對葡萄果粒大小進(jìn)行測量是目前常用的檢測手段。 但是， 現(xiàn)階段眾研究學(xué)者對葡萄果粒大小檢測方法， 多是采用果粒與果穗分離的方法實現(xiàn)的測量。 雖然， 已經(jīng)取得了較高的檢測精度， 但是單粒葡萄的檢測無法滿足葡萄農(nóng)戶采摘季節(jié)大批量、 快速檢測的目的， 且果粒與果穗分離對葡萄的銷售存在較大的影響。 因此， 實現(xiàn)果穗上單粒葡萄大小的檢測是現(xiàn)階段技術(shù)需要攻克的技術(shù)難點， 也是葡萄大小檢測的未來研究方向。

1.2 顏色的判定

無論是鮮食葡萄還是釀酒葡萄， 其果皮顏色與品質(zhì)之間的關(guān)系緊密相關(guān)， 它是評價葡萄品質(zhì)的主要感官性狀， 可以通過果皮顏色的不同對葡萄進(jìn)行分類， 也可以通過果皮顏色的深淺來判斷葡萄的成熟度。 Wang等[9]利用機(jī)器視覺技術(shù)獲取紅、 黑葡萄的圖像， 在HSV顏色模式下提取了顏色特征的有效區(qū)域， 根據(jù)顏色特征對葡萄品質(zhì)進(jìn)行分級。 羅陸鋒等[10]運用機(jī)器視覺將AdaBoost框架和多種顏色成分相結(jié)合， 開發(fā)了一種自動檢測夏黑葡萄成熟度的方法。 Rahman等根據(jù)白葡萄果穗顏色的不同， 利用圖像處理技術(shù)探究葡萄的成熟度。 將葡萄穗的顏色與背景分開， 對成熟的褐色葡萄串和未成熟的綠色葡萄串進(jìn)行分類， 葡萄串分離的準(zhǔn)確性達(dá)到96.88%。 Pothen等[11]利用機(jī)器視覺技術(shù)對不同生長階段的紅提葡萄的顏色進(jìn)行研究， 通過收集不同日期相同位置的葡萄圖像來估計顏色的變化率， 從而確定葡萄的最佳采收期。

通過機(jī)器視覺技術(shù)與圖像處理方法， 利用葡萄果皮顏色的變化， 實現(xiàn)葡萄成熟度的判別， 是目前研究的重要手段。 現(xiàn)階段的機(jī)器視覺檢測裝置多采用固定光源， 雖然有較高的預(yù)測精度， 卻難以在復(fù)雜多變自然場景中應(yīng)用。 研究自然場景中葡萄成熟的判別， 是目前面臨的科學(xué)難題。

2 基于近紅外光譜技術(shù)的無損檢測研究

近紅外光譜分析技術(shù)可以采集待測物在750～2 500 nm范圍之間的光譜信息， 通過化學(xué)計量學(xué)將其化學(xué)組成分子的結(jié)構(gòu)信息與其組成含量、 性質(zhì)參數(shù)進(jìn)行關(guān)聯(lián)， 確立它們之間的定量或定性關(guān)系， 檢測方式主要以漫反射和透射為主[12]。

近紅外光譜分析技術(shù)具有成本低、 速度快、 無污染、 多組分同步測定等優(yōu)點， 引起了廣大科研工作者的興趣。 至今， 隨著近紅外光譜技術(shù)的不斷發(fā)展和領(lǐng)域應(yīng)用的不斷深入， 其優(yōu)勢逐漸被人們所認(rèn)識。 在國內(nèi)外， 此項技術(shù)在測定葡萄內(nèi)部品質(zhì)方面發(fā)揮著愈來愈重要的作用。

2.1 葡萄品種判別研究

葡萄品種的選擇至關(guān)重要， 優(yōu)良品種的葡萄豐產(chǎn)性高、 抗病性強(qiáng)、 營養(yǎng)物質(zhì)豐富， 近年來， 國內(nèi)外研究學(xué)者利用近紅外光譜技術(shù)對葡萄品種的探究是當(dāng)前重要的研究課題之一。 曹芳等[13]利用可見-近紅外反射光譜技術(shù)在325～1 075 nm波長范圍內(nèi)對黑提葡萄、 馬奶子和木拉格三個品種進(jìn)行判別分析， 通過主成分分析和人工神經(jīng)網(wǎng)絡(luò)的方法實現(xiàn)了葡萄品種的快速鑒別， 為葡萄品種的鑒別提供了一種新方法。 Xiao等[14]在400～1 100和900～2 500 nm范圍內(nèi)分別建立對“美人指”和“白玉霓”葡萄果實成熟過程中顏色、 可溶性固形物(SSC)和總酚的最小二乘支持向量機(jī)(LS-SVM)和偏最小二乘(PLS)預(yù)測模型， 并基于SSC建立了“美人指”和“白玉霓”葡萄的5個生長期的判別模型， 兩種葡萄的預(yù)測集分類準(zhǔn)確率分別達(dá)到90%和100%。 Salvado等[15]利用近紅外光譜技術(shù)(1 600～2 400 nm)對品麗珠、 赤霞珠等20種釀酒葡萄品種進(jìn)行鑒別， 建立人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種判別模型， 模型分類精度分別為87.5%和83%。

利用近紅外光譜技術(shù)對葡萄品種進(jìn)行檢測， 區(qū)分譜線、 譜峰差異， 利用眾多模式識別算法實現(xiàn)多種葡萄的種類識別， 是目前眾多研究者的研究熱點。 但是， 研究中使用的模型算法， 多為自命標(biāo)簽的有監(jiān)督模式識別， 對樣本的識別率較高。 然而， 想要得到一個更穩(wěn)健的定性分析模型， 需要通過無監(jiān)督模式識別方法與有監(jiān)督模式識別方法分別進(jìn)行特征信息提取、 優(yōu)化、 建模識別。

2.2 葡萄糖酸品質(zhì)研究

葡萄糖酸含量是品質(zhì)形成過程中的最重要的內(nèi)在因素， 是風(fēng)味的重要決定因子， 同時也影響著葡萄酒的酒度、 結(jié)構(gòu)感和清爽性。 近紅外光譜技術(shù)以其快速、 精確、 無損的特點， 在鮮食、 釀酒葡萄糖度和酸度檢測方面具有較大的技術(shù)優(yōu)勢， 如許峰等[16]利用微型光譜儀對紅提葡萄的透射光譜(400～1 000 nm)進(jìn)行分析， 將卷積平滑法(SavitZky-Golay)處理后的光譜使用蒙特卡羅交叉驗證法剔除奇異點， 利用競爭適應(yīng)重加權(quán)樣法提取特征光譜信息作為隨機(jī)森林預(yù)測模型的輸入量， 建立了紅提葡萄的糖度和酸度的預(yù)測模型。 陳辰等[17]利用可見-近紅外漫反射光譜技術(shù)(400～2 500 nm)對不同儲藏溫度下玫瑰香葡萄可溶性固形物和總酸含量進(jìn)行了預(yù)測研究， 并比較了不同預(yù)處理及特征波長提取方法對模型精確度的影響。 有研究利用可見-近紅外光譜系統(tǒng)研究了巨峰葡萄糖度、 酸度以及感官偏好等級， 比較了漫反射和透射兩種光譜采集方式對模型精確度的影響， 結(jié)果表明， 采用透射光更能表征巨峰葡萄內(nèi)部品質(zhì)信息， 采集裝置如圖2(a,b)所示。 Farzaneh等[18]利用人工神經(jīng)網(wǎng)絡(luò)探究了不同貯藏條件下的鮮食紅葡萄品質(zhì)的變化， 比較了不同神經(jīng)元數(shù)量和不同類型的學(xué)習(xí)算法的模型預(yù)測精度。 此研究對葡萄的酸度、 可溶性固形物、 葡萄糖和風(fēng)味指數(shù)進(jìn)行了優(yōu)化， 從經(jīng)濟(jì)和營養(yǎng)的角度來看， 此技術(shù)在農(nóng)業(yè)、 醫(yī)藥、 保健品等相關(guān)行業(yè)的應(yīng)用具有更大的優(yōu)勢。 Fadock等[19]利用便攜式二極管陣列光譜儀， 在350～850 nm波長范圍內(nèi)采集了赤霞珠、 品麗珠、 西拉三種釀酒葡萄的反射光譜， 采用多種預(yù)處理方法(平滑、 歸一化、 微分)結(jié)合回歸特征消除(RFE)建立了可溶性固形物含量(SSC)、 可滴定酸度(TA)、 總酚和總花青素的預(yù)測模型。

圖2 葡萄顆粒的光譜采集方式示意圖

使用近紅外光譜技術(shù)對農(nóng)產(chǎn)品內(nèi)部糖酸品質(zhì)進(jìn)行預(yù)測是現(xiàn)階段研究的熱點問題之一， 且對葡萄糖酸品質(zhì)的研究中已取得較好的預(yù)測結(jié)果。 葡萄水分含量充足且果皮薄， 在使用透射方式檢測方面較蘋果、 梨、 桃等其他類型水果往往能夠取得的更好的檢測效果。 然而， 儀器設(shè)備型號不同、 樣本標(biāo)準(zhǔn)不統(tǒng)一和檢測條件變化等情況導(dǎo)致的光譜數(shù)據(jù)不穩(wěn)定性， 成為制約其商品化發(fā)展的重要因素。 因此， 如何制定相關(guān)樣品的檢測技術(shù)規(guī)范成為目前應(yīng)解決的首要問題。

2.3 成熟度的判定

葡萄成熟度的判定是鮮食葡萄分級和釀酒葡萄采摘期確定的重要依據(jù)。 近紅外光譜技術(shù)在這個方面已廣泛應(yīng)用， 章林忠等[20]利用近紅外光譜技術(shù)對鮮食葡萄果實進(jìn)行研究， 分別建立了不同葡萄品種、 成熟度和病害的判別分析(DA)模型。 Musingarabwi[21]等采用傅里葉變換紅外光譜對赤霞珠中的酒石酸、 蘋果酸、 琥珀酸、 葡萄糖和果糖進(jìn)行了定量評價， 并對赤霞珠成熟階段進(jìn)行了定性鑒別， 該項研究為快速提取葡萄定性和定量信息提供了強(qiáng)有力的方法。 Porep等[22]利用可見-近紅外光譜儀收集1 160份釀酒葡萄的光譜建立了影響葡萄品質(zhì)相關(guān)因素的偏最小二乘回歸(PLSR)預(yù)測模型， 以評估葡萄成熟度和植物檢疫狀況， 從而實現(xiàn)有效的質(zhì)量控制和管理， 提高葡萄的質(zhì)量。

水果的成熟度一般可以通過顏色、 果型、 糖度、 酸度和硬度等條件進(jìn)行判別。 使用機(jī)器視覺技術(shù)通過外部葡萄表皮顏色實現(xiàn)成熟度的判別是目前眾學(xué)者研究等熱點問題之一， 而通過近紅外光譜技術(shù)在定量探究糖度、 酸度、 硬度等內(nèi)部品質(zhì)的基礎(chǔ)上進(jìn)一步探究的成熟度的方法更具理論性和科學(xué)深度。 因此， 利用近紅外光譜技術(shù)實現(xiàn)葡萄成熟的判別， 應(yīng)成為葡萄成熟的判別方向上研究重點。

2.4 其他

近紅外光譜技術(shù)在葡萄腐爛檢測方面也有相關(guān)研究。 Porep等[23]利用可見-近紅外光譜技術(shù)對雷司令、 穆勒塔戈等釀酒葡萄的腐爛程度進(jìn)行了預(yù)測， 建立了糖、 酸、 pH值、 漆酶活性、 密度、 甘油和麥角甾醇含量等預(yù)測模型。 葡萄腐爛會使葡萄的糖、 酸等化學(xué)成分發(fā)生顯著的變化， 降低內(nèi)在品質(zhì)， 霉菌和真菌感染會讓葡萄的感官品質(zhì)發(fā)生巨大的變化， 漆酶活性是判定灰霉病的一個重要標(biāo)志， 麥角甾醇含量是真菌的主要成分， 其已被確認(rèn)為葡萄真菌腐爛的客觀指標(biāo)， 為葡萄真菌生物量的估算提供了依據(jù)。 葡萄中的氨基酸濃度也是判斷葡萄成熟的一個指標(biāo)， 如Juan等[24]使用可見-近紅外光譜技術(shù)評估歌海娜釀酒葡萄成熟過程中氨基酸的含量。 另外Beghi等[25]利用便攜式可見-近紅外光譜儀(400～1 000 nm)對萎縮的科維納葡萄的質(zhì)量參數(shù)進(jìn)行了研究， 此研究可以用來快速檢測葡萄的新鮮度。

目前學(xué)者們研究熱點已經(jīng)轉(zhuǎn)向了利用便攜式、 微型式近紅外光譜儀檢測葡萄品質(zhì)， 其中肖慧等[26]為了實現(xiàn)鮮食葡萄采后品質(zhì)快速無損檢測的目標(biāo)， 研發(fā)了低成本、 便攜式葡萄專用多參數(shù)檢測儀器， 如圖3所示。 該便攜式可見-近紅外光譜檢測儀器以鹵素?zé)魹楣庠矗?以凹面全息光柵搭配電荷耦合器為光譜儀， 采用低OH的Y型石英光纖， 并設(shè)計了葡萄專用樣品池， 如圖4所示。 此設(shè)計極大減小了光斑大小不一致帶來的實驗誤差。 Baca等[27]采用便攜式微型近紅外光譜儀探究了不同年份的雷司令、 西拉葡萄及葡萄皮中的多酚含量， 建立了改進(jìn)的偏最小二乘(MPLS)預(yù)測模型， 但是由于環(huán)境和葡萄生理條件的影響， 模型效果并不理想， 光譜采集裝置如圖5所示。

圖3 葡萄品質(zhì)可見-近紅外檢測儀器

圖4 葡萄測定專用樣品池

圖5 光譜采集裝置

近紅外光譜技術(shù)能夠?qū)Υ郎y物質(zhì)的內(nèi)部組成成分和物理結(jié)構(gòu)進(jìn)行檢測， 其強(qiáng)大的檢測能力越來越受到國內(nèi)外眾多學(xué)者的關(guān)注， 且隨著便攜式、 微型近紅外光譜儀的出現(xiàn)和發(fā)展， 對近紅外光譜技術(shù)的在線檢測起到了重要的推動作用。 但是， 在檢測中存在的樣本選擇差異、 檢測環(huán)境變化和多樣性的數(shù)據(jù)處理方法限制了近紅外檢測技術(shù)的推廣和商業(yè)化發(fā)展， 如何制定檢測技術(shù)的規(guī)范成為當(dāng)前面臨的迫切問題。

3 基于高光譜成像技術(shù)的無損檢測研究

20世紀(jì)80年代， 高光譜成像技術(shù)開始盛行， 目前仍在迅猛發(fā)展中。 它將傳統(tǒng)的成像與光譜技術(shù)相結(jié)合， 以此來獲取物體的空間和光譜信息， 是新興光電無損檢測技術(shù)[28]。 近年來隨著高光譜成像設(shè)備成本的不斷降低、 算法的不斷改進(jìn)和簡化， 使其在農(nóng)業(yè)上的應(yīng)用將越來越具有吸引力。

高光譜成像系統(tǒng)通過成像光譜儀和CCD探測器可同時獲取被測物的影像和光譜信息， 如圖6所示。 在樣品圖像采集時， 由于樣品的連續(xù)移動高光譜成像儀連續(xù)接收到被測物體表面反射和透射在X軸上的分光、 在Y軸上的成像[29]， 將所有被計算機(jī)圖譜采集平臺采集數(shù)據(jù)的窄波段圖像和光譜信息進(jìn)行融合， 可以得到整個樣品的光譜圖像。 根據(jù)不同的使用波段， 可分為可見波段、 可見-近紅外波段、 近紅外波段和短波紅外波段4個光譜波段[30]。

圖6 高光譜成像系統(tǒng)

3.1 葡萄糖酸品質(zhì)研究

運用高光譜成像技術(shù)同樣可以對葡萄的糖度和酸度進(jìn)行研究， 徐麗等[31]在500～1 000 nm波段范圍， 利用高光譜成像技術(shù)檢測采后紅提可溶性固形物的含量。 運用多種預(yù)處理方法建立可溶性固形物含量的偏最小二乘(PLS)和逐步多元線性回歸(SMLR)模型， 結(jié)果表明兩種預(yù)測模型均取得較好的預(yù)測效果。 高升等[32]利用高光譜成像技術(shù)探究了紅提的糖度和硬度， 采用不同的紅提果粒放置模式(橫放、 果柄朝下、 果柄側(cè)朝上)， 應(yīng)用不同的特征波長提取方法， 建立偏最小二乘回歸(PLSR)、 最小二乘支持向量機(jī)(LS-SVM)和隨機(jī)森林(RF)的紅提糖度和硬度預(yù)測模型， 結(jié)果表明RF建立的模型效果最優(yōu)， 糖度和硬度預(yù)測相關(guān)系數(shù)分別為0.928和0.932。 圖7為Gutiérrez等[33]在全地形車輛上安裝可見-近紅外高光譜相機(jī)， 以5 km·h-1的速度拍攝高光譜圖像， 對丹魄釀酒葡萄中的可溶性固體和花青素含量進(jìn)行預(yù)測。 通過在400～1 000 nm波長范圍下建立支持向量機(jī)預(yù)測模型， 可溶性固體含量的預(yù)測模型決定系數(shù)(R2)為0.92； 花青素的R2為0.83。 Rui等[34]利用高光譜成像技術(shù)對不同年份的多瑞加、 弗蘭卡、 紅巴羅卡釀酒葡萄的果實進(jìn)行了生長發(fā)育參數(shù)預(yù)測。 在波長范圍為380～1 028 nm， 對不同品種的葡萄進(jìn)行光譜采集， 建立支持向量回歸模型來預(yù)測葡萄漿果中的花色苷濃度， pH指數(shù)和糖的含量， 其相關(guān)系數(shù)分別為0.89， 0.81和0.90。

圖7 實時高光譜成像設(shè)備

在農(nóng)產(chǎn)品內(nèi)部品質(zhì)檢測方面， 高光譜成像技術(shù)能夠同時獲取待測物質(zhì)的圖像和光譜信息。 相較于近紅外光譜技術(shù)的點檢測， 高光譜成像技術(shù)的面檢測更加豐富， 因此在葡萄糖酸度品質(zhì)檢測方面使用高光譜成像技術(shù)對單粒葡萄和葡萄串， 國內(nèi)外學(xué)者均已進(jìn)行了較多的研究， 且得到了較好的預(yù)測結(jié)果。 但是， 高光譜圖像數(shù)據(jù)冗余， 有效數(shù)據(jù)提取困難依然成為其發(fā)展的關(guān)鍵因素， 因此開發(fā)帶有有效波段信息的多光譜成像系統(tǒng)和采集速度更快、 效率更高的便攜式高光譜成像系統(tǒng)成為農(nóng)產(chǎn)品檢測領(lǐng)域迫切需要攻克的關(guān)鍵問題。

3.2 花色苷、 總酚含量的研究

總酚是含有苯環(huán)和多個羥基的物質(zhì)， 可以影響葡萄酒的澀味、 苦味、 香氣及色澤， 因此可以根據(jù)葡萄中總酚的含量來挑選優(yōu)質(zhì)的釀酒葡萄， 從而提高葡萄酒的質(zhì)量。 近年來， 利用高光譜成像技術(shù)對葡萄總酚的探究已經(jīng)成為研究的熱點問題。 Zhang等[39]利用高光譜成像技術(shù)探究了赤霞珠、 西拉、 黑比諾等葡萄皮和種子成熟過程中酚類物質(zhì)的含量。 對不同的預(yù)處理方法預(yù)處理后的光譜信息， 分別建立PCR， SVR和PLSR預(yù)測模型， 該方法不僅為葡萄品質(zhì)參數(shù)的確定提供了一種快速、 無損的方法， 而且為釀酒商選擇最佳采收時間提供了參考。 Nogalesbueno等[40]利用紅外高光譜成像技術(shù)檢測了西拉和丹魄葡萄的成熟度和果皮中的總酚類化合物的含量， 建立葡萄成熟度、 果皮總酚含量、 糖度、 可測定酸和pH的偏最小二乘模型。

葡萄中花色苷和總酚含量對葡萄酒的顏色和口味具有重要影響， 使用高光譜成像技術(shù)實現(xiàn)對葡萄中花色苷和總酚含量的定量檢測是提高紅酒品質(zhì)的重要檢測手段。 目前， 國內(nèi)外有部分學(xué)者開始使用高光譜成像技術(shù)對花色苷和總酚含量進(jìn)行研究， 但是限于花色苷和總酚物質(zhì)中包含的化學(xué)成分比較復(fù)雜， 加大了檢測難度。 因此， 在今后的研究中可嘗試對花色苷和總酚指標(biāo)進(jìn)行詳細(xì)劃分， 以期達(dá)到更好的預(yù)測效果。

3.3 安全檢測

在葡萄安全檢測中， 研究的重點主要是真菌、 細(xì)菌感染、 農(nóng)藥殘留、 病蟲等。 Dutta等[41]利用高光譜成像技術(shù)對湯姆遜無核葡萄中的農(nóng)藥殘留進(jìn)行分析， 通過液相色譜質(zhì)譜聯(lián)用或質(zhì)譜(LC-MS/MS)分析未處理和處理過的葡萄中的農(nóng)藥含量， 將感興趣區(qū)域從葡萄串中分割， 使用Haar濾波器在頻域中提取圖像特征， 使用支持向量機(jī)對農(nóng)藥含量進(jìn)行鑒定。 Knauer等[42]利用高光譜成像技術(shù)對霞多麗葡萄串的白粉病感染水平進(jìn)行了預(yù)測。 通過線性判別分析(LDA)降維方法推導(dǎo)出圖像波段， 用隨機(jī)森林和圖像帶積分圖選擇性提取紋理參數(shù)， 此研究有望提高葡萄疾病檢測的速度和準(zhǔn)確性。 在農(nóng)藥殘留檢測方面紅斑病是一種影響葡萄質(zhì)量的病毒性疾病， 紅斑病會導(dǎo)致葡萄藤上的糖積累減少， 從而延遲葡萄的成熟， 監(jiān)測這種病對葡萄品質(zhì)的提高具有至關(guān)重要的作用， Mehrubeoglu等[43]利用便攜式高光譜成像系統(tǒng)研究了葡萄紅斑病的光譜特征以及鑒定其病變區(qū)域。

食品安全問題是當(dāng)今世界各國普遍重視的一個全球性問題， 依據(jù)高光譜成像技術(shù)和機(jī)器學(xué)習(xí)相結(jié)合的強(qiáng)大檢測能力也成為眾多國內(nèi)外學(xué)者研究的熱點問題之一。 使用高光譜成像技術(shù)對葡萄農(nóng)藥和病蟲害的研究， 對提升我國葡萄及葡萄酒品質(zhì)具有重要的意義。 雖然國內(nèi)外研究已經(jīng)取得了一定研究成果， 但是現(xiàn)階段的研究多處于研究室階段， 能否運用高光譜成像技術(shù)對葡萄表面農(nóng)藥殘留的快速檢測并加以應(yīng)用仍需要進(jìn)一步驗證。

4 存在的問題

與傳統(tǒng)的檢測技術(shù)相比， 葡萄品質(zhì)無損檢測技術(shù)更具優(yōu)勢， 但是在葡萄檢測方面仍存在以下問題：

(1)機(jī)器視覺在線檢測系統(tǒng)中， 挑選樣本標(biāo)準(zhǔn)、 相機(jī)型號、 設(shè)備參數(shù)和光源條件的差異導(dǎo)致的處理算法不具有通用性， 是目前葡萄分級系統(tǒng)面臨的關(guān)鍵問題； 在果蔬采摘機(jī)器人視覺領(lǐng)域， 除上述情況外， 開發(fā)適用于復(fù)雜多變的自然環(huán)境條件下的葡萄圖像處理算法， 是面臨的科學(xué)問題。

(2)近紅外光譜技術(shù)同樣存在挑選樣本標(biāo)準(zhǔn)、 光譜儀型號、 設(shè)備參數(shù)和光源條件的差異導(dǎo)致的預(yù)測模型傳遞性差的問題。 而且， 采集時只能采集葡萄上某個點的信息， 不能反映整體果實的品質(zhì)情況， 如病害果、 蟲害果和鳥食果等， 是近紅外光譜技術(shù)本身存在的問題之一。 同時， 近紅外光譜儀內(nèi)部光學(xué)器件易損壞， 維修費用昂貴， 不利于現(xiàn)實生產(chǎn)中的廣泛應(yīng)用。

(3)高光譜成像技術(shù)， 雖然能圖譜合一， 樣本信息完整， 但是數(shù)據(jù)量大、 信息冗雜， 極易導(dǎo)致模型預(yù)測結(jié)果變差， 需要對大量的數(shù)據(jù)進(jìn)行處理， 因此對計算機(jī)的性能和運行速度有很高的要求， 目前該項技術(shù)僅應(yīng)用于實驗室研究， 無法廣泛應(yīng)用于商業(yè)在線檢測。

5 應(yīng)用前景

近年來我國葡萄總產(chǎn)量高、 種植面積大， 但是葡萄的出口量小， 主要歸結(jié)于我國葡萄產(chǎn)后處理水平較低， 因此在世界貿(mào)易方面具有廣闊的發(fā)展空間。 為了適應(yīng)國際市場對葡萄高品質(zhì)的要求， 葡萄品質(zhì)自動無損檢測就越來越受到關(guān)注， 近幾年， 葡萄品質(zhì)的無損檢測技術(shù)成為國內(nèi)外學(xué)者重要的研究方向之一。

(1)隨著機(jī)器視覺技術(shù)的日漸成熟， 硬件成本的不斷下降， 此項技術(shù)在葡萄外部品質(zhì)(大小、 顏色以及表面缺陷等)的無損檢測中發(fā)揮著越來越重要的作用。 而建立采集過程中樣本標(biāo)準(zhǔn)、 相機(jī)型號、 設(shè)備參數(shù)和光源條件的統(tǒng)一標(biāo)準(zhǔn)， 對機(jī)器視覺技術(shù)的應(yīng)用推廣具有非常重要的意義。 另一方面， 開發(fā)適用于解決開放環(huán)境中葡萄圖像特征提取的算法， 是推進(jìn)視覺采摘機(jī)器人推廣的另一研究方向。

(2)近紅外光譜技術(shù)具有分析速度快、 分析成本低、 操作簡便、 檢測范圍廣等優(yōu)點， 在葡萄內(nèi)部品質(zhì)的檢測中具有重要地位。 而建立采集過程中的標(biāo)準(zhǔn)， 使得建立的預(yù)測模型能夠同儀器之間、 同一儀器的不同附件之間或不同測量環(huán)境之間有效傳遞， 也是目前應(yīng)解決的首要問題。

(3)高光譜成像技術(shù)將機(jī)器視覺與近紅外光譜這兩項技術(shù)的優(yōu)點進(jìn)行結(jié)合， 既可獲得大量用于檢測葡萄外部品質(zhì)的圖像信息， 又可獲得對物體內(nèi)部品質(zhì)進(jìn)行分析的光譜信息， 在葡萄無損檢測領(lǐng)域具有巨大的潛力。 根據(jù)高光譜特征波長制作的濾波片多光譜相機(jī)， 或開發(fā)檢測速度快、 效率高和便于攜帶的新型高光譜成像系統(tǒng)， 是推動無損檢測技術(shù)快速發(fā)展的又一重要研究方向。

葡萄果皮軟， 在采摘、 運輸和儲存過程中會產(chǎn)生損傷， 因此， 無損檢測技術(shù)成為葡萄品質(zhì)檢測方面的必然趨勢， 具有廣闊的前景， 必將得到廣泛的應(yīng)用。