◇貴陽學(xué)院食品與制藥工程學(xué)院 孟慶龍 馮樹南 尚 靜

高光譜成像（Hyperspectral Image,HSI）技術(shù)將光譜信息和圖像信息進(jìn)行融合，通過一個系統(tǒng)能夠同時獲取空間信息和光譜信息?；谶@樣的優(yōu)勢，高光譜成像技術(shù)被廣泛地應(yīng)用在食品、藥品、紡織業(yè)等。本文總結(jié)了高光譜成像技術(shù)在薄皮水果內(nèi)部品質(zhì)檢測方面的應(yīng)用以及研究進(jìn)展。水果的內(nèi)部品質(zhì)包括酸度、糖度、可溶性固形物含量、水分含量和硬度等，這些指標(biāo)是水果分級的標(biāo)準(zhǔn)。高光譜成像技術(shù)能夠客觀、無損、快速地檢測水果的內(nèi)部品質(zhì)，為水果的分級提供指導(dǎo)，提升其市場價值。

高光譜成像（Hyperspectral Image,HSI）技術(shù)將光譜信息和圖像信息進(jìn)行融合，通過一個系統(tǒng)能夠同時獲取空間信息和光譜信息?；谶@樣的優(yōu)勢，高光譜成像技術(shù)被廣泛地應(yīng)用在食品、藥品、紡織業(yè)等。本文總結(jié)了高光譜成像技術(shù)在薄皮水果內(nèi)部品質(zhì)檢測方面的應(yīng)用以及研究進(jìn)展。水果的內(nèi)部品質(zhì)包括酸度、糖度、可溶性固形物含量、水分含量和硬度等，這些指標(biāo)是水果分級的標(biāo)準(zhǔn)。高光譜成像技術(shù)能夠客觀、無損、快速地檢測水果的內(nèi)部品質(zhì)，為水果的分級提供指導(dǎo)，提升其市場價值。

我國盛產(chǎn)水果，水果產(chǎn)量大，種類豐富，是很多地區(qū)的經(jīng)濟(jì)作物。水果的綜合品質(zhì)包括外部品質(zhì)和內(nèi)部品質(zhì)，外部品質(zhì)通常情況下都比內(nèi)部品質(zhì)容易判斷，而內(nèi)部品質(zhì)包括硬度、糖度、酸度、可溶性固形物含量、水分含量等，這些特征很大程度上是由化學(xué)成分決定的，一些成分對人的身體也有很大的作用，而且又影響著水果的口感和香氣，所以水果的這些內(nèi)部品質(zhì)對水果的質(zhì)量起著更大的作用[1-3]。

傳統(tǒng)的化學(xué)檢測手段都會對樣本進(jìn)行破壞，而且耗時又費力。隨著科學(xué)技術(shù)的進(jìn)步，基于計算機(jī)視覺技術(shù)的水果檢測方法得到了廣泛地應(yīng)用，但是計算機(jī)視覺技術(shù)僅能檢測水果的形狀大小、顏色、紋理等外部品質(zhì)，對于水果的內(nèi)部特征是無能為力的。而基于光譜技術(shù)的反射、透射、拉曼散射等測量技術(shù)在水果內(nèi)部品質(zhì)的分析應(yīng)用中也存在一定的弊端，比如單點檢測的特點就限制了這些技術(shù)在均勻樣品中的推廣應(yīng)用。綜上所述，在水果品質(zhì)的檢測中獲得一種快速、無損、準(zhǔn)確的技術(shù)來為水果質(zhì)量進(jìn)行把關(guān)就極為迫切。在這種形勢下，集“圖譜合一”優(yōu)勢的高光譜成像技術(shù)應(yīng)運而生了。近年來，高光譜成像技術(shù)在食品、藥品、紡織等領(lǐng)域內(nèi)應(yīng)用廣泛。本文僅總結(jié)了近年來高光譜成像技術(shù)在薄皮水果內(nèi)部品質(zhì)檢測中的研究。

1 高光譜成像技術(shù)在薄皮水果硬度檢測中的應(yīng)用

果實硬度是評價水果成熟度的主要指標(biāo)，也能表征果實機(jī)械性能的質(zhì)量參數(shù)，大多數(shù)情況下，硬度隨著果實的成熟時間降低[4]。 Wang等[5]采用非信息變量消除（UVE）和監(jiān)督仿射傳播聚類（SAP）兩種算法選取特征波長，這是首次從全光譜中提取重要波段用來給光譜數(shù)據(jù)降維?；谔卣鞑ㄩL，Wang等建立了UVE-PLS和SAP-PLS兩個模型，然后又通過數(shù)據(jù)融合的神經(jīng)網(wǎng)絡(luò)將這兩個模型進(jìn)行結(jié)合，最終形成了預(yù)測蘋果硬度的模型，融合模型的預(yù)測性能比UVE-PLS和SAP-PLS模型的性能均有所提高。Leiva-Valenzuela等[6]采用推掃式高光譜成像系統(tǒng)獲取藍(lán)莓果實莖和花萼末端的反射圖像，基于特征光譜的平均光譜和交叉驗證的偏最小二乘法構(gòu)建了藍(lán)莓硬度的預(yù)測模型。丁佳興等[7]分別基于全光譜和特征光譜構(gòu)建了靈武長棗硬度的預(yù)測模型，比較多種方法建模后的性能效果，得出基于全光譜構(gòu)建的LSSVM模型具有較優(yōu)的預(yù)測性能。孟慶龍等[8]采用高光譜成像技術(shù)獲取了李子的高光譜數(shù)據(jù)，對原始光譜進(jìn)行了預(yù)處理后，利用主成分分析法提取了李子硬度的特征光譜，構(gòu)建了預(yù)測李子硬度的模型，結(jié)果表明基于經(jīng)過一階導(dǎo)數(shù)預(yù)處理后的光譜數(shù)據(jù)并利用標(biāo)準(zhǔn)正態(tài)變換建立的模型預(yù)測能力較強(qiáng)。

2 高光譜成像技術(shù)在薄皮水果糖度檢測中的應(yīng)用

水果的糖度通?？梢杂每扇苄怨绦挝锖浚⊿SC）來代表，很多研究學(xué)者的工作中檢測的就是SSC，這是判斷水果甜味的重要指標(biāo)。高光譜成像技術(shù)可以較快速地對水果的SSC進(jìn)行檢測[9]。王風(fēng)云等[10]采用HIS獲取了套袋和不套袋兩種種植模式下的紅富士蘋果的高光譜數(shù)據(jù)信息，經(jīng)過主成分分析和蟻群算法對原始光譜進(jìn)行預(yù)處理，結(jié)合反向傳播神經(jīng)網(wǎng)絡(luò)和偏最小二乘算法分別對全光譜和預(yù)處理后的光譜建立了六種紅富士蘋果糖度的預(yù)測模型，預(yù)測模型表現(xiàn)出了很好的預(yù)測能力。Huang等[11]為了開發(fā)研究一種快速無損的蘋果SSC檢測技術(shù)，采用高光譜成像技術(shù)結(jié)合子空間分解和PLSR耦合的分層進(jìn)化算法優(yōu)選了最佳波長，構(gòu)建了預(yù)測蘋果SSC的模型。黃文倩等[12]也采用高光譜成像技術(shù)為蘋果SSC的預(yù)測構(gòu)建了SPA-MLR模型，模型性能十分優(yōu)秀，為蘋果的SSC在線監(jiān)測和便攜式儀器的開發(fā)提供了理論指導(dǎo)。邵園園等[13]對殼聚糖涂膜草莓在儲藏期的SSC進(jìn)行高光譜成像技術(shù)的檢測分析，采用偏最小二乘算法、競爭性自適應(yīng)重加權(quán)算法、連續(xù)投影算法等化學(xué)計量學(xué)方法構(gòu)建了預(yù)測草莓樣本的SSC模型，結(jié)果說明高光譜成像技術(shù)在殼聚糖涂膜草莓的SSC無損檢測中具有良好的效果。MAKINO等[14]通過高光譜成像技術(shù)為青熟芒果儲藏期的可溶性固形物含量和花青素含量構(gòu)建了預(yù)測模型。目前，HIS應(yīng)用于各種水果的可溶性固形物含量的檢測都已經(jīng)比較廣泛，其中蘋果SSC的研究最多。

3 高光譜成像技術(shù)在薄皮水果酸度檢測中的應(yīng)用

酸度也是評價水果味道的重要指標(biāo)，有機(jī)酸這類化合物會隨著水果的成熟過程中呼吸作用逐漸的減少。CAYUELA等[15]研究了橙子的可滴定酸度，研究結(jié)果中表明橙子中的透明質(zhì)酸度會受到樣本反射率測量時水果方向的影響。RUNGPICHAYAPIC HET等[16]通過HIS結(jié)合偏最小二乘法回歸分析建立了芒果可滴定酸度的預(yù)測模型，模型的相關(guān)系數(shù)為0.81，可見這種方法可以實現(xiàn)芒果可滴定酸度的檢測。高光譜成像技術(shù)在水果酸度的檢測應(yīng)用中沒有糖度的研究廣泛，后期仍有較大空間針對更多水果的酸度進(jìn)行高光譜成像技術(shù)的應(yīng)用。

4 高光譜成像技術(shù)在薄皮水果水分含量檢測中的應(yīng)用

水果的水分含量在水果的生長期和貨架期均會一直發(fā)生較為明顯的變化，也是衡量水果品質(zhì)的重要指標(biāo)。RAJKUMAR等[17]應(yīng)用高光譜成像系統(tǒng)采集了香蕉在三種不同儲存溫度下不同成熟期的信息，圖像經(jīng)黑白校正歸一化，光譜提取了400～1000nm的波段，采用偏最小二乘算法建立了光譜反射率與香蕉含水量的關(guān)系。HIS在水果水分含量的預(yù)測中還沒有得到較為科學(xué)的結(jié)果，仍需要深度研究。

5 結(jié)束語

本文綜述了近年來高光譜成像技術(shù)在薄皮水果內(nèi)部品質(zhì)檢測中的研究進(jìn)展，主要從水果的硬度、糖度（可溶性固形物）、酸度和水分含量四個方面進(jìn)行了概述。在水果的硬度和糖度方面，研究相對較多，涉及到的水果也很全面，但是對于酸度，特別是水分含量的研究方面較為薄弱。高光譜成像技術(shù)檢測水果內(nèi)部品質(zhì)具有快速無損的優(yōu)勢，為水果的在線檢測奠定了很好的基礎(chǔ)，也為在線檢測設(shè)備和便攜式儀器的開發(fā)提供了理論指導(dǎo)。未來高光譜成像技術(shù)的研究將會填補(bǔ)其在水果檢測甚至其他領(lǐng)域的科學(xué)研究空白。