高光譜成像技術在水果和蔬菜質量檢測中的應用

近年來，食品安全問題引起了很多關注，人們對水果和蔬菜的質量和安全標準的要求越來越高，這已成為社會關注的熱門話題。通常，水果和蔬菜的質量包括外部品質，例如形狀，顏色，尺寸和表面缺陷，以及內部品質，例如糖含量，酸度，硬度，可溶性固體含量，澱粉含量，水分和成熟度以及其他其他內容營養。質量是其市場銷售的重要因素。

傳統的水果和蔬菜質量檢測方法，例如化學方法，高性能液相色譜，質譜法等，通常對要測試和緩慢的物體具有破壞性。機器視覺和光譜技術具有快速，無損和可靠的優勢，並且近年來已廣泛用於水果和蔬菜質量檢測中。其中，機器視覺技術提取和分析空間信息，例如用於外部質量檢測的水果和蔬菜的形狀，尺寸，顏色和表面缺陷，而近紅外光譜技術主要檢測水果和蔬菜的內部質量。

高光譜成像技術將圖像與光譜技術結合在一起，同時獲得光譜信息和空間信息，以反映要測試的對象的內部和外部質量。近年來，它在國內外的水果和蔬菜質量的非破壞性測試中進行了廣泛研究。本文將介紹該領域的最新研究進展，從高光譜成像技術的基本原理及其在水果和蔬菜質量的非破壞性測試中的研究和應用中。

1。高光譜成像技術原則

高光譜系統中的每個像素可以在相同光譜範圍內獲得數十個連續的窄帶信息，並獲得光滑而完整的光譜曲線。同時，整個成像系統還可以獲取要測量的對象的空間信息，並以光譜連續性和高分辨率的特徵來實現對要測量對象的內部組件和外觀特徵的同時檢測。

該系統獲得的高光譜圖像可以用立體鏡面的三維圖像表示，如圖2所示，由連續的光學圖像組成。XY平面的二維圖像表示對象的空間信息，例如由於形狀，大小，缺陷等。由於對象的外部變化會影響反射譜，因此形狀，顏色或缺陷將在某個波長下發生變化。 λ坐標表示對象的光譜信息，該信息將反映在測試中的對象的內部質量，例如組成和結構。

這項研究應用了400-1000nm的高光譜攝像頭，Hangzhou Caipu Technology Co.，Ltd。的FS13產品可用於相關研究。光譜範圍為400-1000nm，波長分辨率優於2.5nm，最多可達1200個光譜通道。採集速度可以在整個頻譜中達到128fps，在頻段選擇後最高的是3300Hz（支持多區域頻段選擇）。

2。檢測水果和蔬菜的外部質量

人們對市場上水果和蔬菜的直接感覺是其外部質量的質量，即顏色，新鮮度，大小，機械損壞，凍傷和衰減的判斷。傳統的機器視覺技術很難區分外部特徵，例如機械損傷，凍傷，衰減和新鮮度，以檢測由於精確度和復雜的操作而導致水果和蔬菜的外部質量。高光譜成像技術僅克服了這一缺點，並可以實現全面的非破壞性檢測。它也非常準確且易於操作。近年來，它逐漸被用於檢測水果和蔬菜的外部質量。

新鮮度是反映水果和蔬菜質量的重要指標。新鮮採摘的水果和蔬菜通常需要存儲和運輸，然後才能到達消費者。這個過程將影響他們的新鮮度和質量。一般而言，人們對水果和蔬菜新鮮度的主觀判斷是不准確的。收集了四個蔬菜葉子的光譜圖像，包括中國白菜，菠菜，菜籽和嬰兒白菜，並使用0、10、24和48小時的脫水時進行了比較。其中，圖3和4顯示了在不同水分流失時間下的高光譜圖像和機器視覺圖像的比較分析。時間的變化，但是機器視覺圖像只能顯示水流失狀態，高光譜圖像分析了光譜信息的變化，發現葉子的外觀和內部葉綠素在水損失過程中發生了變化。葉綠素相對含量值預測模型的相關係數為r = 0.76，表明高光譜技術可以有效地識別植物葉的新鮮度。

高光譜技術和ANN預測模型用於研究蘋果的凍傷，如圖5所示。實驗使用了圖6中所示的過程，選擇了五個主成分頻段（717、751、875、960和980 nm）從400-1000 nm頻段中的霜蘋果的高光譜圖像來建立ANN模型。訓練集，測試集和驗證集的相關係數分別為0.93、0.91和0.92，最終達到的識別精度超過98％。

3。結論

隨著生活水平的提高，人們對健康食品質量的需求越來越高。傳統的機器視覺技術以及物理和化學方法在測量水果和蔬菜的質量方面具有復雜而破壞性，並且很難滿足檢測需求。高光譜成像技術整合了機器視覺，光譜和圖像處理技術。產生的圖像是“光譜組合”的三維數據立方體，不僅包含要測試的對象的空間信息特徵，而且還包含要測試的對象的光譜信息。它可以準確，快速和非破壞性地檢測農產品的質量，並且易於運營。近年來，它已被廣泛用於檢測水果和蔬菜質量。但是，在收集和處理圖像數據的過程中，高光譜成像技術受儀器的性能和處理速度的限制。該技術目前主要用於基礎研究，尚未被廣泛用於工業在線實時檢測。為了實現對水果和蔬菜質量的商業在線檢測，為了解決這些問題，需要實現以下兩點：首先，改進和升級高光譜成像技術的相關設備，例如成像光譜儀，以提高其性能並降低其生產成本，這有利於在水果和蔬菜質量檢測中促進高光譜成像技術；其次，選擇特徵波長，用於全頻和不同品種的水果和蔬菜高光譜圖像，以減少數據冗餘，並減少高光譜圖像的獲取和處理時間。然而，隨著社會和科學進步的發展，高光譜成像技術將繼續改善和改善，並將在未來的農產品和食品安全領域具有更廣泛的發展空間和應用前景。