全文总字数：8324字

高光谱检测技术在水果品质检测方面的应用

夏锴

摘要：本此研究主要是利用高光谱成像技术对苹果的糖度进行无损检测，使用高光谱成像系统采集苹果样本的光谱图像，利用MATLAB提取图像数据和苹果样本的平均光谱，之后将苹果的高光谱图像与糖度值利用数学建模的方法建立映射关系，得出其相关性，进而去预测其他苹果的糖度，重点是使用不同的光谱预处理方法，并筛选出结果最为准确的方法。

关键词：高光谱成像、糖度、无损检测

1 引言

我国在世界各国中是重要的水果生产和消费大国，果品总面积和总产量一直稳居世界第一。与此同时，水果的质量和产业化也不断发展。到目前为止，果品生产已然成为仅次于粮食和蔬菜之后的第三农业种植产业。而在众多水果中，苹果营养丰富，味道甘甜，贮藏时间相较于其他水果更长，深受广大消费者的青睐，是人们生产生活中极为重要的水果之一，因此也成为市场上比较热门的水果。在中国，苹果的主要产地是在河南省的灵宝市和陕西省的礼泉县以及洛川县等地区。根据国家统计局数据显示我国生产的苹果主要出口到日本、巴基斯坦、泰国、印度等亚洲地区，但出口率却不高，水果品质分级的检测手段落后是其主要原因之一。苹果的品质包括果个、色泽、光洁度、糖度等多个指标，这些因素直接影响了苹果的产品竞争和销售情况。苹果糖分主要集中在果品可溶性固性物（SSC）中。根据有关数据表明，在果品可溶性固性物中有85%是苹果的糖分，因此，苹果中SSC含量的多少成为衡量苹果糖度的主要指标。传统的苹果糖度检测主要是利用糖度计进行检测。糖度是表示糖溶液中固形物浓度的单位，工业上一般用白利度(BX)表示糖度，指的是100克糖溶液中，所含糖的溶解克数。糖溶液的浓度主要用糖度计（Sacchrometer）、波林糖度计（Balling）或白利糖度计（Brix）测定，最常用的是白利糖度计，波林糖度计则主要在欧洲使用。为了使用方便，测定糖溶液用的3种密度计的标度完全一致，均直接表明了糖液浓度的质量百分比。糖度仪广泛应用于制糖，饮料，酱料等行业中工业生产及农业生产中^[1]。从上述中可以看出传统利用糖度仪进行测定糖分含量，主要是针对溶液。在大批量的苹果糖度检测中，这种检测手段无疑对苹果具有破坏性的。因此，苹果在如何无损状态下进行糖度检测，非常具有实际意义。高光谱技术因能够同时提供样品的空间和光谱信息而被广泛应用于水果无损检测。

2 高光谱无损检测分析

利用高光谱图像采集系统获得多组苹果的采集图像，高光谱图像采集系统主要由CCD相机，成像光谱仪镜头，镍钨镁光灯源，电动平移台，暗箱和高性能计算机等构成。之后再使用matlab软件提取苹果的数据，剔除在图像采集过程中的过度曝光点，获得苹果的二值图像以及平均值。采 用ENVI软件提取和处理高光谱图像。在采集高光谱图像之后，就要使用糖度仪测定样品的糖度值。接下来是样本划分，样本划分可以采用SPXY等方法，SPXY网格划分主要是由Galvao^[2]等人提出，其原 理是分别以光谱值和糖度值为特征参数，计算样本之间的距离，以保证增加样本间的差异性和代表 性。有效地覆盖多维向量空间，避免样本间差异过 小或相同的情况引起预测模型过拟合或预测效果 差，以提高模型的稳定性和准确性^[3]。接下来是高光谱预处理，由于光谱信号的采集易受到环境以及仪器性能等因素的影响，使得测量得到的光谱信号存在噪声和谱线平移的问题，因此需要对原始光谱进行预处理，常见的预处理方法有首先是多元散射校正^[4]，它是一种当前常用的多波长定标建模的一种方法，经过散射校正的光谱数据，可以有效消除散射影响，该方法需要建立一个理想光谱，即光谱的变化与有效成分的含量成直接的线性关系，然后以该光谱为标准，去校正其他的光谱，因此，可以有效校正基线平移和偏移校正问题。增强了有效成分的光谱信息的吸收。第二种是标准正态变量转换（SNV），其重点是处理因散射问题而导致出现的误差，他的做法其实是将的到的光谱强度看作为正态分布，在对其进行调整^[5]。第三种是Savitzky－Ｇolay平滑方法，SG平滑法是利用多项式对原始光谱的移动窗口的数据进行多项式分解，并用最小二乘法进行函数拟合的方法^[6]。而本次研究将针对不同的光谱预处理实现采集不同的苹果高光谱采集图像 。接下来是取特征光谱，取特征光谱的方法有SPA，SPA是一种前向循环波长选取方法，这种方法可以减少波长变量的共性影响，大大减少计算量^[7]。接下来就是建立模型，模型建立方法有多种，首先是偏最小二乘法（PLS），它作为一种数学上数据处理和误差计算的处理方法，已经被广泛应用于工程技术和实验研究当中。应用偏最小二乘法，得到的结果的残余误差平方和最小，所得结果一般也被称为最信赖值或者最佳值^[8]；第二种方法是支持向量机（SVM）,它的优点是可以跳过从演绎到推理的一般过程，使得过程被大大简化，它可以适应非线性的数据处理，大幅减少所需的样本^[9]。最后一种为BP神经网络^[10]，它是一种多层前馈神经网路，由Romelhart和Mc2clelland两位学者提出，其原理是将误差进行传播。形成输入层、隐含层、输出层三层网络，过程操作简单，广泛应用于函数逼近，可以很好解决非线性函数问题。以上是高光谱检测糖度的一个过程。从以上过程中可以看出，通过建立拟合的函数，可以预测大批量苹果的糖度，做到无损检测。