在水果品質(zhì)無(wú)損檢測(cè)方面，基于高光譜成像技術(shù)只需少量樣本，通過(guò)提取水果樣品的二維圖像信息和三維的波長(zhǎng)信息，建立定量關(guān)系模型，就可實(shí)現(xiàn)水果品質(zhì)的快速、無(wú)損測(cè)定。例如，可以利用高光譜圖像技術(shù)檢測(cè)水果的表面污染和損傷。由于高光譜數(shù)據(jù)具有多光譜通道、高光譜分辨率和連續(xù)光譜的特點(diǎn)，可以得到任意像素點(diǎn)的連續(xù)光譜曲線和不同物質(zhì)的不同光譜曲線。在某些特定的波長(zhǎng)下，損傷區(qū)域的光譜值與正常區(qū)域的光譜值之間會(huì)存在很大差異，因此能夠?qū)崿F(xiàn)水果表面的無(wú)損檢測(cè)。

1 高光譜圖像技術(shù)簡(jiǎn)介 

1. 1 高光譜成像系統(tǒng) 

高光譜成像系統(tǒng)是在20世紀(jì)80年代興起的一種新一代光電探測(cè)技術(shù)。通常認(rèn)為，光譜分辨率在10－1λ數(shù)量級(jí)范圍內(nèi)的被稱(chēng)為多光譜，光譜分辨率在10－2λ數(shù)量級(jí)范圍內(nèi)的被稱(chēng)為高光譜。相較于多光譜成像，高光譜成像具有更高的分辨率。

高光譜檢測(cè)系統(tǒng)主要由光源、面陣CCD或CMOS相機(jī)以及計(jì)算機(jī)軟件和硬件等部分組成。光源在高光譜成像系統(tǒng)中占據(jù)重要地位，它為整個(gè)成像系統(tǒng)提供照明功能，通過(guò)被檢測(cè)物體吸收和散射后的光來(lái)攜帶信息。這些光線通過(guò)相機(jī)的入口狹縫進(jìn)入，然后通過(guò)相機(jī)中的光譜成像儀將光信號(hào)映射到二維面陣檢測(cè)器上。最后，計(jì)算機(jī)軟件和硬件負(fù)責(zé)采集、處理、分析和存儲(chǔ)高光譜圖像數(shù)據(jù)。

1. 2 高光譜圖像數(shù)據(jù)的采集方式 

       根據(jù)高光譜圖像采集方式的不同，可分為點(diǎn)掃描、線掃描和面掃描三種。 點(diǎn)掃描方式每次掃描只能獲得一個(gè)像素點(diǎn)的光譜，不適用于快速檢測(cè)，所以點(diǎn)掃描的方式常常被用于檢測(cè)微觀對(duì)象。線掃描方式通過(guò)每次掃描可以獲得掃描線上的光譜，適用于傳輸帶上物體的實(shí)時(shí)檢測(cè)，因此該方法是水果品質(zhì)檢測(cè)中最常用的圖像采集方法。點(diǎn)掃描和線掃描方式都屬于光譜域掃描方式，首先獲得圖像的光譜和一個(gè)維度的空間信息，再通過(guò)掃描移動(dòng)，獲得另一維度空間信息。 而面掃描方式屬于空間域掃描方式，可以同時(shí)獲取單個(gè)波長(zhǎng)下被測(cè)物體兩個(gè)空間維度的圖像信息，其數(shù)據(jù)采集量大且數(shù)據(jù)采集時(shí)間較長(zhǎng)，高光譜成像系統(tǒng)中通常會(huì)選擇面掃描方式。 

2 高光譜圖像技術(shù)的研究進(jìn)展 

2. 1 水果品質(zhì)定性分析 

2. 1. 1 機(jī)械損傷 

近年來(lái)，對(duì)蘋(píng)果機(jī)械損傷的高光譜成像技術(shù)研究已經(jīng)很多。韓浩然等人利用這項(xiàng)技術(shù)來(lái)檢測(cè)蘋(píng)果受到的摔傷，在實(shí)驗(yàn)結(jié)果中發(fā)現(xiàn)，波段比算法和主成分分析法的分類(lèi)識(shí)別正確率達(dá)到了93.3%，可以實(shí)時(shí)快速地檢測(cè)蘋(píng)果的摔傷情況。Baranowski等人則使用了配備了高光譜相機(jī)的系統(tǒng)，該系統(tǒng)包括可見(jiàn)光和短波近紅外（400~1000nm）傳感器，以及中波近紅外（1000~2500nm）和紅外（3500~5000nm）范圍的熱成像相機(jī)，用于檢測(cè)蘋(píng)果早期的瘀傷。結(jié)果顯示，將這三個(gè)范圍的光譜結(jié)合成一個(gè)模型，可以最佳地預(yù)測(cè)瘀傷和完好組織，以及不同深度的瘀傷。此外，使用廣譜范圍（400~5000nm）對(duì)水果表面進(jìn)行成像可以改善對(duì)蘋(píng)果不同深度早期瘀傷的檢測(cè)效果。Nayeli等人也利用近紅外高光譜成像系統(tǒng)檢測(cè)芒果的機(jī)械損傷，并采用了五種分類(lèi)方法。他們?cè)诿⒐麚p壞后的七天內(nèi)進(jìn)行圖像捕獲，以便有效地檢測(cè)出損壞發(fā)生的時(shí)刻。結(jié)果發(fā)現(xiàn)，其中最好的分類(lèi)效果是采用近鄰法（k-NearestNeighbours，k-NN），其正確分類(lèi)率可達(dá)97.90%。

林思寒利用高光譜成像技術(shù)，并結(jié)合PLS和LDA方法，成功建立了用于檢測(cè)翠冠梨完好果和不同損傷天數(shù)碰壓果的PLS-LDA模型。研究結(jié)果顯示，對(duì)于機(jī)械損傷果和完好果的識(shí)別準(zhǔn)確率均在90%以上，最高可達(dá)97.78%。目前，已有的高光譜檢測(cè)技術(shù)精度足以滿足分類(lèi)需求，但對(duì)于損傷程度的檢測(cè)模型則較為不足。

2. 1. 2 凍傷 

     凍傷是水果缺陷檢測(cè)中最常見(jiàn)的指標(biāo)之一，其早期檢測(cè)和監(jiān)測(cè)比較困難，為了更早地將有缺陷的水果從營(yíng)銷(xiāo)鏈中去除，需要一種快速、精確和無(wú)損的檢測(cè)技術(shù)。近年來(lái)，研究人員針對(duì)蘋(píng)果凍傷方面的研究主要集中在算法優(yōu)化層面。 ElMasry等利用高光譜成像（400~1000nm)檢測(cè)“紅元帥”蘋(píng)果中的凍傷，開(kāi)發(fā)了一種前饋反向傳播模型，選擇出五個(gè)特征波長(zhǎng)的光譜作為模型的輸入，以普通與凍傷為輸出結(jié)果，構(gòu)建了人工神經(jīng)網(wǎng)絡(luò)識(shí)別模型。高光譜圖像技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法在識(shí)別凍傷水果方面的研究已有一定進(jìn)展，檢測(cè)精度普遍較高，未來(lái)可以進(jìn)行水果凍傷分級(jí)識(shí)別的在線檢測(cè)研究，進(jìn)一步提高檢測(cè)效率。 

2. 1. 3 成熟度 

       水果成熟度是決定水果內(nèi)在品質(zhì)的關(guān)鍵因素，也是確定水果貨架期的重要指標(biāo)。水果成熟的過(guò)程 非常復(fù)雜，以往所用的傳統(tǒng)檢測(cè)水果成熟度方法局限于人工視覺(jué)檢測(cè)，實(shí)驗(yàn)室理化檢測(cè)等。這些方法不但費(fèi)時(shí)費(fèi)力，主觀性較強(qiáng)，且均需破壞樣本才可實(shí)現(xiàn)[26－28] 。近年來(lái)，國(guó)內(nèi)外學(xué)者開(kāi)始研究無(wú)損檢測(cè)技術(shù)對(duì)水果的成熟度進(jìn)行判別分析，其中高光譜圖像技術(shù)以其特有的優(yōu)勢(shì)，在水果成熟度方面的研究比較豐富。 

      使用高光譜成像技術(shù)對(duì)香蕉成熟度進(jìn)行了研究，提前采集水分含量、硬度和總可溶性固體等質(zhì)量參數(shù)，并與光譜數(shù)據(jù)相關(guān)。運(yùn)用PLS來(lái)分析光譜數(shù)據(jù)，使用預(yù)測(cè)的殘差誤差平方和來(lái)選擇特征波長(zhǎng) 。 

由此可見(jiàn)，不同的特征選擇算法對(duì)于最后的分類(lèi)精度影響很大，對(duì)不同水果選擇不同的特征算法尤為重要。 

2. 2 水果品質(zhì)定量分析 

2. 2. 1 硬度預(yù)測(cè) 

       硬度是表現(xiàn)水果成熟度和口感品質(zhì)的一個(gè)重要特征，傳統(tǒng)的硬度檢測(cè)方法普遍對(duì)樣本有損傷，而高光譜成像技術(shù)則能夠?qū)λ捕冗M(jìn)行快速、無(wú)損檢測(cè)。張巍使用自主搭建的高光譜成像系統(tǒng)（500~1000nm)，以藍(lán)莓為研究對(duì)象，采用連續(xù)投影算法（SPA)對(duì)特征光譜進(jìn)行提取，并建立基于全波段-BP神經(jīng)網(wǎng)絡(luò)的硬度預(yù)測(cè)模型與基于SPA-BP神經(jīng)網(wǎng)絡(luò)的硬度預(yù)測(cè)模型。 

2. 2. 2 可溶性固形物預(yù)測(cè) 

       水果中的可溶性固形物（SSC)包括可溶性糖類(lèi)、 維生素、礦物質(zhì)等，是影響水果內(nèi)部品質(zhì)的重要因素。 羅霞等利用高光譜技術(shù)采集火龍果的漫反射光譜，并進(jìn)行火龍果可溶性固形物的無(wú)損檢測(cè)。應(yīng)用連續(xù)投影算法（SPA) 對(duì)特征變量進(jìn)行選擇，采用8種方法對(duì)原始光譜數(shù)據(jù)進(jìn)行預(yù)處理，通過(guò)偏最小二乘法（PLS) 和前饋反向傳播神經(jīng)網(wǎng)絡(luò)法（BPNN) 建立預(yù)測(cè)模型。在檢測(cè)水果的可溶性固形物時(shí)，使用不同的預(yù)處理方法會(huì)對(duì)檢測(cè)精度產(chǎn)生較大影響，應(yīng)在多種預(yù) 處理方法中選取產(chǎn)生最優(yōu)結(jié)果的預(yù)處理方法。 

2. 3 安全方面檢測(cè)

2. 3. 1 藥物殘留 

       水果表面的藥物殘留不僅極大影響水果的質(zhì)量安全，還影響果品出口貿(mào)易。因此，對(duì)水果表面的藥物殘留進(jìn)行無(wú)損檢測(cè)十分必要。徐潔等利用高光譜技術(shù)，建立距離判別分析模型和貝葉斯判別分析模型，并對(duì)哈密瓜表面殘留藥物的種類(lèi)進(jìn)行判別。結(jié)果表明，在紫外燈光源的環(huán)境中，距離判別法的準(zhǔn)確率較高，為94. 67% ;在鹵素?zé)艄庠喘h(huán)境中，貝葉斯判別法的準(zhǔn)確率較高，為100. 00% 。Jiang等對(duì)蘋(píng)果農(nóng)藥殘留高光譜數(shù)據(jù)特征進(jìn)行分析，構(gòu)建了適用于蘋(píng)果農(nóng)藥殘留檢測(cè)的AlexNet-CNN框架，并對(duì)四種高光譜蘋(píng)果農(nóng)藥殘留的6144張圖像進(jìn)行檢測(cè)。結(jié)果表明，測(cè)試集檢測(cè)精度為 99. 09% ，單波段平均圖像檢測(cè)精度為95. 35% ?？梢?jiàn)，高光譜成像技術(shù)在藥物殘留檢測(cè)方面已經(jīng)達(dá)到了很高的精度。 

2. 3. 2 病蟲(chóng)害 

       病蟲(chóng)害的存在會(huì)極大地降低水果的品質(zhì)，利用高光譜技術(shù)可以有效地對(duì)水果病蟲(chóng)害進(jìn)行無(wú)損檢測(cè)，這對(duì)水果品質(zhì)分級(jí)具有重要意義。 Bart 等開(kāi)發(fā)了一種高光譜NIR成像系統(tǒng)來(lái)識(shí)別蘋(píng)果上的苦陷癥，構(gòu)建了PLS校準(zhǔn)模型，用來(lái)區(qū)分未受影響的蘋(píng)果表面和苦陷癥。結(jié)果表明，該系統(tǒng)可以識(shí)別出收獲后肉眼不可見(jiàn)的苦陷癥，但無(wú)法區(qū)分苦陷癥和軟組織。使用高光譜成像方法確定棗中的受損區(qū)域，運(yùn)用逐步判別分析法將棗分為有蟲(chóng)侵害型和無(wú)蟲(chóng)侵害型，分類(lèi)準(zhǔn)確率約為97. 0% 。但現(xiàn)有檢測(cè)技術(shù)大多只能檢測(cè)一種病蟲(chóng)害，少有開(kāi)發(fā)出可以同時(shí)檢測(cè)出多種病蟲(chóng)害的高光譜模型。 

3 存在問(wèn)題及發(fā)展趨勢(shì) 

高光譜成像技術(shù)在水果無(wú)損檢測(cè)方面得到廣泛應(yīng)用，但仍存在一些問(wèn)題。例如，高光譜成像技術(shù)的穿透深度有限，難以檢測(cè)果皮較厚的水果。此外，進(jìn)行反射和透射檢測(cè)時(shí)需要使用大功率光源，但過(guò)高的光源能量容易對(duì)水果造成損傷。如何在無(wú)損檢測(cè)與深層檢測(cè)之間找到平衡，是未來(lái)需要解決的關(guān)鍵問(wèn)題。另外，高光譜的圖像數(shù)據(jù)量龐大，存在大量冗余信息。如何選擇適合的特征波長(zhǎng)，并去除無(wú)關(guān)的變量，以提高檢測(cè)效率，也是亟需解決的問(wèn)題。

水果的含水率普遍較高，因此在高光譜檢測(cè)時(shí)，會(huì)受到水分吸收峰的影響，特別是在1400nm后。如何避免水分吸收峰對(duì)檢測(cè)結(jié)果的影響，仍亟待解決。目前，大多數(shù)的水果品質(zhì)缺陷檢測(cè)研究都選取表皮較薄的水果，如蘋(píng)果、梨、桃子等；然而，對(duì)于表皮較厚的水果，如西瓜、哈密瓜、椰子等，品質(zhì)檢測(cè)仍然較少。高光譜檢測(cè)技術(shù)需要突破檢測(cè)深度的限制，才能為這些較厚果皮水果的品質(zhì)檢測(cè)帶來(lái)新的應(yīng)用。在試驗(yàn)設(shè)計(jì)方面，大多數(shù)研究只考慮了水果是否存在缺陷進(jìn)行分級(jí)，而沒(méi)有考慮缺陷程度對(duì)水果保質(zhì)期的影響。水果受到輕微損傷后，雖然在短期內(nèi)內(nèi)外部品質(zhì)與經(jīng)濟(jì)價(jià)值波動(dòng)較小，但儲(chǔ)存一定時(shí)間后水果品質(zhì)可能會(huì)發(fā)生較大改變。因此，研究缺陷程度對(duì)水果保質(zhì)期的影響對(duì)水果儲(chǔ)存及經(jīng)儲(chǔ)存后水果的品質(zhì)預(yù)測(cè)具有深遠(yuǎn)的現(xiàn)實(shí)意義。

隨著計(jì)算機(jī)技術(shù)和圖像處理技術(shù)等的進(jìn)一步發(fā)展和更深地融合，高光譜圖像檢測(cè)技術(shù)在水果無(wú)損檢測(cè)領(lǐng)域?qū)?huì)被廣泛運(yùn)用。然而，在推廣應(yīng)用高光譜檢測(cè)技術(shù)方面，由于圖像采集和處理速度的限制以及設(shè)備成本的制約，高光譜技術(shù)在現(xiàn)實(shí)生活中還未得到普遍應(yīng)用。因此，我們可以在權(quán)衡檢測(cè)準(zhǔn)確率與設(shè)備成本之間做出考慮，開(kāi)發(fā)小型化的專(zhuān)用設(shè)備，以推動(dòng)高光譜技術(shù)的進(jìn)一步應(yīng)用。

總的來(lái)說(shuō)，高光譜圖像技術(shù)在水果品質(zhì)無(wú)損檢測(cè)中的應(yīng)用研究展示了其巨大的潛力和優(yōu)勢(shì)。然而，實(shí)際應(yīng)用中還面臨一些挑戰(zhàn)，如光照條件、背景噪聲等因素的影響，需要進(jìn)一步研究和優(yōu)化算法以提高檢測(cè)的準(zhǔn)確性和穩(wěn)定性。