柑橘類(lèi)水果臍橙潰瘍問(wèn)題

柑橘類(lèi)水果臍橙潰瘍問(wèn)題是指在柑橘類(lèi)水果的表面出現(xiàn)的一種由細(xì)菌引起的病癥，它會(huì)導(dǎo)致果皮出現(xiàn)潰瘍、凹陷等癥狀，嚴(yán)重影響了水果的外觀和質(zhì)量。這些潰瘍不僅降低了水果的商品價(jià)值，還會(huì)引起市場(chǎng)損失和消費(fèi)者健康問(wèn)題。因此，臍橙潰瘍問(wèn)題的解決對(duì)于柑橘類(lèi)水果產(chǎn)業(yè)的發(fā)展至關(guān)重要。

傳統(tǒng)的臍橙潰瘍檢測(cè)方法主要依靠人工檢查和顯微鏡觀察，這些方法不僅效率低下，而且存在一定的誤差。此外，由于臍橙潰瘍的分布不均和隱蔽性，傳統(tǒng)方法往往難以全面檢測(cè)出所有的潰瘍，給生產(chǎn)帶來(lái)了潛在的風(fēng)險(xiǎn)。

高光譜相機(jī)的原理

高光譜相機(jī)是一種基于光學(xué)技術(shù)的先進(jìn)檢測(cè)設(shè)備，它能夠通過(guò)對(duì)柑橘類(lèi)水果表面進(jìn)行高光譜成像，獲取果皮表面的詳細(xì)信息。通過(guò)對(duì)這些信息的處理和分析，可以準(zhǔn)確地檢測(cè)出臍橙潰瘍的存在和分布情況。

基于高光譜成像技術(shù)檢測(cè)臍橙潰瘍

　　本研究應(yīng)用了400-1000nm的高光譜相機(jī)，可采用賽斯拜克科技有限公司產(chǎn)品SP130M進(jìn)行相關(guān)研究。光譜范圍在400-1000nm，波長(zhǎng)分辨率優(yōu)于2.5nm，可達(dá)1200個(gè)光譜通道。采集速度全譜段可達(dá)128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

　　柑橘潰瘍病是影響全球柑橘種植業(yè)發(fā)展的重大檢疫性病害。美國(guó)農(nóng)業(yè)部2006年3月提出“柑橘健康種植計(jì)劃”，并且中國(guó)2007 年7月正式啟動(dòng)首個(gè)柑橘非疫生產(chǎn)區(qū)建設(shè)*-21。目前大部分研究都集中在對(duì)這種病害的防治和檢測(cè)方面，而對(duì)于帶有潰瘍病斑的柑橘類(lèi)水果的剔除主要還是通過(guò)手工分選，對(duì)工人要求較高，且效率低，準(zhǔn)確性差。隨著圖像處理技術(shù)的日趨先進(jìn)和計(jì)算機(jī)硬件成本的降低及處理速度的提高，機(jī)器視覺(jué)系統(tǒng)在農(nóng)產(chǎn)品品質(zhì)自動(dòng)檢測(cè)和分級(jí)領(lǐng)域應(yīng)用越來(lái)越廣泛。由于受害果表面的潰瘍病斑呈灰褐色、木栓化、海綿狀，周?chē)月∑鸪拾岛稚钔馊辄S綠暈圈5，這些特征與正常果皮表面有明顯的差異，因此可以把潰瘍果作為一種缺陷果，從而利用機(jī)器視覺(jué)技術(shù)進(jìn)行快速檢測(cè)。盡管?chē)?guó)內(nèi)外學(xué)者已對(duì)柑橘類(lèi)水果表面缺陷檢測(cè)分級(jí)做了大量研究**。但是，在國(guó)內(nèi)還未見(jiàn)利用機(jī)器視覺(jué)技術(shù)對(duì)潰瘍果進(jìn)行檢測(cè)的相關(guān)報(bào)道。在國(guó)外，Qin等基于高光譜成像技術(shù)，分別利用光譜信息散度分類(lèi)理論和主成分分析法對(duì)帶有潰瘍斑的葡萄柚進(jìn)行分類(lèi)識(shí)別，兩種方法識(shí)別精度均超過(guò)90%。然而，對(duì)于SID理論，需要建立參考光譜，然后圖像像素與參考光譜進(jìn)行匹配，但是匹配較費(fèi)時(shí)，而后一種理論則利用了99個(gè)波段參與主成分分析，兩種方法均不利于潰瘍果的在線檢測(cè)。本文主要基于高光譜成像系統(tǒng)，首先提取并分析每一類(lèi)缺陷及正常果皮感興趣區(qū)域（region of interest，ROD）光譜曲線并結(jié)合主成分分析法確定特征波段，接著基于特征波段進(jìn)行二次主成分分析，再結(jié)合雙波段比算法實(shí)現(xiàn)潰瘍果與其他類(lèi)臍橙（包括正常果及缺陷果）的分類(lèi)識(shí)別。

　　）本文基于高光譜成像系統(tǒng)利用主成分分析法及波段比算法對(duì)包括潰瘍果在內(nèi)的10類(lèi)常見(jiàn)臍橙果皮缺陷和正常果進(jìn)行潰瘍果的分類(lèi)識(shí)別，識(shí)別率達(dá)到95.4%。

　?。┍驹囼?yàn)處于實(shí)驗(yàn)室研究階段，其中基于高光譜系統(tǒng)采集到的數(shù)據(jù)量大，處理時(shí)間長(zhǎng)，并不適合在線檢測(cè)。通過(guò)試驗(yàn)本文得到5個(gè)特征波長(zhǎng)用于潰瘍果的分類(lèi)識(shí)別，其中可見(jiàn)光波段3個(gè)（630、685和720 nm），近紅外波段2個(gè)（810和875nm）?；谶@些特征波段，進(jìn)行特征波段主成分分析，克服了通常單次主成分分析中由于存在較多的波段而無(wú)法使這種方法應(yīng)用于在線檢測(cè)的弊端。

　?。┛紤]到僅利用主成分分析法無(wú)法有效的分類(lèi)潰瘍果和裂果、日灼及藥傷果，本文提出采用主成分分析法與波段比相結(jié)合的算法。基于此算法使總體識(shí)別率由原來(lái)的80%提高到95.4%。但對(duì)日灼果的識(shí)別率沒(méi)有提高。

　?。┗谠囼?yàn)中獲得的5個(gè)特征波段，選取相應(yīng)的濾波片，有助于開(kāi)發(fā)基于多光譜成像技術(shù)的臍橙潰瘍識(shí)別系統(tǒng)。另一方面，由于本文開(kāi)發(fā)的算法比較簡(jiǎn)單，進(jìn)一步為臍橙潰瘍果的在線識(shí)別奠定了基礎(chǔ)。盡管本文研究對(duì)象是臍橙，但研究方法可能也適合其他柑橘類(lèi)水果潰瘍病斑的識(shí)別，有待進(jìn)一步驗(yàn)證。另外，由于試驗(yàn)中涉及到的缺陷種類(lèi)較多，樣本收集存在一定困難，同時(shí)由于高光譜數(shù)據(jù)量大，處理較費(fèi)時(shí)，因此，本研究中僅采用130個(gè)樣本作為探索性研究，雖然取得了比較理想結(jié)果，但后續(xù)將會(huì)進(jìn)一步增加樣本量，驗(yàn)證此理論的可行性。