近年來，高品質蘋果在市場上表現出一定競爭力。一般來說，外觀可以直觀反映蘋果質量，損傷作為影響水果品質的主要指標之一，對保證蘋果品質和利潤具有重要意義。

伴隨科技的發展與進步，無損檢測技術開始應用于水果品質檢測中。使用較多的檢測技術有高光譜成像（HSI）、近紅外光譜、紅外熱成像、核磁共振等[5-8]。光譜分析和機器學習方法對于處理疾病檢測中的HSI數據至關重要，可提取和利用高維數據中包含的有效信息。

?

檢測方法

1試驗材料

2022年11月上旬，在北京平谷蘋果產區，選擇大面積種植的具有代表性的蘋果樣本，共收集163個，涵蓋3個品種（紅富士、王林、國光）。

為避免蘋果表面的灰塵雜質等對數據采集造成影響，采集高光譜圖像前將蘋果清洗，并用 75%酒精對其表面進行消毒去污，置于常溫室內備用。

2高光譜圖像采集

蘋果放置室內12h后，采集樣本的高光譜圖像。高光譜圖像采集系統由1個暗箱、1個升降平臺、2個75W鹵鎢燈、2臺風扇、1個高光譜成像儀和1臺計算機組成，高光譜成像系統示意圖如圖1所示。高光譜相機可以檢測176個波長，在395.9~998.1 nm范圍內均勻分布，分辨率為4nm。蘋果樣本和相機鏡頭之間的距離為500mm，鏡頭直徑為25 mm。圖像的空間分辨率為1 000 x 1000，所有圖像均通過水果的輻射率與白色參考面板的輻射率校準獲取絕對反射率。

?

結論

本研究利用高光譜圖像技術檢測蘋果損傷進行研究，對所獲得的高光譜圖像數據進行比值光譜分析，優選特征敏感波長（528 nm 和 676nm），利用該兩波段組合光譜特征指數增強下的圖像，通過ISODATA無監督分類圖像處理技術可以有效檢測蘋果表面的損傷區域。

本研究結果表明，基于528、676 nm的光譜反射率建立的NDSI對損傷區域及正常區域特征具有較強的區分能力。ISODATA 方法的蘋果損傷識別正確率為92.50%，該方法為現實復雜情景下檢測蘋果表面損傷提供了有效的解決方案，在水果生產和檢測的高通量表型分析中具有巨大潛力。

?