我國是世界水果生產大國,根據《中國統計年鑒》統計2006年我國水果總產量已經達到17 239.9萬t(包括瓜果類),水果產量世界第一,但我國不是水果生產強國,水果出口量只占總產量的2%左右,遠遠低于9%～10%的世界平均水平.造成水果出口難的主要原因之一就是未能嚴格按照出口標準對水果品質進行分級。

隨著科學技術的發展和人民生活水平的不斷提高,國際水果市場競爭日益加劇,消費者對水果品質的要求越來越高.消費者在挑選水果時從以往僅僅關心水果的外部品質,逐步轉向更加注重水果的內部品質。

因為機器視覺技術和光譜技術具有快速、無損、可靠的優點,目前在水果無損檢測中得到廣泛應用.機器視覺技術主要是對被測物體的空間信息進行分析,并提取與農產品質量品質相關特征,然后基于這些特征建立模式識別理論對研究對象實施分級.一般而言,這種技術用于農產品外觀品質檢測,如形狀、顏色、大小、表面缺陷等.形狀及大小的識別較多地依靠灰度信息,而顏色及表面缺陷的檢測目前廣泛使用的是RGB成像系統.但是,這些基于普通CCD成像的檢測技術僅能夠檢測水果的部分表面特征,無法實現對水果內部品質(如水分、糖酸度、機械損傷、碰傷、腐爛、變質、蟲害等)的檢測.水果內部品質(成熟度、堅實度、可溶性固形物、水分等)用傳統的檢測方法進行測量費時、費力,且內部組織成分的測定需依靠破壞性檢測方法,受人工影響較大,這嚴重影響了對水果進行快速、無損、準確的評價.因此研究快速、無損、準確的水果品質檢測技術,對推動水果行業的健康、持續發展,提高水果交易價格,增加果農收入,具有十分重要的現實意義。

盡管當前較為先進的分級機器可以對水果表面缺陷進行分級,但是損傷,尤其是輕微損傷一直是一個挑戰.近幾年來,高光譜圖像技術在農產品品質無損檢測中的應用是一個重要的發展趨勢.由于高光譜成像技術是一種圖像及光譜融合技術,可以同時獲得農產品的光譜信息及圖像信息.由于圖像信息能反映農產品的外部特征、表面缺陷及污染情況,而光譜信息又可以對物體內部物理結構及化學成分進行分析,可以說高光譜成像技術是圖像技術與光譜技術的完美結合。

1高光譜成像系統

高光譜成像是新一代光電檢測技術,興起于20世紀80年代,目前仍在迅猛發展中.高光譜成像是相對多光譜成像而言,通過高光譜成像方法獲得的高光譜圖像與通過多光譜成像獲取的多光譜圖像相比具有更豐富的圖像和光譜信息。

高光譜圖像技術已經被應用于從精微研究到遙感的許多科學領域。高光譜一般認為,光譜分辨率在10 -1 λ數量級范圍內稱為多光譜(multispectral),光譜分辨率在10 -2 λ數量級范圍內稱為高光譜(hyper-spectral),光譜分辨率在10 -3 λ數量級范圍內稱為超光譜(ultra-spectral) [12] .高光譜圖像是一系列光波波長處的光學圖像.光譜范圍可以在紫外(200～400 nm)、可見光(400～760 nm)、近紅外(760～2 560 nm)以及波長大于2 560 nm的區域.它比多光譜圖像具有更高的光譜分辨率,通常精度可達到2～3 nm.高光譜圖像數據是三維的,稱為圖像塊,如圖1.其中:二維是圖像像素的坐標信息(以X和Y表示);第三維是波長信息(以K表示)。一個分辨率為X×Y像素的圖像檢測器陣列在n個波長處獲得的樣品圖像塊是X×Y×n的三維陣列。

圖1 高光譜圖像塊

?

高光譜圖像是由一系列特定波長下的光學圖像組成的三維數據塊,特定波長的光可通過濾波片和光譜儀兩種方式獲得.因此,根據獲取的方式不同,特定波長光可以分為基于濾波片的高光譜圖像系統和基于光譜儀的高光譜圖像系統.基于光譜儀的高光譜圖像系統采集得到的數據精度高,可以用于尋找檢測目標所需要的特定波長。但其數據量超大,數據處理時間長,僅適合于實驗室研究階段;反之,基于濾波片的高光譜圖像系統采集得到的數據量小,數據分析所需要的時間短,適合在線檢測,但是數據過于簡單,很難尋找到檢測目標所需要的特征波長.一般情況下,在實驗室階段利用基于光譜儀的高光譜圖像系統尋找檢測目標所需要的最優波長,再根據最優波長設計基于濾波片的高光譜圖像系統,以實現在線檢測。

高光譜圖像檢測技術的硬件組成主要包括光源、CCD攝像頭、裝備有圖像采集卡的計算機和單色儀.光譜范圍可以在200～400 nm,400～1 000 nm,900～1 700 nm,1 000～2 500 nm.V10E-PS高光譜成像儀系統實物和基于圖像光譜儀的高光譜圖像檢測系統如圖2.它主要由面陣CCD攝像頭和圖像光譜儀組成.工作時,圖像光譜儀將檢測對象反射或透射過來的光分成單色光源后進入CCD攝像頭.該系統采用“推掃型”成像方法得到高光譜圖像:面陣CCD探測器在光學焦面的垂直方向上做橫向排列完成橫向掃描(X方向),獲取的是對象在條狀空間中每個像素在各波長下的圖像信息;同時,在檢測系統輸送帶前進的過程中,排列的探測器掃出一條帶狀軌跡從而完成縱向掃描(Y方向)。

圖2?賽斯拜克高光譜成像儀系統

2 結果與分析

水果在采摘或運輸過程中,因外力的作用使其表皮受到機械損傷,損傷處表皮未破損,傷面有輕微凹陷,色稍變暗,肉眼難于覺察.受水果色澤的影響,傳統的計算機視覺技術不能對輕微損傷加以檢測,但是輕微損傷是水果在線檢測的主要指標之一.隨著時間的延長,輕微損傷部位逐漸褐變,最終導致整個果實腐爛并影響其他果實.因此,水果輕微損傷的快速有效檢測是目前研究的難點和熱點之一.利用高光譜成像技術對水果品質進行無損檢測已成為近年來的一個研究熱點,國內外許多學者利用高光譜成像技術開展了對梨、蘋果、甜瓜、草莓、芒果品質進行無損檢測的研究工作,并取得較好的研究結果。

?

與國外研究相比,國內利用高光譜成像對水果內部品質進行檢測是最近兩三年才開始進行的。

利用高光譜圖像技術進行了檢測水果輕微損傷的方法研究.試驗以蘋果為研究對象,利用500～900 nm的高光譜圖像數據,通過主成分分析提取547 nm波長下的特征圖像;設計不均勻二次差分,消除了蘋果圖像亮度分布不均勻的影響;再通過合適的數字圖像處理方法提取蘋果的輕微損傷.試驗結果表明,高光譜圖像技術對蘋果輕微損傷的檢測正確率達到88.57%。

以臍橙為研究對象,初步探討了應用高光譜圖像技術檢測水果表面農藥殘留的方法.檢測光譜為625～725 nm,應用主成分分析方法獲得特征波長圖像,基于第3主成分圖像對臍橙表面的農藥殘留進行檢測.檢測結果表明高光譜技術對檢測較高濃度農藥殘留非常明顯。

基于光譜儀的高光譜圖像系統檢測茶葉質量.通過主成分分析,優選出3個波段的特征圖像,從每個特征圖像中分別提取平均灰度級、標準方差、平滑度、三階矩、一致性和熵等6個基于統計矩的紋理特征參量,每個樣本共有18個特征變量.再通過主成分分析對這18個特征變量進行壓縮,提取8個主成分因子建立基于反向傳播神經網絡的茶葉等級判別模型.模型總體識別率為94%。

利用高光譜圖像技術檢測柑橘果銹.首先根據Sheffield指數確定最佳波段(625和717 nm),經比值變換后得到第一幅比值圖像.然后選取特征波長625 nm的鄰近波段621 nm,與其比值變換后得到第二幅比值圖像,提取輪廓,構建掩膜以消除第一幅比值圖像的背景噪聲,最后進行閾值分割和數字形態學運算,完成果銹區域的特征檢測.試驗結果表明基于波段比算法的高光譜圖像技術可有效檢測柑橘果銹,檢測率達到92%。

特征波段主成分分析法及波段比算法結合高光譜成像系統檢測臍橙表面潰瘍.首先,提取并分析11類果皮感興趣區域(ROI)光譜曲線,并結合主成分分析法確定5個最佳波段(630,685,720,810和875 nm).然后基于特征波段做主成分分析,選取第五主成分作為分類識別圖像,識別率達到80%。

賽斯拜克系列高光譜成像檢測系統,初步研究了蘋果在可見光及近紅外波段的壓傷和風傷.研究中首先確定與檢測水果品質的最有效特征波長,然后通過設計具有若干個波長的光譜圖像系統,從而應用到實際生產檢測中.這樣就可以大大地提高檢測效率,真正達到在線、快速、無損檢測肉類品質的目的。

3 結 論

隨著圖像處理技術、光譜分析技術、計算機技術等的快速發展和相互融合,并且由于通過高光譜成像能獲取待測水果豐富的圖像和光譜信息,能同時對水果綜合品質進行無損檢測,因而該技術在水果品質檢測過程中必將得到更廣泛的應用。

水果品質的無損檢測技術尤其是高光譜圖像檢測技術在我國還處于實驗研究階段,并沒有真正地投入到實際生產當中.所以,加速水果品質無損檢測設備的市場應用,實現水果的在線、快速、無損檢測對我國水果產業的現代化發展具有非常重要的實際意義。

我們利用高光譜技術初步研究了蘋果在可見光及近紅外波段的壓傷和風傷,進一步的研究還在進行中。