基于高光谱成像技术的苹果损伤研究

                                           ——四川双利合谱科技有限公司

一、 引言

随着人们生活水平的提高,消费者越来越关注果蔬的品质安全问题。如

水果的损伤不仅会造成果蔬的腐烂,而且会严重影响消费者的身体健康。因此水果损伤快速有效检测是非常有实际价值的。虽然水果的损伤和正常区域在外部特征上呈现出极大的相似性,但是损伤区部位发生一定的变化,这种变化可以通过特定波长下的光谱表现出来。

高光谱图像技术结合了光谱分析和图像处理的技术优势,对研究对象的内外部品质特征进行检测分析,赵杰文等利用高光谱图像技术检测水果轻微损伤,准确率为88.57 %Jasper G .Tallada等分别应用高光谱图像技术对不同成熟度的

草莓表面损伤、苹果的表面缺陷及芒果的成熟度检测进行了试验研究。王玉田等运用荧光光谱检测出水果表面残留的农药;胡淑芬等运用激光技术对水果

表面农药残留进行了试验研究;薛龙等针对水果表面农药残留,以滴有较高浓度的脐橙为研究对象,利用光谱范围425-725 nm的高光谱图像系统进行检测,发现对较高浓度的农药残留检测效果较好。本文采用高光谱图像技术检测水果的损伤区域,以实现损伤区域共同识别的目的。

二、 试验材料与方法

2.1  实验材料

本研究以苹果为研究对象,分析苹果的腐烂区域。其中苹果的腐烂区域是天然形成。

2.2  实验设备

高光谱成像数据采集采用四川双利合谱科技有限公司的 GaiaSorter高光谱分选仪系统。该系统主要由高光谱成像仪(V10E)CCD 相机、光源、暗箱、计算机组成,结构图与实景图如图1。实验仪器参数设置如表1

1   GaiaSorter 高光谱分选仪系统参数

序号

项目

参数

1

光谱扫描范围/nm

350~1000

2

光谱分辨率/nm

2.8

3

采集间隔/nm

1.9

4

光谱通道数

520

 

QQ截图20170804101608.jpg

 

 1  GaiaSorter 高光谱分选仪结构图与实景图

2.3  图像处理分析

采用SpecViewENVI/IDL对高光谱数据的预处理及分析,预处理中的镜像变换、黑白帧校准在SpecView中进行;其他数据的分析在ENVI/IDL中进行。

三、结果与讨论

3.1  苹果腐烂区域和正常区域的光谱分析

    取苹果腐烂区域与正常区域各200个像元,分别获取这200个像元的光谱反射率,并求取这200个像元的反射率均值,如图2所示,其中,红色代表苹果的腐烂区域光谱区域的光谱反射率,蓝色代表正常区域的光谱反射率,绿色代表农药残留区域的光谱反射率。从图中可知,在400-100 nm范围内,农药残留区域的光谱反射率,其次是正常区域,是腐烂区域的光谱反射率。研究发现这三个区域在610 nm处有一峰值,在650 nm处有一吸收谷,在650-680 nm区间有一陡坡,由于三个区域均有以上特征,所以可以认为这也是苹果特有的特征位置。

图片2.jpg

2  苹果腐烂区域、农药残留区域与正常区域的光谱反射率

3.2苹果腐烂区域提取

对经过镜像变换、黑白帧校准的高光谱图像,根据苹果与背景区域的光谱差异,利用ENVI/IDL软件的波段运算建立腌膜,获取纯苹果图像,对苹果图像做主成分分析,根据获取的主成分图像,选取能较好区分腐烂区域和正常区域的主成分图像(PC2),通过阈值分割的方法分别获取苹果腐烂区域如图所示。大的部分为腐烂区域,小的为农药残留区域。   图片4.jpg

4 苹果腐烂区域与农业残留区域提取流程图

3.5  讨论

    高光谱成像技术应用于水果表面损伤已体现出其“图谱合一”的优越性。水果轻微损伤往往发生在表皮之下,和正常区域的颜色相差不大,肉眼难以识别。随着时间的推移,损伤区域会逐渐褐变,导致整个水果腐烂,甚至影响其他果实。本研究结果表明,运用高光谱成像技术,运用主成分分析、腌膜等方法等,可以有效地提取水果损伤,从而达到快速检测的目的。