服务热线:
86-0755-23229824
您当前所在位置: 首页>>应用案例>>食品安全
高光谱图像技术在水果品质无损检测中的研究

高光谱图像技术在水果品质无损检测中的研究

       随着人民生活质量的逐步提升,消费者对水果质量的要求也越来越高。 但水果的内部品质不宜观察,且在采摘、包装和运输过程中,水果很容易受到人工或外界等物理因素的影响,致使其内外部的品质受到损伤 。 因此,发展准确、快速、无损的检测技术已成为水果品质检测领域重要的研究课题。 随着光谱技术的不断发展,高光谱图像技术被逐渐应用于水果无损检测。 作为新一代的光电检测技术,高光谱图像技术结合了光谱学、机器视觉、计算机图像学、近红外光谱检测等多学科知识,将光谱技术和传统的二维成像技术进行了有机融合,具有高分辨率、超多波段和图像光谱合一等优点 ,将高光谱图像技术应用于水果品质检测领域具有重要的意义 。 高光谱成像技术可以同时得到水果的图像和光谱信息,其中图像信息能够直接反映水果的外部形状特征、颜色、缺陷等情况 ,而光谱数据则可以用 于分析水果化学成分含量,如糖度、酸度、可溶性固形物含量等。 本文主要介绍国内外学者利用高光谱成像技术对水果品质进行无损检测的研究进展,并探讨了该技术未来的发展前景。


image.png


1 高光谱图像技术简介 

1. 1 高光谱成像系统 

       高光谱成像系统是20 世纪80年代兴起的新一代光电探测技术。一般认为,光谱分辨率在10-1λ 数量级的范围内称之为多光谱,光谱分辨率在10-2λ 数量级的范围内称为高光谱,高光谱成像相对多光谱成像而言具有更高的分辨率。 

       高光谱检测系统主要由源、面阵CCD或CMOS相机和计算机软硬件等组成。光源是高光谱成像系统的重要组成部分,为整个成像系统提供照明,其产生的光被检测物体吸收和散射后成为信息的载体,进入相机的入口狭缝,通过相机中的光谱成像仪将光信号映射到二维面阵检测器上,最后根据计算机软件和硬件采集、处理、分析以及存储高光谱图像数据。 

image.png


1. 2 高光谱图像数据的采集方式 

       根据高光谱图像采集方式的不同,可分为点扫描、线扫描和面扫描三种。 点扫描方式每次扫描只能获得一个像素点的光谱,不适用于快速检测,所以点扫描的方式常常被用于检测微观对象。线扫描方式通过每次扫描可以获得扫描线上的光谱,适用于传输带上物体的实时检测,因此该方法是水果品质检测中最常用的图像采集方法。点扫描和线扫描方式都属于光谱域扫描方式,首先获得图像的光谱和一个维度的空间信息,再通过扫描移动,获得另一维度空间信息。 而面扫描方式属于空间域扫描方式,可以同时获取单个波长下被测物体两个空间维度的图像信息,其数据采集量大且数据采集时间较长,高光谱成像系统中通常会选择面扫描方式。 


2 高光谱图像技术的研究进展 

2. 1 水果品质定性分析 

2. 1. 1 机械损伤 

     水果在收获和运输过程中很容易因为外界的冲击、振动或挤压而出现机械损伤,从而使水果的品级降低并造成经济损失。现在对水果机械损伤的检测多是通过人眼检测,检测精度较低,致使分类不够精准,无法满足消费者对水果质量的要求,而高光谱检测技术以其高精度无损检测的特点正在逐渐取代原有的检测技术。 

     近十年来,采用高光谱成像技术检测苹果机械损伤的研究已有很多,韩浩然等利用高光谱成像技术来检测苹果的摔伤,试验结果表明,波段比算法和主成分分析法分类识别正确率为93.3% ,适用于苹果摔伤的实时快速检测。 Baranowski 等采用配备了在可见光和短波近红外(VIS / SWNIR,400~1000nm) 传感器的高光谱相机、中波近红外(MNIR,1000~2500nm)和红外(IR,3500~5000nm) 范围的热成像相机系统来检测苹果的早期瘀伤。结果表明,将VIS / SWNIR、MNIR和IR三个范围结合在一起的模型获得了区分瘀伤和完好组织以及各种深度瘀伤的最佳预测效率, 使用广谱范围(400~5000nm)进行水果表面成像可以改善对苹果不同深度早期瘀伤的检测效果。Nayeli等利用近红外高光谱成像系统检测芒果的机械损伤,采用了五种分类方法,在产生损坏后的七天内捕获图像,从而可以有效检测到出现损坏的时刻。结果发现近邻法(k-Nearest Neighbours,k-NN)的分类效果最好,正确分类率可以达到97.90% 。林思寒利用PLS和LDA方法结合高光谱成像技术,建立了翠冠梨完好果和不同损伤天数碰压果的PLS-LDA检测模型。 

      结果表明,其机械损伤果和完好果的识别准确率都在90%以上,最高可达97.78% 。目前,现有高光谱检测技术的检测精度已经能够满足分类需求,但针对损伤程度的检测模型还较少。 


查看源图像

2. 1. 2 冻伤 

     冻伤是水果缺陷检测中最常见的指标之一,其早期检测和监测比较困难,为了更早地将有缺陷的水果从营销链中去除,需要一种快速、精确和无损的检测技术。近年来,研究人员针对苹果冻伤方面的研究主要集中在算法优化层面。 ElMasry等利用高光谱成像(400~1000nm)检测“红元帅”苹果中的冻伤,开发了一种前馈反向传播模型,选择出五个特征波长的光谱作为模型的输入,以普通与冻伤为输出结果,构建了人工神经网络识别模型。高光谱图像技术结合化学计量学方法在识别冻伤水果方面的研究已有一定进展,检测精度普遍较高,未来可以进行水果冻伤分级识别的在线检测研究,进一步提高检测效率。 


水果冻伤 的图像结果


2. 1. 3 成熟度 

       水果成熟度是决定水果内在品质的关键因素,也是确定水果货架期的重要指标。水果成熟的过程 非常复杂,以往所用的传统检测水果成熟度方法局限于人工视觉检测,实验室理化检测等。这些方法不但费时费力,主观性较强,且均需破坏样本才可实现[26-28] 。近年来,国内外学者开始研究无损检测技术对水果的成熟度进行判别分析,其中高光谱图像技术以其特有的优势,在水果成熟度方面的研究比较丰富。 

      Rajkumar等使用高光谱成像技术对香蕉成熟度进行了研究,提前采集水分含量、硬度和总可溶性固体等质量参数,并与光谱数据相关。运用PLS来分析光谱数据,使用预测的残差误差平方和来选择特征波长 。 

由此可见,不同的特征选择算法对于最后的分类精度影响很大,对不同水果选择不同的特征算法尤为重要。 


查看源图像


2. 2 水果品质定量分析 

2. 2. 1 硬度预测 

       硬度是表现水果成熟度和口感品质的一个重要特征,传统的硬度检测方法普遍对样本有损伤,而高光谱成像技术则能够对水果硬度进行快速、无损检测。张巍使用自主搭建的高光谱成像系统(500~1000nm),以蓝莓为研究对象,采用连续投影算法(SPA)对特征光谱进行提取,并建立基于全波段-BP神经网络的硬度预测模型与基于SPA-BP神经网络的硬度预测模型。 


2. 2. 2 可溶性固形物预测 

       水果中的可溶性固形物(SSC)包括可溶性糖类、 维生素、矿物质等,是影响水果内部品质的重要因素。 罗霞等利用高光谱技术采集火龙果的漫反射光谱,并进行火龙果可溶性固形物的无损检测。应用连续投影算法(SPA) 对特征变量进行选择,采用8种方法对原始光谱数据进行预处理,通过偏最小二乘法(PLS) 和前馈反向传播神经网络法(BPNN) 建立预测模型。在检测水果的可溶性固形物时,使用不同的预处理方法会对检测精度产生较大影响,应在多种预 处理方法中选取产生最优结果的预处理方法。 


2. 3 安全方面检测

2. 3. 1 药物残留 

       水果表面的药物残留不仅极大影响水果的质量安全,还影响果品出口贸易。因此,对水果表面的药物残留进行无损检测十分必要。徐洁等利用高光谱技术,建立距离判别分析模型和贝叶斯判别分析模型,并对哈密瓜表面残留药物的种类进行判别。结果表明,在紫外灯光源的环境中,距离判别法的准确率较高,为94. 67% ;在卤素灯光源环境中,贝叶斯判别法的准确率较高,为100. 00% 。Jiang等对苹果农药残留高光谱数据特征进行分析,构建了适用于苹果农药残留检测的AlexNet-CNN框架,并对四种高光谱苹果农药残留的6144张图像进行检测。结果表明,测试集检测精度为 99. 09% ,单波段平均图像检测精度为95. 35% 。可见,高光谱成像技术在药物残留检测方面已经达到了很高的精度。 


2. 3. 2 病虫害 

       病虫害的存在会极大地降低水果的品质,利用高光谱技术可以有效地对水果病虫害进行无损检测,这对水果品质分级具有重要意义。 Bart 等开发了一种高光谱NIR成像系统来识别苹果上的苦陷症,构建了PLS校准模型,用来区分未受影响的苹果表面和苦陷症。结果表明,该系统可以识别出收获后肉眼不可见的苦陷症,但无法区分苦陷症和软组织。使用高光谱成像方法确定枣中的受损区域,运用逐步判别分析法将枣分为有虫侵害型和无虫侵害型,分类准确率约为97. 0% 。但现有检测技术大多只能检测一种病虫害,少有开发出可以同时检测出多种病虫害的高光谱模型。 


image.png


3 存在问题及发展趋势 

       高光谱成像技术虽然在水果无损检测方面有较 多的应用,但仍存在着一些不足。 高光谱的穿透深度不够高,对于果皮比较厚的水果难以检测。 反射、透射时需要使用大光源,但光源能量过高又容易损伤水果,如何在无损检测和更深层检测间达到平衡是未来要解决的关键问题;高光谱的图像数据量大,冗余信息多,如何选择特征波长,去除无相关的变量来提升检测效率也是急需解决的一个问题;

       水果含水率普遍较高,高光谱检测时在1400nm后会受到水分吸收峰的影响,如何避免水分吸收峰对检测结果的影响也亟待解决。针对检测样品方面,现阶段大多数的研究都选取表皮较薄的水果(如苹果、梨、桃子等)进行品质缺陷检测,但对表皮较厚的水果(如西瓜、哈密瓜、椰子等)品质检测仍然较少,高光谱检测技术如何突破检测深度的限制将给这些较厚果皮水果品质检测带来新的应用。 在试验设计方面,大多数研究都只针对水果是否存在缺陷进行分级,没有考虑缺陷程度对水果保质期的影响,如水果受到轻微损伤后,在短期内其内外部品质与经济价值波动较小,但储存一定时间后水果品质可能会发生较大改变,因此研究缺陷程度对水果保质期的影响对水果储存及经储存后水果的品质预测具有深远的现实意义。 

       随着计算机技术和图像处理技术等的进一步发展和更深地融合,高光谱图像检测技术在水果品质无损检测领域必将有更加广泛的应用。在高光谱检测应用技术推 广方面,由于图像采集和处理速度的限制以及设备成本的制约,高光谱技术在现实生活中还未得到大范围的应用,可以权衡检测准确率与设备成本,开发专用小型化设备以实现高光谱技术的进一步推广。 


4 小结

       近年来,高光谱图像检测技术在水果品质的无损检测方面得到了广泛的应用,硬件的设计与实现以及图像处理的算法都取得了进步,检测的准确率逐渐提升,体现出其克服传统分析工具复杂性、繁琐性、破坏性的巨大潜力。 但高光谱图像技术还有较多问题值得深入研究,随着科技的进步以及信息时代的到来,此技术必将会越来越成熟,应用前景也将 越来越广阔。  


iSpecHyper-VS高光谱成像相机是莱森光学(LiSen Optics)专门用于公安刑侦、物证鉴定、精准农业、矿物地质勘探等领域的最新产品,主要优势具有体积小、帧率高、高光谱分辨率高、高像质等性价比特点。iSpecHyper-VS采用了透射光栅内推扫原理高光谱成像,系统集成高性能数据采集与分析处理系统,高速USB3.0接口传输,全靶面高成像质量光学设计 ,物镜接口为标准C-Mount,可根据用户需求更换物镜。iSpecHyper-VS高光谱成像相机广泛应用于公安刑侦、物证鉴定、精准农林、遥感遥测、 工业检测、 医学医疗、采矿勘探等各领域。


920500c5a2ef1845b0720fb008e5904.png



技术优势特点

1) 光谱范围400-1000nm或900-1700nm,高分辨率,分辨率优于3nm

2) 独有设计透射分光系统,体积小巧,支持二次开发

3) 高性能CMOS/CCD图像传感器

4) 高帧率,良好的稳定重复性,高信噪比

5) 全靶面高成像质量光学设计,点列斑直径小于0.5像元

6) 物镜接口为标准C-Mount,可根据用户需求更换物镜


1629449817(1).png


1629451298(1).png


                                                                                                                                             

主要技术指标

1629451425(1).png

1629451643(1).png


Copyright © 2020 All Rights Reserved 莱森光学(深圳) 有限公司·版权所有 备案号:粤ICP备18141551号-1