高光譜技術(shù)在蘋果檢測(cè)中的應(yīng)用.pdf

1、蘋果在采摘或者運(yùn)輸過程中，會(huì)不可避免的因?yàn)橐恍┩饬υ蛟斐刹煌潭鹊膿p傷，有些損傷表面看不出來或者不明顯，但是損傷部位的內(nèi)部品質(zhì)卻已經(jīng)發(fā)生變化，所以對(duì)于蘋果外部損傷的檢測(cè)至關(guān)重要，同時(shí)消費(fèi)者在挑選水果時(shí)從以往僅僅關(guān)心水果的外部品質(zhì)，也開始注重水果的內(nèi)部品質(zhì)。
　　本文以糖心富士蘋果為研究對(duì)象，利用高光譜成像技術(shù)（380-1038nm）對(duì)蘋果的外部損傷進(jìn)行檢測(cè)，針對(duì)全波段圖像采用主成分分析方法選出特征主成分圖像，根據(jù)該主成分圖像的特

2、征向量優(yōu)選出10個(gè)特征波段，并針對(duì)特征波段再作一次主成分分析，選取第四個(gè)主成分圖像（PC-4）做圖像處理和識(shí)別，其綜合識(shí)別正確率只有81％。原因是采集的蘋果數(shù)據(jù)存在光斑從而影響實(shí)驗(yàn)效果，本文利用圖像差值算法消除光斑的影響，將綜合識(shí)別率提高到90%。其次，本文利用高光譜成像技術(shù)對(duì)蘋果內(nèi)部指標(biāo)（糖度和pH值）進(jìn)行無損檢測(cè)研究，通過對(duì)原始光譜分別進(jìn)行了多元散射校正(MSC)、Savitzky-Golay(S-G)卷積平滑和 MSC+S-G的光

3、譜預(yù)處理，根據(jù)相關(guān)系數(shù)法優(yōu)選出特征波段，利用偏最小二乘回歸（PLSR）和主成分回歸（PCR）建立預(yù)測(cè)模型。結(jié)果顯示，對(duì)糖度值而言，對(duì)原始光譜進(jìn)行 S-G卷積平滑處理，并應(yīng)用 PCR建模效果最好，真實(shí)值和預(yù)測(cè)值的平均相對(duì)誤差為0.022877；對(duì)pH值而言，對(duì)原始光譜進(jìn)行MSC處理，并應(yīng)用PCR建模效果最好，真實(shí)值和預(yù)測(cè)值的平均相對(duì)誤差為0.014614。最后，本文提出了一種利用高光譜技術(shù)檢測(cè)蘋果口感指標(biāo)（酸味和澀味的回味）的研究方法，利

4、用相關(guān)系數(shù)法選取特征波長，并建立特征波段下口感指標(biāo)的PLSR預(yù)測(cè)模型。結(jié)果表明，可以利用高光譜技術(shù)進(jìn)行蘋果口感指標(biāo)的檢測(cè)，其中酸味的模型中預(yù)測(cè)集的相關(guān)系數(shù)為0.9700，預(yù)測(cè)均方根誤差為0.8587，平均相對(duì)誤差為0.042189；澀味的回味模型中預(yù)測(cè)集的相關(guān)系數(shù)達(dá)到0.9115，預(yù)測(cè)均方根誤差為0.0843，平均相對(duì)誤差為0.146391。
　　綜上所述，利用高光譜成像技術(shù)不僅能有效的對(duì)蘋果外部損傷進(jìn)行檢測(cè)，還可以對(duì)蘋果的內(nèi)部品