基于可見/近紅外高光譜成像技術的西甜瓜糖度檢測

何洪巨，胡麗萍，李 武，陳興海，黃 宇，劉業林

(1 北京市農林科學院蔬菜研究中心，北京 100097；2四川雙利合譜科技有限公司，成都 610016)

?

基于可見/近紅外高光譜成像技術的西甜瓜糖度檢測

何洪巨1，胡麗萍1，李 武1，陳興海2，黃 宇2，劉業林2

(1北京市農林科學院蔬菜研究中心，北京 100097；2四川雙利合譜科技有限公司，成都 610016)

提出了以不同品種的西瓜、甜瓜為研究對象，利用可見光/近紅外成像高光譜技術分析不同糖度的西瓜、甜瓜的光譜差異及西瓜、甜瓜糖度在可見光/近紅外波段范圍的響應。研究表明應用成像高光譜技術檢測西甜瓜糖度具有可行性，為進一步研究不同水果糖度高精度模型奠定基礎。

成像高光譜；西甜瓜；糖度；光譜差異；監測模型

糖度是影響西甜瓜營養與風味的主要因素，既可表征成熟度，又可體現其品質[1]。隨著成像和光譜技術的快速發展，高光譜成像技術已經廣泛應用于農產品品質的快速無損檢測[2]。高光譜成像技術融合了傳統的成像和光譜技術的優點，可以同時獲取被檢測物體的空間信息和光譜信息，因此該技術既可以檢測物體的外部品質，也可以檢測物體的內部品質如水果的糖度、堅實度、酸度等[3-7]。

董一威等[8]以紅富士蘋果為研究對象，應用自行搭建的CCD近紅外光譜系統檢測蘋果的糖酸度，研究結果表明在630～1 030 nm范圍內，可實現對蘋果糖度、酸度的無損檢測研究；金同銘等[9]利用近紅外光譜法檢測蘋果中蔗糖、葡萄糖、果糖三種組分，篩選出914、950、897 nm分別代表蔗糖、葡萄糖和果糖的第一特征波長；趙麗麗等[10]運用近紅外光譜儀獲取蘋果和番茄的光譜，并建立蘋果糖度、硬度及番茄的紅素的數學模型，所有模型的相關系數均在0.8以上，證明利用紅外區域光譜可進行果品類品質的檢測；田海清等[11]利用透射光譜儀獲取蜜瓜的光譜信息，運用經典最小二乘法、逐步多元線性回歸、主成分分析、偏最小二乘法等方法構建模型并檢驗，結果表明PLS法的建模與預測結果較好；Polder 等[12]利用可見光(波長范圍為396～736 nm)高光譜成像系統對西紅柿的成熟度進行判別研究。

然而，大多數研究者利用光譜儀檢測果類品質、糖度、酸度等時，很少有研究者利用多類水果或多品種水果進行研究分析其不同糖度、酸度的光譜差異及特征響應波段范圍。研究單一品種或單一類水果的檢測模型其穩定性低、普適性弱，不能較好地實現科研成果產業化的發展。因此本研究以無籽/有籽西瓜、青色/黃色甜瓜為研究對象，利用可見/近紅外高光譜成像技術，探索不同種類西甜瓜不同糖度光譜差異及特征響應波段范圍，為探索不同水果糖度高精度檢測模型奠定基礎。

1 材料與方法

1.1 試驗材料

試驗材料2015年9月取自大興龐各莊實驗基地。包括不同類型西甜瓜品種(有籽西瓜、無籽西瓜)；甜瓜(青皮甜瓜、黃皮甜瓜)。進行瓜瓤的光譜采集和含糖量測定。

1.2 高光譜圖像采集

高光譜圖像數據采集采用某公司的 GaiaSorter高光譜分選儀系統。該系統主要由高光譜成像儀、CCD相機、鹵素燈光源、暗箱、計算機組成。試驗儀器參數設置如表1。在進行高光譜圖像采集時，需要設置相機曝光時間，平臺移動速度以及物鏡之間的距離。這 3 個參數相互影響，圖像調節的目的是使采集的圖像大小合適，清晰，不變形失真。經過反復嘗試，物鏡高度設置為 26 cm，曝光時間設置為10ms，平臺移動速度設置為 4.3 mm/s。圖像采集軟件采用某公司提供的高光譜成像系統采集軟件SpecView完成。圖像處理采用 ENVI5.3 軟件進行處理。在進行圖像處理之前，先要對采集的光譜圖像進行圖像校正，圖像校正公(1)式：

(1)

(1)式中，Rref 是校正過的圖像，DNraw 是原始圖像，DNwhite為白板校正圖像，DNdark 是黑板校正圖像。

表1 GaiaSorter 高光譜分選儀系統參數

1.3 糖度測定與光譜反射率的獲取

西瓜、甜瓜樣本光譜數據采集后，為避免光照對糖度造成一定的變化，因此在微光條件下，在西瓜、甜瓜樣品上分別作五處標志和四處標志，并立即用PR-101數字式折射儀對標志部位進行糖度測量，分切取約 15 mm×10 mm×5 mm中部內緣果肉擠出汁液滴到折光儀鏡面上，覆蓋住底部，測量其糖度并記錄。

1.4 光譜獲取

試驗得到的光譜含有由儀器和試驗條件等引起的噪聲，對這些噪聲的處理有助于減少噪聲對光譜分析的影響，突出光譜的有效信息。Savitzky-Golay(SG)平滑算法可以有效消減光譜數據中的隨機噪聲，消噪效果受平滑點數的影響，本文中選擇SG二次多項式7點平滑對光譜數據進行處理[13]。在高光譜圖像上找到西瓜、甜瓜的標志處，運用ENVI的感興趣區域提取功能，獲取糖度測量區域，提取該區域的平均光譜，將此平均光譜與其對應的糖度建立一一對應的關系。

1.5 建模與檢驗數據

共獲取了西甜瓜共36處的糖度值并獲取其對應區域的平均光譜反射率，其中西瓜共有20個糖度值(有籽無籽西瓜各2個，分別在西瓜的東西南北中5個位置取樣點)，甜瓜共有16個糖度值(青黃甜瓜各2個，分別在甜瓜的東西南北4個位置取樣點)，采用隨機抽樣的方式獲取11個西瓜糖度值、9個甜瓜糖度值及其光譜反射率作為建模數據，其余西瓜、甜瓜糖度值及對應的光譜反射率作為檢驗數據。西甜瓜建模與檢驗集的糖度值統計信息如表2所示，本研究采用建模R2、檢驗R2、相對均方根誤差、Slope和截距等來評價模型性能[14]。

2 結果與分析

2.1 有籽西瓜不同含糖量的光譜分析

從圖1可知，不同含糖量在紅光至近紅外區間差異明顯，隨著糖度升高其光譜反射率呈增加的趨勢；在550、700、800 nm附近出現小峰值，這由于有籽西瓜的有機分子中含氫基團振動的合頻、各級倍頻的吸收作用引起的；在570～650 nm 紅光區域反射率呈直線上升，這與西瓜含有紅色素有關。

表2 西甜瓜建模與檢驗集的糖度值統計信息

圖1 有籽西瓜不同含糖量的光譜曲線差異

2.2 無籽西瓜不同含糖量的光譜分析

從圖2中可知，在400～600 nm范圍內，高糖度的光譜反射率與低糖度的光譜反射率差異顯著，高糖度的光譜反射率大于低糖度的光譜反射率；在650～900 nm處，隨著糖度升高其光譜反射率升高；在570～650 nm 紅光區間反射率呈直線上升，這與西瓜含有紅色素有關；在550、700、800 nm附近出現小峰值。綜合圖1和圖2可知，西瓜瓜瓤在550、700、800 nm附近有峰值；在570～650 nm 紅光區域反射率呈直線上升，因此570～650 nm波段范圍與550、700、800 nm等3個波段都可以作為西瓜瓜瓤的特征波段。

2.3 黃色甜瓜不同含糖量的光譜分析

圖2 無籽西瓜不同含糖量的光譜曲線差異

從圖3可知，隨著含糖量的升高在可見光、近紅外區間其光譜反射率呈增加的趨勢。在410～600 nm 區間反射率上升速度較快；在600～680 nm區間反射率上升緩慢；在680～720 nm區間緩慢下降；在720～800 nm處呈上升趨勢；到了800 nm后，光譜反射率呈下降趨勢；與西瓜瓜瓤相似，在700 nm和800 nm附近有2個峰值，與西瓜一樣，這也是由于甜瓜的有機分子中含氫基團振動的合頻、各級倍頻的吸收作用引起的?？傮w而言，黃色甜瓜糖度不同，其光譜曲線差異顯著。

圖3 黃色甜瓜不同含糖量的光譜曲線差異

2.4 青色甜瓜不同含糖量的光譜分析

從圖4可知，在430～550 nm范圍內，隨著含糖量的升高其光譜反射率減??；在550～700 nm區間隨著甜瓜糖度的升高，其反射率升高；在550～580 nm區間反射率上升較快，形成陡坡；在680 nm附近，低糖度的甜瓜瓜瓤出現低谷，含糖量越高，谷值越深；與西瓜瓜瓤相似，在700 nm和800 nm附近也有2個峰值；在700～1 000 nm區間，糖度與光譜反射率曲線無顯著規律變化。綜合圖3和圖4可知，在400～550 nm范圍內，黃色甜瓜的光譜反射率顯著高于青色甜瓜，甜瓜在700、800 nm附近有峰值；在500～600 nm 范圍內反射率呈直線上升，形成陡坡，因此500～600 nm波段范圍與700、800 nm兩個波段都可以作為甜瓜瓜瓤的特征波段。

圖4 青色甜瓜不同含糖量的光譜曲線差異

2.5 糖度相近時不同品種不同種類水果的光譜曲線分析

從圖5可知，西瓜雖然品種不同，其光譜曲線相近，在580～650 nm范圍內光譜反射率直線上升，形成陡坡，在550、700、800 nm等3個波長附近有3個吸收峰。兩種甜瓜在400～600 nm范圍內，光譜曲線變化規律相似，在520～580 nm附近光譜反射率曲線直線上升，形成陡坡；但在600～720 nm范圍內，2個品種的甜瓜光譜曲線差異顯著，青色甜瓜在680 nm附近有吸收谷，而黃色甜瓜沒有出現吸收谷，在720～1 000 nm范圍內，2個品種的甜瓜光譜曲線變化趨勢相似。比較西瓜、甜瓜兩種水果的瓜瓤光譜曲線可知，兩種水果都陡坡形成，只是陡坡形成的位置有所差異，在700 nm和800 nm附近均有吸收峰，在720～1 000 nm范圍內，不同品種的西瓜、甜瓜光譜反射率曲線變化趨勢相似。

圖5 糖度相近不同西甜瓜的光譜曲線圖

2.6 水果糖度與各波段的光譜反射率的相關性分析及模型構建

從圖6中可知，4種不同品種的水果，其光譜反射率對糖度的響應差異較大。對2個品種的西瓜而言，無籽西瓜在400～600 nm范圍內，其光譜反射率與含糖量呈負相關關系，在600～1 000 nm范圍內，其光譜反射率與含糖量呈正相關關系，其中600 nm處為零界點；有籽西瓜在400～630 nm范圍內，其光譜反射率與含糖量呈負相關關系，在620～700 nm與820～1 000 nm范圍內，其光譜反射率與含糖量呈正相關關系，在700～820 nm范圍內，其光譜反射率與含糖量相關性較小，接近為0；在660 nm附近，有籽和無籽西瓜的光譜反射率與含糖量形成1個峰值，因此，660 nm可作為西瓜瓜瓤對糖度的一個特征響應波段。而對于兩個品種的甜瓜，黃色甜瓜的光譜反射率與糖度在400～1 000nm范圍內呈正相關關系，但在520 nm附近出現一個谷值，該谷值為0，即與糖度相關性為0；在550～1 000 nm范圍內，黃色甜瓜的光譜反射率與糖度相關性較為穩定，保持在0.8左右；青色甜瓜在400～570 nm范圍內，其光譜反射率與含糖量呈負相關關系，在570～1 000 nm范圍內，其光譜反射率與含糖量呈正相關關系，與黃色甜瓜類似，在520 nm附近出現1個谷值，該谷值為0.8，即相關系數為0.8；青色甜瓜的光譜反射率與含糖量的零界點在570 nm，即相關系數為0。

圖6 西甜瓜的糖度與各波段反射率的相關系數

從圖7可知，西瓜、甜瓜的糖度與各波段的光譜反射率相關性較高的集中在630～650 nm，其中相關系數最高的是639.3 nm處，其相關系數為0.951。根據圖8散點圖的分布進行線性擬合，其一次線性擬合的模型為：y=30.941x-11.05，決定系數R2為0.904。運用獨立的數據對該線性模型y=30.941x-11.05進行檢驗，如圖9所示，其實測值與預測值之間的決定系數R2為0.847、斜率Slope為0.905、截距為0.867，相對均方根誤差為6.78%。結果表明，由639.3 nm處的光譜反射率與其糖度構建的一次線性模型對于西瓜、甜瓜等糖度的預測具有較好的效果。

圖7 綜合西甜瓜的糖度與其波段反射率的相關系數

圖8 西瓜、甜瓜在639.3 nm處光譜反射率與其糖度的散點圖

圖9 639.3 nm處的光譜反射率與糖度的模型檢驗

3 結論

本研究通過分析不同品種的西瓜、甜瓜的光譜曲線可知，對于不同品種的西瓜而言，其光譜曲線總體變化趨勢相似，在550、700、800 nm附近有吸收峰，在570～650 nm 紅光區域反射率呈直線上升，形成陡坡，因此570～650 nm波段范圍與550、700、800 nm等3個波段都可以作為西瓜瓜瓤的特征波段。對于不同品種的甜瓜，在400～550 nm范圍內，黃色甜瓜的光譜反射率顯著高于青色甜瓜，甜瓜在700、800 nm附近也有吸收峰；在500～600 nm 范圍內反射率呈直線上升，形成陡坡，因此500～600 nm波段范圍與700、800 nm兩個波段都可以作為甜瓜的特征波段。比較相似糖度下的西瓜和甜瓜的光譜曲線可知，兩種水果都陡坡形成，只是陡坡形成的位置有所差異，甜瓜的光譜曲線陡坡在500～600 nm附近，西瓜的光譜曲線陡坡在570～650 nm附近；在700 nm和800 nm附近均有吸收峰，在720～1 000 nm范圍內，不同品種的西瓜、甜瓜光譜反射率曲線變化趨勢相似。

不同品種的西瓜、甜瓜，其光譜反射率對糖度的響應差異較大，但在紅光范圍630～670 nm范圍內均有較高的相關性。綜合不同品種、不同種類的西甜瓜光譜反射率，分析其對糖度的響應波段范圍，研究表明，波段響應最高的是639.3 nm，其相關系數為0.951，利用獨立的建模與檢驗數據，運用639.3 nm處的光譜構建監測模型，并對該模型進行檢驗，其建模R2為0.904、檢驗R2為0.847、斜率Slope為0.905、截距為0.867，相對均方根誤差為6.78%，取得較好的研究效果，研究結果表明，應用成像高光譜技術檢測西甜瓜糖度具有可行性?！?/p>

[1]馬本學，等.基于漫反射高光譜成像技術的哈密瓜糖度無損檢測研究[J].光譜學與光譜分析，2012，11(32)：3093-3097.

[2]張保華，等.高光譜成像技術在果蔬品質與安全無損檢測中的原理及應用[J].光譜學與光譜分析，2015，10(34)：2743-2751.

[3]劉燕德，鄧清.高光譜成像技術在水果無損檢測中的應用[J].農機化研究，2015，7(5)：227-235.

[4]孫梅，陳興海，張恒，等.高光譜成像技術的蘋果品質無損檢測[J].紅外與激光工程，2014，43(4)：1272-1277.

[5]Nagata M，et al.NIR hyperspectral imaging for measurement of internal quality in strawberries[C]，2005 ASAE Annual Meeting.American Society of Agricultural and Biological Engineers，2005，1：053131-053141.

[6]傅霞萍，等.水果堅實度的近紅外光譜檢測分析試驗研究[J].光譜學與光譜分析，2006，26(6)：1038-1041.

[7]曾一凡，等.可見/近紅外光譜技術無損檢測果實堅實度的研究[J].農業工程學報，2008，24(5)：250-252.

[8]董一威，籍保平，史波林，等.蘋果中糖酸度的CCD近紅外光譜分析[J].食品科學，2007，28(8)：376-380.

[9]金同銘.蘋果中主要糖類的非破壞分析[J].食品科學，1996，17(2)：60-64.

[10]趙麗麗.果品類內部品質近紅外無損檢測技術的研究[D].北京：中國農業大學，2003.

[11]田海清，等.蜜瓜糖度透射光譜檢測技術[J].農業機械學報，2010，41(12)：130-133.

[12]Polder G，et al.Spectral image analys is for measuring ripeness of tomatoes [J].American Society of Agricultural Engineers，2002，45(4)：1155-1161.

[13]張初，等.利用近紅外高光譜圖像技術快速鑒別西瓜種子品種[J].農業工程學報，2013，29(20)：270-277.

[14]Yao Xia，et al.Evaluation of Six Algorithms to Monitor Wheat Leaf Nitrogen Concentration[J].Remote Sensing，2015，7(11)：14939-14966.

(責任編輯 李燕妮)

Sugar Test in Watermelon and Muskmelon with Visible/Near Infrared Hyperspectral Imaging Technology

HE Hong-ju1，HU Li-ping1，LI Wu1，CHEN Xing-hai2，HUANG Yu2，LIU Ye-lin2

(1Beijing Vegetable Research Center，Beijing Academy of Agriculture and Forestry Sciences，Beijing 100097，China；2Sichuan Dualix Spectral Image Technology Co.Ltd，Chengdu 610016，China)

We propose used different varieties of watermelon，muskmelon as the research object，using visible / near infrared imaging hyperspectral technology to analyze the spectra of different sugar content in watermelon and muskmelon，and the responses in the visible / near infrared range of different sugar content in watermelon and muskmelon.The research showed that the application of hyperspectral imaging technology to detect the sugar content of watermelon and muskmelon was feasible，which layed the foundation for the further research for the high precision model of sugar content of different fruit.

Hyperspectral imaging；watermelon and muskmelon；sugar content；spectral different；monitoring model

西甜瓜產業技術體系(項目編號：CARS-26)；北京市農林科學院科技創新能力建設專項(項目編號：KJCX20140111)。

黃宇(1987— )，男，碩士，工程師，研究方向：農業遙感。

何洪巨(1967— )，男，博士，研究員，研究方向：蔬菜營養品質、活性物質和安全與健康。