高光譜成像技術在農產品檢測中的應用

秦勤

摘 要：目前，農產品檢測手段日趨多樣化，新技術和新方式逐漸引入，其中近年來高光譜技術和輔助的計算機技術的發展速度逐漸增加，高光譜技術越來越成為農產品檢測的核心技術手段。高光譜成像結合了圖像分析和光譜分析，圖像信息可以代表農產品的外在品質和特征。光譜信息可用于檢測農產品的內部質量，可以充分反映農產品的內外質量信息，還可以保證檢測快速、便捷以及準確。

關鍵詞：高光譜 成像技術 農產品檢測 應用

中圖分類號：S123 文獻標識碼：A 文章編號：1674-098X（2019）04（a）-0155-02

農產品是一個國家最重要的產品之一，對于居民生活也是必不可少的。農產品的安全與放心對于每個居民來說都至關重要。目前我國食品安全的檢測手段還停留在較為初級的階段，這些手段準確性較差，較為依靠經驗，沒有使用現今的科學手段所以導致檢驗效果不佳。例如，市場上測定蔬菜的農殘，需要對蔬菜進行預處理，且結果不穩定。近年來，隨著農業科學技術的不斷發展，高光譜成像技術已成為農產品無損檢測的重要手段，成為一種新興的快速無損檢測方法。通過使用此類無損快速檢測技術，可以有效地檢測農產品及其它食品是否達到食品安全標準，也可以有效補充食品安全監管部門現有的快速檢測技術中的短板。

1 高光譜成像技術的原理及系統

高光譜成像技術結合了光學、電子、圖像處理和計算機科學的技術。利用高光譜技術可以在保證農產品完好的前提下對農產品進行充分的檢測。光譜數據可用于分析農產品的內部含量，例如糖含量、酸度、水含量和可溶性固體（SSC）含量。對于水果和蔬菜產品，主要指標是物理性質，如形狀和大小、顏色、硬度、缺陷和污染物以及化學性質，如糖含量、酸度、水分和SSC；對于谷物產品，如玉米、大米、小麥等，主要測試其化學性質，如水、淀粉和蛋白質；對于肉制品，主要測試其柔軟性和化學性質，如水分和蛋白質。

1.1 高光譜成像原理

高光譜成像技術是一種先進的技術，它結合了二維成像技術和光譜分析技術，利用多種窄帶電磁波光譜技術，通過成像獲取物體特征的相關參數。它可以在電磁波的紫外、可見、近紅外和紅外區域獲得一系列非常窄且光譜連續的圖像數據。每個像素包含數十到數百個窄帶光譜信息，從而產生連續和完整的光譜曲線高光譜數據可以提取輻射信息，如反射率、吸光度和透射率，可以進一步分析樣品的物理和化學成分。

1.2 高光譜成像系統

根據CCD攝像機與光源的位置關系，高光譜圖像采集方法分為三種：反射、透射和漫透射；根據高光譜圖像采集的不同方法，高光譜圖像采集方法可分為三種類型：表面掃描、線掃描和點掃描。

在整個高光譜成像技術中，光譜儀和CCD相機是較為重要的組成部分。光譜儀是一種光學傳感器，可捕獲大量連續的窄帶光譜圖像數據，允許每個像素具有連續的光譜數據。CCD相機是遙感相機，其使用電荷耦合器件作為光傳感器和光電轉換器，并且可以將從物體表面反射或透射的光信號轉換為電信號。光源為成像系統提供照明。對于光源來說，近紅外光譜吸收表現最好，因此常用近紅外光譜。

1.3 系統校準和圖像校正

由于圖像采集過程中傳感器的差異和非線性，光源的差異和A/D轉換器的靈敏度不足等。需要系統校準以獲得高質量的高光譜圖像。高光譜圖像校正包括圖像處理期間的增益、暗電流偏移、可變積分時間等。在圖像校準中，通過對比校準參考圖像與原始圖像，以獲得完整的高光譜圖像。

1.4 圖像數據處理方法

高光譜圖像具有高分辨率、多頻帶和冗余信息的特性，因此數據處理困難。因此需要對數據進行分類，根據不同種類的數據，科學地選擇合適的處理方法。在高光譜圖像數據的處理中，有三個階段：光譜預處理，數據維數減少和模型建立。高光譜圖像初始質量較低，因此必須對圖像進行處理，以提升其質量，獲得較為清晰的高光譜圖像，方便后續的分析。因為高光譜圖像數據具有許多維度和大量數據，所以必須降低光譜數據的維數。常用的方法有很多種，其中主成分分析（PCA）和獨立成分分析（ICA）較為常見，是分析中的較好選擇。在高光譜數據尺寸減小后提取特征帶，并使用特征帶建立數學模型。在數學模型的建立過程中，采取最小二乘法等方法可以有效地對數據進行分析，加強數據的有用性，提高信息質量。它結合了三種方法的優點，利用回歸分析、主成分分析等數學方法進行比較計算，加強了模型的嚴謹性，提高了實驗精度，對數據質量進行了保證。

1.5 高光譜成像技術優勢

高光譜成像技術相對于其他的成像技術的獨特優勢是將圖像技術和光譜信息結合起來，用“三維數據塊”來形象的描述。圖像信息是用來描述該產品的外部特征，比如大小、形狀等外部特征，比如橙子顏色、大小、農藥殘留量等相關屬性。光譜信息原理就是利用不同特征所吸收的光譜不同，所以也能反應產品內部特征，比如橙子物理特征和化學成分的差異，是否成熟和變質，與其他的橙子存在什么區別等。這樣就可以將這些肉眼難以發現的表征，通過高光譜成像技術直觀的表達出來，進而快速有效的判斷產品質量的好與壞，農產品的安全與否。

2 高光譜技術的具體應用

高光譜成像技術也越來越廣泛地應用于農產品的無損檢測領域。國內外研究人員在水果、蔬菜、肉類、谷物等農產品無損檢測的質量和安全性方面取得了一系列成果。它為廣泛使用農產品無損檢測奠定了堅實的基礎。

水果和蔬菜的內部質量檢測水果和蔬菜內部質量的無損檢測研究主要是糖含量等指標，國內和國外學者針對此進行了大量研究，總結了一套合適有用的方法，適應大多數檢驗檢測。果糖含量是水果的一個重要指標，它與水果品質的好壞息息相關，但不損害農作物而測試果糖含量較為困難，因此采用高光譜成像方法，對果糖濃度進行測算，這種方法既可以滿足準確度的要求，又不會對農作物造成損害，可以保證商品的繼續流通。著名學者馬本學等人利用高光譜成像系統獲得了檀香糖的漫反射光譜圖像，并選擇了500～820nm作為有效波段。通過PLS、SMLR和PCR分別建立皮膚和去皮的哈密瓜糖測試模型。結果表明，利用PLS方法檢測剝皮哈密瓜的含糖量是可行的，SMLR最適合檢測剝皮哈密瓜的含糖量、校正集與預測集之間的相關系數。RMSEC分別為0.928、0.818和0.458、0.7270，郭俊賢等并進行了蘋果分級和糖預測研究。根據文獻所記載的利用高光譜成像方法檢測農產品果糖含量的數學模型，加以對比計算，得出結果。研究了同時檢測蘋果表面損傷和糖含量的可行性。首先，對蘋果的第一差分分量圖像和794nm圖像的帶差分圖像進行去噪和劃分，分別為0.93和0.92。通過上述實驗，證明了利用高光譜檢驗，對農作物實現無損檢驗的方法可行度很高，并且質量較高，使用便利，數據準確，優于傳統方法，適合推廣使用作為常用的農作物檢驗方法。

3 結語

高光譜圖像將圖像信息與光譜信息相結合，分析農產品的外部質量和農產品的內部質量。它有著檢測過程快、成本低，對農作物無損傷的優點，同傳統方法相比，應用前景更廣，值得更進一步的推廣。在我國對于蘋果果糖的實驗中，其也通過了測試，表現出比傳統方式更加方便快捷的特征，提供了信息質量更高的檢測結果，并且該結果也可以運用于其他農作物的檢測之中。它取得的良好的效果，極大地促進了快速檢測技術的發展，也有助于解決目前食品安全的難題。

參考文獻

[1] 王玉梅，郭淑杰.農產品病蟲害高光譜成像無損檢測的研究進展[J].科學技術創新，2018（15）：164-165.

[2] 張秉熙.農產品無損檢測中高光譜成像技術的應用[J].食品安全導刊，2017（27）：65-66.

[3] 庫靜.不同高光譜成像方式的馬鈴薯內外部品質檢測方法研究[D].華中農業大學，2016.