基于高光譜成像技術的小白杏成熟度判別模型

劉金秀，賀小偉，羅華平*，徐嘉翊，楚合營，申麗麗

（1.塔里木大學機械電氣化工程學院，新疆 阿拉爾 843300；2.新疆維吾爾自治區教育廳普通高等學校現代農業工程重點實驗室，新疆 阿拉爾 843300）

新疆杏果種植歷史悠久，種植規模和產量均居于全國第一。截至2020年，杏果年產量超過1.5×106噸[1]。其中小白杏最為出名，產自阿克蘇地區庫車縣和輪臺縣[2]，營養價值高，富含多種氨基酸、消化酶、杏仁苷、維生素等16種營養成分[3]，大多以鮮食為主，深受人們的喜愛。杏果屬于典型的呼吸躍變型果實[1]，采收后呼吸作用旺盛，杏果采收期比較集中，剛好是夏季高溫季節，極易出現果皮和果肉褐變、后熟軟化、易腐爛等品質問題，不易貯藏，一般貯藏期只有3 d～5 d。杏果的含糖量、有機酸含量和香味等也都會隨著貯藏時間的延長而下降[4]，大大降低了小白杏的鮮食品質和價值。新疆地域寬廣，新鮮杏果需經遠距離輸送，在運輸、貯藏和銷售過程中也容易出現損傷、軟化和腐爛問題，造成極大的損失。杏果的大量集中采摘與貨架期較短的矛盾突出，嚴重影響了新疆小白杏產業的發展。

果蔬的成熟程度是影響其采收期、采收品質、貯藏、運輸、加工、銷售等環節的關鍵因素之一[5]。同一棵杏樹上不同光照位置，杏果成熟度是不相同的。果農通常對杏果進行大量集中收獲，使不同成熟度、不同品質的杏果混在一起，而后續的人工分級工作量大，并存在較大的主觀性，誤差大。只有在合適的成熟期進行采摘，并進行快速、準確的品質分級，才可以篩選出滿足鮮賣、貯藏和加工等需求的高品質杏果。因此，亟需開展小白杏成熟度判別模型研究，可以確定杏果成熟程度，對杏果采收和品質分級等具有十分重要的意義，從而有利于開拓杏果市場，增加果農利潤。

目前，對水果成熟度的研究方法主要以高光譜圖像技術無損檢測為主。?zdogˇan等[6]研究認為高光譜系統結合分類模型用于檢測食品的缺陷和成熟度可獲得較高的準確度。Singh等[7]使用無人機高光譜相機獲得油菜從豆莢形成到接近收獲成熟的5個生長階段光譜數據進行油菜種子成熟度研究。Benelli等[8]使用可見光/近紅外高光譜相機獲取葡萄園光譜信息，并通過偏最小二乘法（partial least squares，PLS）判別分析模型對未成熟和成熟的葡萄樣品進行分類識別，正確率為86%～91%。Cho等[9]對半成熟度和完全成熟度的草莓光譜數據使用PLS回歸建立Pelargodin-3-葡萄糖苷的預測模型，結果發現短波紅外區域的半成熟度預測準確率最高為86%。Xuan等[10]分別使用有效波長、紋理特征及其融合建立了支持向量機（support vector machine，SVM）模型庫對新鮮黃秋葵果實的成熟度進行判別，結果使用融合數據集的SVM模型在交叉驗證中的準確率達到91.7%。Rajkumar等[11]利用高光譜圖像技術得出結論，香蕉的可溶性固形物（soluble solids content，SSC）、含水率隨著成熟度呈線性變化趨勢。薛建新等[12]計算得到沙金杏的SSC和成熟度之間的相關系數為0.938 6，為使用SSC對沙金杏的成熟度進行劃分指明了方向，然后依據沙金杏的光譜特征波段、圖像紋理指標、圖像顏色指標這三類特征數據建立極限學習機（extreme learning machine，ELM）模型對沙金杏進行成熟度分類判別。張晶晶[13]采用9種預處理方法對沙金杏近紅外光譜進行預處理并建立PLS判別模型，結果表明多元散射校正（multiplicative scatter correction，MSC）方法效果最好，然后對使用MSC方法預處理后的光譜的全波段、主成分、特征波長分別建立PLS、主成分回歸、SVM、ELM判別模型，結果發現基于全波段的SVM模型準確率為94.17%。張學豪[14]對不同成熟度李果實的SSC含量和硬度值，分別使用箱圖分布和建立PLS模型來判別成熟度，最后對兩種方法進行比較分析。孫靜濤[15]的研究發現哈密瓜的SSC、總酸含量、硬度與其成熟度之間存在顯著相關，其中SSC與成熟度的相關性最高，可以作為哈密瓜成熟度表征因子。楊小玲[16]的研究發現，和單獨的特征波段圖像相比，波段比圖像可以更有效識別成熟和未成熟的玉米種子。李麗麗等[17]的研究發現基于特征波長對不同成熟度的李果實建立的PLS模型判別準確率最優，綜合準確率高達91.25%。蔣浩等[18]的研究發現基于高光譜圖像技術，建立多光譜參數實現對草莓的成熟度自動分類判別，準確率高達95%以上。袁佩佩[19]的研究發現基于主成分分析、核主成分分析（kernel principle component analysis，KPCA）兩種特征提取方法，分別建立4種定性判別模型，對西瓜的成熟度進行判別，結果表明基于高斯核函數的KPCA-ELM模型的準確度和效率都比較高。潘思慧[20]的研究發現基于全光譜變量和聯合區間-偏最小二乘法篩選的光譜變量分別建立SVM模型對番茄的成熟度進行判別，結果用較少的光譜變量可以達到和全光譜變量等同的識別率。

綜上可知，國內外學者基于光譜信息建立定性判別模型研究果品的成熟度時，并沒有將所有的因素綜合起來進行對比分析，來獲得最佳的成熟度判別方法。為實現對小白杏成熟度的快速、準確判別，本研究基于不同成熟度小白杏的高光譜信息，通過對比全波段和特征波段、不同的預處理方法、不同樣本集劃分方法、不同建模方法的判別效果，為建立小白杏的成熟度最優判別模型和品質分級提供參考，對促進小白杏產業的發展和新疆經濟提升具有積極意義。

1 材料與方法

1.1 試驗材料

小白杏：采自新疆維吾爾自治區阿拉爾市十團果園，采摘時間為2020年6月份。杏果的采收成熟度主要依據果皮顏色，一般杏果顏色由綠向黃轉變即可采收，但是不同的品種具有不同的顏色變化。按照生產實際中對杏的成熟程度劃分采集七成熟、八成熟、九成熟、十成熟4個等級的小白杏，劃分依據如下。

七成熟：果實呈深綠色，果肉較硬，果實偏小；八成熟：果實發育基本成熟，綠色減退，果肉偏硬；九成熟：綠色基本消失，大部分呈白色或者淺黃色，果肉稍微變軟；十成熟：果實呈全黃色，果肉變軟，易受損傷。

選擇果實大小均勻、形狀規則、無病蟲害、無機械損傷、成熟度基本一致的小白杏為試驗樣品。樣品采摘后立即運回新疆維吾爾自治區教育廳普通高等學校現代農業工程重點實驗室進行樣品篩選、清洗和擦干水分，在暗箱內采集高光譜信息。不同成熟度的小白杏樣本見圖1。

圖1 不同成熟度的小白杏樣本Fig.1 Little white apricot with different maturity

1.2 儀器與設備

高光譜分選儀（Gaia Sorter）：北京卓立漢光儀器有限公司；近紅外高光譜相機（Image-λ-N17E-N3）：四川雙利合普科技有限公司，光譜范圍900 nm～1 700 nm，256個波段，光譜分辨率5 nm。

1.3 數據采集和處理

1.3.1 高光譜圖像采集

高光譜分選儀參數設置為相機高度42 cm、曝光時間11.5 ms、物距10 mm、傳送帶移動速度2.0 m/min，每次掃描20個樣本。

首先為了消除采集高光譜信息時雜散光的影響[21]，需要使用Spectral View軟件對高光譜圖像進行黑白校正，黑白校正公式如下。

式中：I為樣品漫反射原始圖像；B為關閉暗箱內光源并裝上鏡頭蓋獲得的全黑圖像；W為采集標準白板的漫反射圖像獲得的全白圖像；R為校正后的漫反射高光譜圖像。

經過黑白校正的高光譜圖像，使用ENVI軟件從中選擇感興趣區域（region of interest，ROI），從中提取光譜信息，ENVI提取感興趣區域見圖2。

圖2 ENVI提取感興趣區域Fig.2 Region of interest extracted by ENVI

由圖2可知，ROI為5×5大小像素點的正方形。

1.3.2 光譜噪聲去除和界外樣本剔除

在采集樣本光譜數據時由于光程不一致以及隨機噪聲的產生，會影響數據的正確采集，導致樣本平均光譜曲線在某些波段波動幅度較大，對于這些波段需要予以刪除。同時還可能出現異常樣本，這些異常樣本參與建模時會影響結果準確度和可靠性[22]，需要予以剔除，本研究使用馬氏距離法（Mahalanobis distance，MD）剔除界外樣本。

1.3.3 光譜預處理

采集的光譜不僅包含樣品自身信息，還包含電噪聲、樣品背景和雜散光等無關信息。為了能夠在最大程度上挖掘樣本光譜信息中的有效信息，需要對光譜數據進行預處理，旨在消除光譜無關信息的影響，常用的方法有均值中心化（mean centering，MC）、Savitzky-Golay卷積求導法（Savitzky-Golay derivative，S-G）、多元散射校正（multiplicative scatter correction，MSC）、標準正態變量變換（standard normal variate transformation，SNV）、歸一化等。

1.3.4 提取特征波段

原始光譜數據包含波段范圍寬，有些波段反映樣品品質信息豐富，而有些波段反映信息較少。在以光譜信息為原始特征變量的模式識別中，特征信息的提取是直接影響分類和識別的關鍵步驟。因此，建模時需要篩選出特征波長變量，從而減少建模時間、簡化建模過程、提高模型的穩定性[23]。本研究使用連續投影法（successive projections algorithm，SPA）篩選特征波長變量，結果見圖3和圖4。

圖3 不同波長變量下的均方根誤差Fig.3 Root mean square error under different wavelength variables

圖4 參加建模的特征波段數Fig.4 Characteristic wavelength numbers participating in modeling

圖3中橫坐標是參與建模的特征波長的數量，縱坐標是均方根誤差（root mean square error，RMSE）。RMSE從19以后逐漸趨于平緩并接近于0，RMSE=0.044 022，所以最終選擇19個特征波長來參與建模。圖4是選取的19個特征波段數，橫坐標表示233個特征波段，縱坐標表示其反射率。

1.3.5 樣本集的劃分

參與建模的樣本需要具有代表性，可以提高建模速度，減少模型存儲空間，而不同的樣本集劃分方法會影響模型的性能。本研究使用光譜-理化值共生距離算法（sample set partitioning based on joint x-y distance，SPXY）、K-S法（kennard-stone，K-S）、雙向算法（Duplex）、交叉驗證、隨機法來劃分樣本校正集和驗證集，對比建模效果。

1.3.6 建立定性判別模型

通過光譜數據對不同成熟度樣本進行分類識別屬于定性分析問題。本研究建立ELM、SVM、PLS、K最鄰近法（K-nearest neighbor，KNN）、貝葉斯 5種定性判別模型，對比不同模型的成熟度識別效果。

以上，光譜的噪聲去除、界外樣本剔除、光譜預處理、特征波段提取、樣本集劃分、定性模型建立均借助MATLAB軟件完成。

2 結果與分析

2.1 光譜噪聲去除

4種成熟度杏果實的原始光譜曲線見圖5。

圖5 原始光譜Fig.5 Original spectrum

由圖5可知，光譜曲線在1 700 nm附近存在大量噪聲，將此噪聲波段刪除，得到去除噪聲后的光譜曲線見圖6。

圖6 去除噪聲后的光譜Fig.6 Spectrum after noise removal

由圖6可知，4種不同成熟度的杏果實光譜曲線在900 nm～1 300 nm之間有較大差異，可能是由于杏果實在不同成熟度時內部碳水化合物、糖、氨基酸等成分含量不同所引起的。

2.2 ELM模型準確率

對比全波段和特征波段高光譜數據分別建立的ELM模型，見表1和表2。

表1 全波段-ELM準確率Table 1 The accuracy of ELM model with full-wave band%

表2 特征波段-ELM準確率Table 2 The accuracy of ELM model with characteristic bands%

由表1和表2可知，相同點是除了MC方法預處理后的光譜的準確率偏低，其他4種方法預處理后的ELM模型的準確率較高，訓練集和驗證集的準確率均在93%以上；MSC預處理方法效果最佳，不論如何劃分樣本，訓練集和驗證集準確率均保持在100%。對于全波段光譜，S-G方法預處理的光譜，準確率高達98%～100%，僅次于MSC，優于特征波段光譜建模效果。總之，全波段和特征波段光譜數據建立的ELM模型準確率相差不大，MSC預處理方法最佳，且不同的樣本集劃分方法對ELM模型的判別效果沒有影響。

2.3 PLS模型準確率

對比全波段和特征波段高光譜數據分別建立的PLS模型，見表3和表4。

表3 全波段-PLS準確率Table 3 The accuracy of PLS model with full-wave band

表4 特征波段-PLS準確率Table 4 The accuracy of PLS model with characteristic bands

由表3和表4可知，對于全光譜和特征波段光譜數據，除了MC方法預處理后的光譜建立的PLS模型準確率和決定系數偏低，其他預處理方法和各類樣本集劃分方法對應的PLS模型準確率和決定系數都比較高，訓練集的準確率均在96%以上，決定系數在0.95以上；其中，MSC方法效果仍舊是最佳，準確率保持在100%，決定系數在0.99以上。總體來看，基于全光譜的PLS模型和基于特征波段的PLS模型相比，準確率和決定系數相差不大，但前者更優；MSC預處理方法最佳；不同的樣本集劃分方法對模型效果影響可忽略不計。

2.4 SVM模型準確率

SVM模型的建立是借助軟件Unscrambler完成，所有樣本均參與建立模型，不涉及樣本的劃分；模型的準確率不僅和光譜預處理方法有關，還和核函數（Kernel type）、SVM類型有關，表格僅展示每種預處理方法對應的SVM模型最高準確率及其對應的核函數類型和SVM類型。基于全波段和特征波段光譜數據建立的SVM模型準確率見表5和表6。

表5 全波段-SVM準確率Table 5 The accuracy of SVM model with full-wave band

表6 特征波段-SVM準確率Table 6 The accuracy of SVM model with characteristic bands

由表5和表6可知，對于全波段和特征波段光譜數據建立的SVM模型，MC方法預處理后的光譜的準確率遠遠低于其他4種預處理方法對應的模型準確率；MSC-SVM的準確率仍是100%，適于所有類型的核函數，對應的SVM類型為nu-SVC。在全波段光譜下，對于S-G預處理方法，當SVM類型選擇nu-SVC，核函數選擇線性核時，準確率可以達到99%；對于SNV-SVM，當SVM類型選擇c-SVC，核函數選擇線性核時，準確率可以達到97%。結果表明，基于全波段光譜建立的SVM模型準確率要高于基于特征波段建立的SVM模型；MSC方法預處理效果仍是最佳。

2.5 KNN模型準確率

基于全波段和特征波段光譜數據建立的KNN模型準確率見表7和表8。

表7 全波段-KNN準確率Table 7 The accuracy of KNN model with full-wave band%

表8 特征波段-KNN準確率Table 8 The accuracy of KNN model with characteristic bands%

由表7和表8可知，MC方法預處理后的光譜準確率遠遠低于其他4種方法預處理的光譜準確率，MSC預處理方法效果最佳，正確率保持在100%。總之，全波段和特征波段光譜數據建立的KNN模型判別效果相差不大；MSC方法預處理效果最佳；對于Duplex方法劃分的樣本集建立的KNN模型效果偏低于其他4種方法。

2.6 貝葉斯模型準確率

基于全波段和特征波段光譜數據建立的貝葉斯模型準確率見表9和表10。

表9 全波段-貝葉斯準確率Table 9 The accuracy of Bayes model with full-wave band%

表10 特征波段-貝葉斯準確率Table 10 The accuracy of Bayes model with characteristic bands%

由表9和表10可知，對于貝葉斯模型，特征波段光譜的判別效果遠遠高于全波段。在全波段和特征波段光譜下，只有在隨機法劃分樣本時，除了MC預處理后的光譜的模型準確率較低，S-G、MSC、歸一化、SNV預處理后的光譜的準確率均達到100%。基于特征波段光譜數據，對于任一種樣本集劃分方法，MSC預處理方法對應的貝葉斯模型準確率保持100%。結果表明，基于特征波段光譜建立的貝葉斯模型準確率要高于基于全波段建立的貝葉斯模型；MSC方法預處理效果仍是最佳；隨機法樣本集劃分方法最優。

3 結論

5種預處理方法中，只有MC方法預處理后的光譜準確率很低，其他方法預處理光譜準確率都比較高，其中MSC方法，當使用全波段建立貝葉斯模型時，準確率很低，其他情況都保持在100%。5種樣本集劃分方法，準確率都相差不大。5種判別模型中，對于全波段，ELM、PLS、SVM 3種模型的準確率較優，均高于93%，其中PLS的效果最好，高于98%；KNN模型準確率受個別預處理和樣本集劃分方法影響，準確率會降至85%；貝葉斯模型只有在使用隨機方法劃分樣本時才會出現較高的準確率；對于特征波段，ELM、PLS兩種模型的準確率最好，高于94%，其他3種模型的準確率也普遍較高，因受預處理和樣本集劃分方法的影響，個別情況準確率稍微低于90%。綜上，對于小白杏成熟度判別模型，有以下幾種最優組合：全波段+MSC+SPXY/Duplex/K-S/交叉驗證/隨機法+ELM/PLS/KNN/SVM、全波段+S-G/MSC/SNV/歸一化+隨機法+貝葉斯、全波段+S-G+SPXY/Duplex/K-S/交叉驗證/隨機法+ELM/PLS/KNN/SVM、全波段+歸一化+SPXY/Du plex/K-S/交叉驗證/隨機法+PLS、特征波段+MSC+SPXY/Duplex/K-S/交叉驗證/隨機法+ELM/PLS/KNN/貝葉斯/SVM、特征波段+歸一化+SPXY/Duplex/K-S/交叉驗證/隨機法+PLS。