在水果品質(zhì)無損檢測方面，基于高光譜成像技術(shù)只需少量樣本，通過提取水果樣品的二維圖像信息和三維的波長信息，建立定量關(guān)系模型，就可實現(xiàn)水果品質(zhì)的快速、無損測定。例如，可以利用高光譜圖像技術(shù)檢測水果的表面污染和損傷。由于高光譜數(shù)據(jù)具有多光譜通道、高光譜分辨率和連續(xù)光譜的特點，可以得到任意像素點的連續(xù)光譜曲線和不同物質(zhì)的不同光譜曲線。在某些特定的波長下，損傷區(qū)域的光譜值與正常區(qū)域的光譜值之間會存在很大差異，因此能夠?qū)崿F(xiàn)水果表面的無損檢測。

1 高光譜圖像技術(shù)簡介 

1. 1 高光譜成像系統(tǒng) 

高光譜成像系統(tǒng)是在20世紀80年代興起的一種新一代光電探測技術(shù)。通常認為，光譜分辨率在10－1λ數(shù)量級范圍內(nèi)的被稱為多光譜，光譜分辨率在10－2λ數(shù)量級范圍內(nèi)的被稱為高光譜。相較于多光譜成像，高光譜成像具有更高的分辨率。

高光譜檢測系統(tǒng)主要由光源、面陣CCD或CMOS相機以及計算機軟件和硬件等部分組成。光源在高光譜成像系統(tǒng)中占據(jù)重要地位，它為整個成像系統(tǒng)提供照明功能，通過被檢測物體吸收和散射后的光來攜帶信息。這些光線通過相機的入口狹縫進入，然后通過相機中的光譜成像儀將光信號映射到二維面陣檢測器上。最后，計算機軟件和硬件負責采集、處理、分析和存儲高光譜圖像數(shù)據(jù)。

1. 2 高光譜圖像數(shù)據(jù)的采集方式 

       根據(jù)高光譜圖像采集方式的不同，可分為點掃描、線掃描和面掃描三種。 點掃描方式每次掃描只能獲得一個像素點的光譜，不適用于快速檢測，所以點掃描的方式常常被用于檢測微觀對象。線掃描方式通過每次掃描可以獲得掃描線上的光譜，適用于傳輸帶上物體的實時檢測，因此該方法是水果品質(zhì)檢測中最常用的圖像采集方法。點掃描和線掃描方式都屬于光譜域掃描方式，首先獲得圖像的光譜和一個維度的空間信息，再通過掃描移動，獲得另一維度空間信息。 而面掃描方式屬于空間域掃描方式，可以同時獲取單個波長下被測物體兩個空間維度的圖像信息，其數(shù)據(jù)采集量大且數(shù)據(jù)采集時間較長，高光譜成像系統(tǒng)中通常會選擇面掃描方式。 

2 高光譜圖像技術(shù)的研究進展 

2. 1 水果品質(zhì)定性分析 

2. 1. 1 機械損傷 

近年來，對蘋果機械損傷的高光譜成像技術(shù)研究已經(jīng)很多。韓浩然等人利用這項技術(shù)來檢測蘋果受到的摔傷，在實驗結(jié)果中發(fā)現(xiàn)，波段比算法和主成分分析法的分類識別正確率達到了93.3%，可以實時快速地檢測蘋果的摔傷情況。Baranowski等人則使用了配備了高光譜相機的系統(tǒng)，該系統(tǒng)包括可見光和短波近紅外（400~1000nm）傳感器，以及中波近紅外（1000~2500nm）和紅外（3500~5000nm）范圍的熱成像相機，用于檢測蘋果早期的瘀傷。結(jié)果顯示，將這三個范圍的光譜結(jié)合成一個模型，可以最佳地預(yù)測瘀傷和完好組織，以及不同深度的瘀傷。此外，使用廣譜范圍（400~5000nm）對水果表面進行成像可以改善對蘋果不同深度早期瘀傷的檢測效果。Nayeli等人也利用近紅外高光譜成像系統(tǒng)檢測芒果的機械損傷，并采用了五種分類方法。他們在芒果損壞后的七天內(nèi)進行圖像捕獲，以便有效地檢測出損壞發(fā)生的時刻。結(jié)果發(fā)現(xiàn)，其中最好的分類效果是采用近鄰法（k-NearestNeighbours，k-NN），其正確分類率可達97.90%。

林思寒利用高光譜成像技術(shù)，并結(jié)合PLS和LDA方法，成功建立了用于檢測翠冠梨完好果和不同損傷天數(shù)碰壓果的PLS-LDA模型。研究結(jié)果顯示，對于機械損傷果和完好果的識別準確率均在90%以上，最高可達97.78%。目前，已有的高光譜檢測技術(shù)精度足以滿足分類需求，但對于損傷程度的檢測模型則較為不足。

2. 1. 2 凍傷 

     凍傷是水果缺陷檢測中最常見的指標之一，其早期檢測和監(jiān)測比較困難，為了更早地將有缺陷的水果從營銷鏈中去除，需要一種快速、精確和無損的檢測技術(shù)。近年來，研究人員針對蘋果凍傷方面的研究主要集中在算法優(yōu)化層面。 ElMasry等利用高光譜成像（400~1000nm)檢測“紅元帥”蘋果中的凍傷，開發(fā)了一種前饋反向傳播模型，選擇出五個特征波長的光譜作為模型的輸入，以普通與凍傷為輸出結(jié)果，構(gòu)建了人工神經(jīng)網(wǎng)絡(luò)識別模型。高光譜圖像技術(shù)結(jié)合化學計量學方法在識別凍傷水果方面的研究已有一定進展，檢測精度普遍較高，未來可以進行水果凍傷分級識別的在線檢測研究，進一步提高檢測效率。 

2. 1. 3 成熟度 

       水果成熟度是決定水果內(nèi)在品質(zhì)的關(guān)鍵因素，也是確定水果貨架期的重要指標。水果成熟的過程 非常復雜，以往所用的傳統(tǒng)檢測水果成熟度方法局限于人工視覺檢測，實驗室理化檢測等。這些方法不但費時費力，主觀性較強，且均需破壞樣本才可實現(xiàn)[26－28] 。近年來，國內(nèi)外學者開始研究無損檢測技術(shù)對水果的成熟度進行判別分析，其中高光譜圖像技術(shù)以其特有的優(yōu)勢，在水果成熟度方面的研究比較豐富。 

      使用高光譜成像技術(shù)對香蕉成熟度進行了研究，提前采集水分含量、硬度和總可溶性固體等質(zhì)量參數(shù)，并與光譜數(shù)據(jù)相關(guān)。運用PLS來分析光譜數(shù)據(jù)，使用預(yù)測的殘差誤差平方和來選擇特征波長 。 

由此可見，不同的特征選擇算法對于最后的分類精度影響很大，對不同水果選擇不同的特征算法尤為重要。 

2. 2 水果品質(zhì)定量分析 

2. 2. 1 硬度預(yù)測 

       硬度是表現(xiàn)水果成熟度和口感品質(zhì)的一個重要特征，傳統(tǒng)的硬度檢測方法普遍對樣本有損傷，而高光譜成像技術(shù)則能夠?qū)λ捕冗M行快速、無損檢測。張巍使用自主搭建的高光譜成像系統(tǒng)（500~1000nm)，以藍莓為研究對象，采用連續(xù)投影算法（SPA)對特征光譜進行提取，并建立基于全波段-BP神經(jīng)網(wǎng)絡(luò)的硬度預(yù)測模型與基于SPA-BP神經(jīng)網(wǎng)絡(luò)的硬度預(yù)測模型。 

2. 2. 2 可溶性固形物預(yù)測 

       水果中的可溶性固形物（SSC)包括可溶性糖類、 維生素、礦物質(zhì)等，是影響水果內(nèi)部品質(zhì)的重要因素。 羅霞等利用高光譜技術(shù)采集火龍果的漫反射光譜，并進行火龍果可溶性固形物的無損檢測。應(yīng)用連續(xù)投影算法（SPA) 對特征變量進行選擇，采用8種方法對原始光譜數(shù)據(jù)進行預(yù)處理，通過偏最小二乘法（PLS) 和前饋反向傳播神經(jīng)網(wǎng)絡(luò)法（BPNN) 建立預(yù)測模型。在檢測水果的可溶性固形物時，使用不同的預(yù)處理方法會對檢測精度產(chǎn)生較大影響，應(yīng)在多種預(yù) 處理方法中選取產(chǎn)生最優(yōu)結(jié)果的預(yù)處理方法。 

2. 3 安全方面檢測

2. 3. 1 藥物殘留 

       水果表面的藥物殘留不僅極大影響水果的質(zhì)量安全，還影響果品出口貿(mào)易。因此，對水果表面的藥物殘留進行無損檢測十分必要。徐潔等利用高光譜技術(shù)，建立距離判別分析模型和貝葉斯判別分析模型，并對哈密瓜表面殘留藥物的種類進行判別。結(jié)果表明，在紫外燈光源的環(huán)境中，距離判別法的準確率較高，為94. 67% ;在鹵素燈光源環(huán)境中，貝葉斯判別法的準確率較高，為100. 00% 。Jiang等對蘋果農(nóng)藥殘留高光譜數(shù)據(jù)特征進行分析，構(gòu)建了適用于蘋果農(nóng)藥殘留檢測的AlexNet-CNN框架，并對四種高光譜蘋果農(nóng)藥殘留的6144張圖像進行檢測。結(jié)果表明，測試集檢測精度為 99. 09% ，單波段平均圖像檢測精度為95. 35% 。可見，高光譜成像技術(shù)在藥物殘留檢測方面已經(jīng)達到了很高的精度。 

2. 3. 2 病蟲害 

       病蟲害的存在會極大地降低水果的品質(zhì)，利用高光譜技術(shù)可以有效地對水果病蟲害進行無損檢測，這對水果品質(zhì)分級具有重要意義。 Bart 等開發(fā)了一種高光譜NIR成像系統(tǒng)來識別蘋果上的苦陷癥，構(gòu)建了PLS校準模型，用來區(qū)分未受影響的蘋果表面和苦陷癥。結(jié)果表明，該系統(tǒng)可以識別出收獲后肉眼不可見的苦陷癥，但無法區(qū)分苦陷癥和軟組織。使用高光譜成像方法確定棗中的受損區(qū)域，運用逐步判別分析法將棗分為有蟲侵害型和無蟲侵害型，分類準確率約為97. 0% 。但現(xiàn)有檢測技術(shù)大多只能檢測一種病蟲害，少有開發(fā)出可以同時檢測出多種病蟲害的高光譜模型。 

3 存在問題及發(fā)展趨勢 

高光譜成像技術(shù)在水果無損檢測方面得到廣泛應(yīng)用，但仍存在一些問題。例如，高光譜成像技術(shù)的穿透深度有限，難以檢測果皮較厚的水果。此外，進行反射和透射檢測時需要使用大功率光源，但過高的光源能量容易對水果造成損傷。如何在無損檢測與深層檢測之間找到平衡，是未來需要解決的關(guān)鍵問題。另外，高光譜的圖像數(shù)據(jù)量龐大，存在大量冗余信息。如何選擇適合的特征波長，并去除無關(guān)的變量，以提高檢測效率，也是亟需解決的問題。

水果的含水率普遍較高，因此在高光譜檢測時，會受到水分吸收峰的影響，特別是在1400nm后。如何避免水分吸收峰對檢測結(jié)果的影響，仍亟待解決。目前，大多數(shù)的水果品質(zhì)缺陷檢測研究都選取表皮較薄的水果，如蘋果、梨、桃子等；然而，對于表皮較厚的水果，如西瓜、哈密瓜、椰子等，品質(zhì)檢測仍然較少。高光譜檢測技術(shù)需要突破檢測深度的限制，才能為這些較厚果皮水果的品質(zhì)檢測帶來新的應(yīng)用。在試驗設(shè)計方面，大多數(shù)研究只考慮了水果是否存在缺陷進行分級，而沒有考慮缺陷程度對水果保質(zhì)期的影響。水果受到輕微損傷后，雖然在短期內(nèi)內(nèi)外部品質(zhì)與經(jīng)濟價值波動較小，但儲存一定時間后水果品質(zhì)可能會發(fā)生較大改變。因此，研究缺陷程度對水果保質(zhì)期的影響對水果儲存及經(jīng)儲存后水果的品質(zhì)預(yù)測具有深遠的現(xiàn)實意義。

隨著計算機技術(shù)和圖像處理技術(shù)等的進一步發(fā)展和更深地融合，高光譜圖像檢測技術(shù)在水果無損檢測領(lǐng)域?qū)粡V泛運用。然而，在推廣應(yīng)用高光譜檢測技術(shù)方面，由于圖像采集和處理速度的限制以及設(shè)備成本的制約，高光譜技術(shù)在現(xiàn)實生活中還未得到普遍應(yīng)用。因此，我們可以在權(quán)衡檢測準確率與設(shè)備成本之間做出考慮，開發(fā)小型化的專用設(shè)備，以推動高光譜技術(shù)的進一步應(yīng)用。

總的來說，高光譜圖像技術(shù)在水果品質(zhì)無損檢測中的應(yīng)用研究展示了其巨大的潛力和優(yōu)勢。然而，實際應(yīng)用中還面臨一些挑戰(zhàn)，如光照條件、背景噪聲等因素的影響，需要進一步研究和優(yōu)化算法以提高檢測的準確性和穩(wěn)定性。