基于高光谱图像技术的油桃早期冷害无损检测

张 嫱，潘磊庆，陈 蒙，周春涛，彭 菁，屠 康

（南京农业大学食品科技学院，江苏南京 210095）

基于高光谱图像技术的油桃早期冷害无损检测

张 嫱，潘磊庆，陈 蒙，周春涛，彭 菁，屠 康*

（南京农业大学食品科技学院，江苏南京 210095）

研究了应用高光谱图像技术检测“秦光2”号油桃早期冷害的方法。首先通过分析桃果实采后贮存期出汁率变化，确定冷害发生的初始时间。构建反射高光谱采集系统，获取初始发生冷害果及未冷害果在400～1000nm波段的高光谱图像，选择感兴趣区域（ROI）进行分析后，得到冷害发生后桃果实的高光谱特性。进而分别对发生冷害及未冷害桃果实的高光谱反射图像，应用独立主成分分析方法（ICA）降维后优选出特征波长，分别为：冷害果为672nm，未冷害果为656、678、700nm。通过提取以上4个波长下的反射光谱平均值作为Fisher判别方法建模的特征集，对油桃早期冷害判别正确率为98.9%。结果表明，高光谱技术可以检测桃果实早期冷害。

高光谱图像，油桃，冷害，无损检测

桃属于冷敏性果实，对低温环境较为敏感，低温下长时间贮藏易引起冷害，尤其在5℃易产生冷害症状[1]。冷害后桃的品质下降，表现为出汁率降低，果肉粉质化、红化、褐变，果实风味变淡或产生异味等，果实的食用价值大幅降低[2]。且冷害的表现具有滞后性，即在低温中造成冷害后不会立即在桃表面表现出来，而是到达货架条件后才缓慢地表现出上述症状，因此，需要有效的检测手段尽早检测使冷害果得以剔除，以避免进一步的采后损失。高光谱图像技术将传统的二维成像技术和光谱技术有机结合在一起，具有超多波段、高光谱分辨率和图谱合一的特点[3]。其光谱技术可以反映农产品的物理结构和化学成分等变化；图像技术能全面反映农产品的表面特征，因此，高光谱图像技术可实现农产品内外品质的检测[4]。目前，对于桃果实冷害的无损检测方法研究较少，包括电子鼻技术[5]、叶绿素荧光技术[6]、光谱技术[7]等，且其研究大多是对冷害严重时桃的甄别，不能对冷害早期桃果实进行有效剔除。国外，Lurie等[8]研究了利用时间分辨反射光谱检测油桃冷害的方法，利用670nm和780nm波长处的吸收系数、衰减散射系数对冷害预测，具有较好的效果；Elmasry等[9]利用高光谱技术判别红富士苹果冷害，得到717、751、875、960、980nm 5个特征波长，判别模型准确率为98.4%。国内，陈思[10]研究了水蜜桃表面缺陷的高光谱技术检测方法。而利用高光谱技术检测桃果实早期冷害的研究未有报道。冷害发生早期，其组织劣变从内部开始逐渐发生，且不易从外部被识别，而高光谱具有一定的透过性，冷害果实的特征可由特定波长的光谱值反映，同时结合图像特征，有望实现对桃果实早期冷害的判别。独立主成分分析（Independent Components Analysis，ICA）是一种数据降维方法，通过生成互不相关的波段，把一组混合信号转化为相互独立的成分，达到消除噪声和减少数据集维数的目的[11]。桃果实的高光谱数据是不同信号的组合，利用ICA去相关后，可更加清晰明确地得到冷害桃果实的特征。本文利用反射高光谱的照射方式，研究了“秦光2号”油桃在最易冷害温度5℃下冷害发生早期时的高光谱特性，进而提取冷害桃果实特征波长，用Fisher判别的方法建立冷害判别的预测模型，为实现高光谱成像技术检测油桃早期冷害提供科学依据。

1 材料与方法

1.1 材料与仪器

“秦光2号”油桃 八成熟，共300个，2012年8月采于江苏省农科院，采后2h内运至实验室，挑选色泽接近、无病虫害、无机械伤的果实，摊开经自然风预冷2h。

高光谱图像采集系统 根据实验要求，设计了一套高光谱反射图像采集装置，如图1所示，系统主要由高光谱图像单元、直流可调光源、样本支架台、传送装置、计算机和图像采集软件组成。其中高光谱图像单元由CCD摄像头（Imperx，ICL-B1620，有效波段范围400～1000nm，光谱分辨率2.8nm）、图像光谱仪（Specim，ImSpector V10E）和焦距可变透镜构成；直流可调光源 由150W卤素钨灯及控制器（Illumination Technologies Inc.，2900ER）构成；传送装置 电控平移台（台湾五铃，IRCP0076-ICOMB001）；图像采集软件为系统自带软件Spectral Image。

图1 高光谱图像采集系统[13]Fig.1 Structure of hyperspectral imaging system[13]

1.2 油桃处理方法

取225个油桃做高光谱特性检测的无损实验，放入冷藏环境（5℃，RH≈90%），分别贮存0、10、20、30、40d，每次取出45个，并置于货架条件（20℃，RH≈90%）3d后，进行高光谱反射信息的采集。剩余果实，做同上的贮藏处理，每次取出15个，货架3d后测定果实的出汁率[12]，确定“秦光2号”油桃冷害发生的初始阶段，为高光谱无损检测“秦光2号”油桃冷害提供判断依据。

1.3 高光谱图像采集与校正

图像采集时，传输带以8mm/s的速度将样品逐个传送，以实现高光谱图像的扫描与数据采集，传输带的速度经反复实验确定，以避免图像尺寸、空间分辨率失真，并预先确定高光谱相机的曝光时间[14]。图像采集过程由系统自带Spectra Image软件控制，当一个样品进入采集区域，一幅高光谱图像被采集并存储。

每个样品采集除缝合线所属面以外的其他三面，需要人工转动，以排除果梗或尖头带来的影响。由于各个波段光源强度分布的不均匀性以及摄像头中暗电流存在等因素会造成图像有一定噪声，需要将采集到的绝对图像转换为其相对图像，进行黑白校正[15]。扫描白色标准校正板后得到全白的标定图像W，扫描黑色校正板得到全黑标定图像B。将采集得到的绝对图像I经转换得到相对图像R[16]，公式为：

式中，R为由公式转换得到的相对图像；I为采集得到的绝对图像；B为全黑标定图像；W为全白标定图像。

1.4 数据处理方法

本研究的高光谱图像数据采用ENVI 4.7（Research System Inc.，USA）软件分析处理，建模分析使用SPSS 18.0软件平台。

2 结果与分析

图2 贮存期桃果实出汁率变化Fig.2 Change of extractable juice during the storage

2.1 冷害发生阶段的破坏性检测

大量研究表明，随着果实的成熟，桃果实采后出汁率增加，而冷害可导致果肉出汁率的减少，因此，可以将出汁率的变化作为判断桃果实冷害发生的依据[17]。“秦光2号”油桃冷害后出现果肉出汁率减少等不良症状，通过有损实验的检测，如图2所示，结合大量文献的研究结果，可以确定“秦光2号”油桃贮存20d时出汁率开始下降，此时为冷害发生的初始时间点，且贮存时间越长，冷害越严重。

2.2 冷害发生阶段的高光谱特性检测

发生冷害的桃果实，由于组织结构等的改变，对光的透过和吸收情况会发生变化；而未发生冷害的果实变化相对较小，而光谱值的变化可以显示出二者的差异。根据破坏性检测的结果，选择对“秦光2号”油桃未发生冷害阶段（5℃贮存0d果实）及早期发生冷害阶段（5℃贮存20d果实）的光谱特性进行分析。对每个样品采集到的3面图像分别选取一定的感兴趣区域（ROI区域），计算3个ROI区域内各像素在400～1000nm各波段下的光谱值，平均后作为该样品的光谱值。每组内的45个样品均经上述处理，计算平均值，从而得到“秦光2号”油桃反射光谱曲线，如图3所示。

图3 桃果实反射光谱曲线Fig.3 Reflectance spectral curves of peach

可以看出，冷害发生后“秦光2号”油桃的反射光谱值产生变化，冷害后果实的反射光谱值较未冷害时整体下降，且冷害果与未冷害果的反射值在600～800nm之间差异明显。这是由于桃果实冷害后组织结构、化学成分发生改变，引起光在其内部的能量传输改变，从而造成了光谱值的变化，这是发生冷害的结果。

2.3 特征参数提取

5℃冷藏条件下，“秦光2号”油桃贮存20d后开始发生冷害，出现果肉内部褐变、出汁率减少、硬度严重变化等表现，此时基于桃果实外部的特征无法识别是否冷害。因此，提取桃果实冷害早期的高光谱特征，将未冷害桃果实与开始发生冷害的桃果实比较，进行独立主成分分析，提取冷害的特征波长。

独立主成分波段是原始波段的线性组合，它们之间是互不相关的。第一独立主成分包含最大的数据方差百分比，第二独立主成分包含第二大的方差，以此类推，最后的独立主成分波段由于包含很小的方差，因此显示为噪声[18]。对冷害桃果实的反射图像进行独立主成分变换，得到第一个独立主成分图像ICA1，如图4所示，其所占的方差贡献率为98.24%。ICA1最能反映冷害桃果实的特性。

每一个独立的ICA图像都是由一些显著波长线性组合而成[19]。图5是根据ICA1图像的特征向量绘制的图像光谱曲线权重系数图，图中每一处波峰和波谷都代表了一个显著波长，因此，可以根据权重系数选择特征波长为672nm。

图4 独立主成分ICA1图像Fig.4 First independent component images

图5 图像ICA1光谱曲线权重系数Fig.5 Spectral curves weighting coefficients for ICA1

对未冷害果实进行同样的ICA和权重系数分析后，可以得到反射条件下未冷害果的特征波长为656、678、700nm。桃果实冷害后，其特征波长发生改变。因此，可以将656、678、700nm以及冷害后出现的672nm共同作为反射照射条件下判别“秦光2号”油桃冷害发生的特征波长集，进行冷害的判别。

2.4 冷害判别模型建立

高光谱图像信息丰富，同时具有光谱及图像的双重信息，但与此同时也带来了数据处理速度慢、检测成本高等问题，通过对特征波长的选取，可以得到反映差别的灵敏波长，从而更加快速、有效地检测果实是否冷害。

构建模型时使用90个桃果实，包括未冷害果实及冷害果实各45个，采用Fisher判别的方法建立预测模型。以桃果实反射条件下656、672、678、700nm波长下的反射光谱值作为该果实的特征变量集进行判别，判别结果如表1所示。由表1可知，判别油桃早期冷害的判别模型准确率为98.9%。

表1 基于Fisher判别的高光谱反射照射方式检测桃果实冷害判别结果Table 1 Conducting result of hyperspectral reflectance peach images using Fisher discrimination

3 结论

“秦光2号”油桃在最易发生冷害温度5℃下，贮存20d时开始发生冷害，出汁率开始减少，且随贮存时间的延长，冷害状况加重。本文研究了“秦光2号”油桃冷害初始发生时期的反射高光谱特性，为进一步研究高光谱技术检测农产品冷害的检测机理奠定了基础。通过独立主成分分析，选择出了反射照射方式下桃果实冷害的特征波长，为672nm。利用656、672、678、700nm下对应光谱值组成的特征变量集，实现了桃果实冷害的正确判别，Fisher判别模型的正确率为98.9%。反射高光谱图像技术可以成功检测桃果实早期冷害。

[1]尚海涛.桃果实絮败和木质化两种冷害症状形成机理研究[D]. 南京：南京农业大学，2011.

[2]金鹏. 桃果实采后病害和冷 害调控及其机理研究[D]. 南京：南京农业大学，2009.

[3]张伟，潘磊庆，屠康.利用高光谱透射图像检测鸡种蛋早期孵化[J]. 农业工程学报，2012，28（21）：149-155.

[4]殷晓平.基于高光谱图像的黄瓜叶片叶绿素含量及其分布预测研究[D].镇江：江苏大学，2010.

[5]Zhang Bo，Xi Wan-peng，Wei Wen-wen，et al.Changes in aroma-related volatiles and gene expression during low temperature storage and subsequent shelf-life of peach fruit[J]. Postharvest Biology and Technology，2011，60：7-16.

[6]王允祥，杨虎清，周存山，等.利用叶绿素荧光预测水蜜桃果实冷害的研究[J]. 园艺学报，2008，35（7）：945-950.

[7]Ortiz C ， Barreiro P ， Correa E ， et al.Non-destructive identification of woolly peaches using impact response and nearinfrared spectroscopy[J].Postharvest Technology，2001，78（3）：281-289.

[8]Lurie S，Vanoli M，Dagar A，et al.Chilling injury in stored nectarine and itsdetection by time-resolved reflectance spectroscopy[J].Postharvest Biology and Technology，2011，59：211-218.

[9]Elmasry G，Wang N，Vigneanlt C.Detecting chilling injury in red delicious apple using hyperspectral imaging and neural networks[J].Postharvest Biology and Technology，2009，52：1-8.

[10]陈思.基于高光谱图像技术的水蜜桃表面缺陷检测方法研究[D].杭州：浙江大学，2013.

[11]邓书斌.ENVI遥感图像处理方法[M]. 北京：科学出版社，2010：115-117.

[12]Crisosto CH，Labavith JM.Developing a quantitative method to evaluate peach（Prunus persica）flesh mealiness[J].Postharvest Biology and Technology，2002，25：151-158.

[13]张嫱，郑明媛，张伟，等.高光谱成像技术在禽类产品品质无损检测中的研究进展[J].食品工业科技，2013，34（14）：358-362.

[14]徐爽，何建国，易东，等.基于高光谱图像技术的长枣糖度无损检测[J]. 食品与机械，2012，28（6）：168-170.

[15]刘木华. 农 产 品 质量安 全 光 学 无 损 检 测 技 术 及 应 用[M].武汉：华中科技大学出版社，2011：1-3.

[16]彭彦昆，单佳佳，吴建虎，等.基于高光谱成像的苹果多品质参数同时检测[J].光谱与光谱学分析，2010，30（10）：2729-2733.

[17]邵兴锋，屠康，曹燕. 桃果实絮败机理及减缓措施[J]. 果树学报，2005，22（2）：149-153.

[18]洪 添胜，乔 军，Ning Wang，等. 基于高 光谱图像技 术 的雪花梨品质无损检测[J]. 农业工程学报，2007，23（2）：151-155.

[19]薛龙，黎静，刘木华.利用高光谱图像技术检测梨表面碰压伤的实验研究[J]. 粮油学报，2009（4）：136-139.

Detecting chilling injury at early stage of nectarine based on hyperspectral imaging

ZHANG Qiang，PAN Lei-qing，CHEN Meng，ZHOU Chun-tao，PENG Jing，TU Kang*
（College of Food Science and Technology of Nanjing Agricultural University，Nanjing 210095，China）

Hyperspectral imaging technique was investigated for the detection of chilling injury in ‘Qinguang 2’nectarine during the early postharvest storage period.At the beginning，extractable juice content was measured during the storage to find the occurrance time point of early chilling injury.Then，hyperspectral imaging system based on reflectance mode was established to acquire chilled and non-chilled nectarine images during the spectral region of 400～1000nm ，as well as to extract nectarine spectral properties by ROI（region of interest）analysis.Dimension reductions were implemented on hyperspectral reflectance data based on Independent Components Analysis （ICA） ，for the chilled nectarines at early stage and non-chilled nectarines respectively. The optimal wavelength selected by ICA were 672nm for chilled ones and 656，678nm and 700nm for non-chilled ones.Next，spectral average of each characteristic band was chosen as the input of the Fisher discrimination model，an average classification accuracy of 98.9%was achieved to distinguish between normal and early injured nectarines.This research demonstrated that the hyperspectral imaging technique was feasible for the detection of chilled nectarine at the early stage.

hyperspectral imaging；nectarine；chilling injury；nondestructive detection

TS251.1

A

1002-0306（2014）20-0053-04

10.13386/j.issn1002-0306.2014.20.002

2014－02-11

张嫱（1988-），女，硕士研究生，主要从事农产品无损检测方面的研究。

* 通讯作者：屠康（1968-），男，博士，教授，主要从事农产品无损检测、农产品贮藏与加工方面的研究。

国家自然科学基金项目（31101282）；公益性行业（农业）科研专项（201303088）；农业部农产品贮藏保鲜质量安全风险评估实验室（南京）项目。