高光谱成像技术在农产品检测中的应用

秦勤

摘 要：目前，农产品检测手段日趋多样化，新技术和新方式逐渐引入，其中近年来高光谱技术和辅助的计算机技术的发展速度逐渐增加，高光谱技术越来越成为农产品检测的核心技术手段。高光谱成像结合了图像分析和光谱分析，图像信息可以代表农产品的外在品质和特征。光谱信息可用于检测农产品的内部质量，可以充分反映农产品的内外质量信息，还可以保证检测快速、便捷以及准确。

关键词：高光谱 成像技术 农产品检测 应用

中图分类号：S123 文献标识码：A 文章编号：1674-098X（2019）04（a）-0155-02

农产品是一个国家最重要的产品之一，对于居民生活也是必不可少的。农产品的安全与放心对于每个居民来说都至关重要。目前我国食品安全的检测手段还停留在较为初级的阶段，这些手段准确性较差，较为依靠经验，没有使用现今的科学手段所以导致检验效果不佳。例如，市场上测定蔬菜的农残，需要对蔬菜进行预处理，且结果不稳定。近年来，随着农业科学技术的不断发展，高光谱成像技术已成为农产品无损检测的重要手段，成为一种新兴的快速无损检测方法。通过使用此类无损快速检测技术，可以有效地检测农产品及其它食品是否达到食品安全标准，也可以有效补充食品安全监管部门现有的快速检测技术中的短板。

1 高光谱成像技术的原理及系统

高光谱成像技术结合了光学、电子、图像处理和计算机科学的技术。利用高光谱技术可以在保证农产品完好的前提下对农产品进行充分的检测。光谱数据可用于分析农产品的内部含量，例如糖含量、酸度、水含量和可溶性固体（SSC）含量。对于水果和蔬菜产品，主要指标是物理性质，如形状和大小、颜色、硬度、缺陷和污染物以及化学性质，如糖含量、酸度、水分和SSC；对于谷物产品，如玉米、大米、小麦等，主要测试其化学性质，如水、淀粉和蛋白质；对于肉制品，主要测试其柔软性和化学性质，如水分和蛋白质。

1.1 高光谱成像原理

高光谱成像技术是一种先进的技术，它结合了二维成像技术和光谱分析技术，利用多种窄带电磁波光谱技术，通过成像获取物体特征的相关参数。它可以在电磁波的紫外、可见、近红外和红外区域获得一系列非常窄且光谱连续的图像数据。每个像素包含数十到数百个窄带光谱信息，从而产生连续和完整的光谱曲线高光谱数据可以提取辐射信息，如反射率、吸光度和透射率，可以进一步分析样品的物理和化学成分。

1.2 高光谱成像系统

根据CCD摄像机与光源的位置关系，高光谱图像采集方法分为三种：反射、透射和漫透射；根据高光谱图像采集的不同方法，高光谱图像采集方法可分为三种类型：表面扫描、线扫描和点扫描。

在整个高光谱成像技术中，光谱仪和CCD相机是较为重要的组成部分。光谱仪是一种光学传感器，可捕获大量连续的窄带光谱图像数据，允许每个像素具有连续的光谱数据。CCD相机是遥感相机，其使用电荷耦合器件作为光传感器和光电转换器，并且可以将从物体表面反射或透射的光信号转换为电信号。光源为成像系统提供照明。对于光源来说，近红外光谱吸收表现最好，因此常用近红外光谱。

1.3 系统校准和图像校正

由于图像采集过程中传感器的差异和非线性，光源的差异和A/D转换器的灵敏度不足等。需要系统校准以获得高质量的高光谱图像。高光谱图像校正包括图像处理期间的增益、暗电流偏移、可变积分时间等。在图像校准中，通过对比校准参考图像与原始图像，以获得完整的高光谱图像。

1.4 图像数据处理方法

高光谱图像具有高分辨率、多频带和冗余信息的特性，因此数据处理困难。因此需要对数据进行分类，根据不同种类的数据，科学地选择合适的处理方法。在高光谱图像数据的处理中，有三个阶段：光谱预处理，数据维数减少和模型建立。高光谱图像初始质量较低，因此必须对图像进行处理，以提升其质量，获得较为清晰的高光谱图像，方便后续的分析。因为高光谱图像数据具有许多维度和大量数据，所以必须降低光谱数据的维数。常用的方法有很多种，其中主成分分析（PCA）和独立成分分析（ICA）较为常见，是分析中的较好选择。在高光谱数据尺寸减小后提取特征带，并使用特征带建立数学模型。在数学模型的建立过程中，采取最小二乘法等方法可以有效地对数据进行分析，加强数据的有用性，提高信息质量。它结合了三种方法的优点，利用回归分析、主成分分析等数学方法进行比较计算，加强了模型的严谨性，提高了实验精度，对数据质量进行了保证。

1.5 高光谱成像技术优势

高光谱成像技术相对于其他的成像技术的独特优势是将图像技术和光谱信息结合起来，用“三维数据块”来形象的描述。图像信息是用来描述该产品的外部特征，比如大小、形状等外部特征，比如橙子颜色、大小、农药残留量等相关属性。光谱信息原理就是利用不同特征所吸收的光谱不同，所以也能反应产品内部特征，比如橙子物理特征和化学成分的差异，是否成熟和变质，与其他的橙子存在什么区别等。这样就可以将这些肉眼难以发现的表征，通过高光谱成像技术直观的表达出来，进而快速有效的判断产品质量的好与坏，农产品的安全与否。

2 高光谱技术的具体应用

高光谱成像技术也越来越广泛地应用于农产品的无损检测领域。国内外研究人员在水果、蔬菜、肉类、谷物等农产品无损检测的质量和安全性方面取得了一系列成果。它为广泛使用农产品无损检测奠定了坚实的基础。

水果和蔬菜的内部质量检测水果和蔬菜内部质量的无损检测研究主要是糖含量等指标，国内和国外学者针对此进行了大量研究，总结了一套合适有用的方法，适应大多数检验检测。果糖含量是水果的一个重要指标，它与水果品质的好坏息息相关，但不损害农作物而测试果糖含量较为困难，因此采用高光谱成像方法，对果糖浓度进行测算，这种方法既可以满足准确度的要求，又不会对农作物造成损害，可以保证商品的继续流通。著名学者马本学等人利用高光谱成像系统获得了檀香糖的漫反射光谱图像，并选择了500～820nm作为有效波段。通过PLS、SMLR和PCR分别建立皮肤和去皮的哈密瓜糖测试模型。结果表明，利用PLS方法检测剥皮哈密瓜的含糖量是可行的，SMLR最适合检测剥皮哈密瓜的含糖量、校正集与预测集之间的相关系数。RMSEC分别为0.928、0.818和0.458、0.7270，郭俊贤等并进行了苹果分级和糖预测研究。根据文献所记载的利用高光谱成像方法检测农产品果糖含量的数学模型，加以对比计算，得出结果。研究了同时检测苹果表面损伤和糖含量的可行性。首先，对苹果的第一差分分量图像和794nm图像的带差分图像进行去噪和划分，分别为0.93和0.92。通过上述实验，证明了利用高光谱检验，对农作物实现无损检验的方法可行度很高，并且质量较高，使用便利，数据准确，优于传统方法，适合推广使用作为常用的农作物检验方法。

3 结语

高光谱图像将图像信息与光谱信息相结合，分析农产品的外部质量和农产品的内部质量。它有着检测过程快、成本低，对农作物无损伤的优点，同传统方法相比，应用前景更广，值得更进一步的推广。在我国对于苹果果糖的实验中，其也通过了测试，表现出比传统方式更加方便快捷的特征，提供了信息质量更高的检测结果，并且该结果也可以运用于其他农作物的检测之中。它取得的良好的效果，极大地促进了快速检测技术的发展，也有助于解决目前食品安全的难题。

参考文献

[1] 王玉梅，郭淑杰.农产品病虫害高光譜成像无损检测的研究进展[J].科学技术创新，2018（15）：164-165.

[2] 张秉熙.农产品无损检测中高光谱成像技术的应用[J].食品安全导刊，2017（27）：65-66.

[3] 库静.不同高光谱成像方式的马铃薯内外部品质检测方法研究[D].华中农业大学，2016.