高光谱成像技术检测薄皮水果内部品质的研究进展

2022-08-13贵阳学院食品与制药工程学院孟庆龙冯树南

内江科技 2022年7期

◇贵阳学院食品与制药工程学院孟庆龙冯树南尚静

高光谱成像（Hyperspectral Image,HSI）技术将光谱信息和图像信息进行融合，通过一个系统能够同时获取空间信息和光谱信息。基于这样的优势，高光谱成像技术被广泛地应用在食品、药品、纺织业等。本文总结了高光谱成像技术在薄皮水果内部品质检测方面的应用以及研究进展。水果的内部品质包括酸度、糖度、可溶性固形物含量、水分含量和硬度等，这些指标是水果分级的标准。高光谱成像技术能够客观、无损、快速地检测水果的内部品质，为水果的分级提供指导，提升其市场价值。

我国盛产水果，水果产量大，种类丰富，是很多地区的经济作物。水果的综合品质包括外部品质和内部品质，外部品质通常情况下都比内部品质容易判断，而内部品质包括硬度、糖度、酸度、可溶性固形物含量、水分含量等，这些特征很大程度上是由化学成分决定的，一些成分对人的身体也有很大的作用，而且又影响着水果的口感和香气，所以水果的这些内部品质对水果的质量起着更大的作用[1-3]。

传统的化学检测手段都会对样本进行破坏，而且耗时又费力。随着科学技术的进步，基于计算机视觉技术的水果检测方法得到了广泛地应用，但是计算机视觉技术仅能检测水果的形状大小、颜色、纹理等外部品质，对于水果的内部特征是无能为力的。而基于光谱技术的反射、透射、拉曼散射等测量技术在水果内部品质的分析应用中也存在一定的弊端，比如单点检测的特点就限制了这些技术在均匀样品中的推广应用。综上所述，在水果品质的检测中获得一种快速、无损、准确的技术来为水果质量进行把关就极为迫切。在这种形势下，集“图谱合一”优势的高光谱成像技术应运而生了。近年来，高光谱成像技术在食品、药品、纺织等领域内应用广泛。本文仅总结了近年来高光谱成像技术在薄皮水果内部品质检测中的研究。

1 高光谱成像技术在薄皮水果硬度检测中的应用

果实硬度是评价水果成熟度的主要指标，也能表征果实机械性能的质量参数，大多数情况下，硬度随着果实的成熟时间降低[4]。 Wang等[5]采用非信息变量消除（UVE）和监督仿射传播聚类（SAP）两种算法选取特征波长，这是首次从全光谱中提取重要波段用来给光谱数据降维。基于特征波长，Wang等建立了UVE-PLS和SAP-PLS两个模型，然后又通过数据融合的神经网络将这两个模型进行结合，最终形成了预测苹果硬度的模型，融合模型的预测性能比UVE-PLS和SAP-PLS模型的性能均有所提高。Leiva-Valenzuela等[6]采用推扫式高光谱成像系统获取蓝莓果实茎和花萼末端的反射图像，基于特征光谱的平均光谱和交叉验证的偏最小二乘法构建了蓝莓硬度的预测模型。丁佳兴等[7]分别基于全光谱和特征光谱构建了灵武长枣硬度的预测模型，比较多种方法建模后的性能效果，得出基于全光谱构建的LSSVM模型具有较优的预测性能。孟庆龙等[8]采用高光谱成像技术获取了李子的高光谱数据，对原始光谱进行了预处理后，利用主成分分析法提取了李子硬度的特征光谱，构建了预测李子硬度的模型，结果表明基于经过一阶导数预处理后的光谱数据并利用标准正态变换建立的模型预测能力较强。

2 高光谱成像技术在薄皮水果糖度检测中的应用

水果的糖度通常可以用可溶性固形物含量（SSC）来代表，很多研究学者的工作中检测的就是SSC，这是判断水果甜味的重要指标。高光谱成像技术可以较快速地对水果的SSC进行检测[9]。王风云等[10]采用HIS获取了套袋和不套袋两种种植模式下的红富士苹果的高光谱数据信息，经过主成分分析和蚁群算法对原始光谱进行预处理，结合反向传播神经网络和偏最小二乘算法分别对全光谱和预处理后的光谱建立了六种红富士苹果糖度的预测模型，预测模型表现出了很好的预测能力。Huang等[11]为了开发研究一种快速无损的苹果SSC检测技术，采用高光谱成像技术结合子空间分解和PLSR耦合的分层进化算法优选了最佳波长，构建了预测苹果SSC的模型。黄文倩等[12]也采用高光谱成像技术为苹果SSC的预测构建了SPA-MLR模型，模型性能十分优秀，为苹果的SSC在线监测和便携式仪器的开发提供了理论指导。邵园园等[13]对壳聚糖涂膜草莓在储藏期的SSC进行高光谱成像技术的检测分析，采用偏最小二乘算法、竞争性自适应重加权算法、连续投影算法等化学计量学方法构建了预测草莓样本的SSC模型，结果说明高光谱成像技术在壳聚糖涂膜草莓的SSC无损检测中具有良好的效果。MAKINO等[14]通过高光谱成像技术为青熟芒果储藏期的可溶性固形物含量和花青素含量构建了预测模型。目前，HIS应用于各种水果的可溶性固形物含量的检测都已经比较广泛，其中苹果SSC的研究最多。

3 高光谱成像技术在薄皮水果酸度检测中的应用

酸度也是评价水果味道的重要指标，有机酸这类化合物会随着水果的成熟过程中呼吸作用逐渐的减少。CAYUELA等[15]研究了橙子的可滴定酸度，研究结果中表明橙子中的透明质酸度会受到样本反射率测量时水果方向的影响。RUNGPICHAYAPIC HET等[16]通过HIS结合偏最小二乘法回归分析建立了芒果可滴定酸度的预测模型，模型的相关系数为0.81，可见这种方法可以实现芒果可滴定酸度的检测。高光谱成像技术在水果酸度的检测应用中没有糖度的研究广泛，后期仍有较大空间针对更多水果的酸度进行高光谱成像技术的应用。

4 高光谱成像技术在薄皮水果水分含量检测中的应用

水果的水分含量在水果的生长期和货架期均会一直发生较为明显的变化，也是衡量水果品质的重要指标。RAJKUMAR等[17]应用高光谱成像系统采集了香蕉在三种不同储存温度下不同成熟期的信息，图像经黑白校正归一化，光谱提取了400～1000nm的波段，采用偏最小二乘算法建立了光谱反射率与香蕉含水量的关系。HIS在水果水分含量的预测中还没有得到较为科学的结果，仍需要深度研究。

5 结束语

本文综述了近年来高光谱成像技术在薄皮水果内部品质检测中的研究进展，主要从水果的硬度、糖度（可溶性固形物）、酸度和水分含量四个方面进行了概述。在水果的硬度和糖度方面，研究相对较多，涉及到的水果也很全面，但是对于酸度，特别是水分含量的研究方面较为薄弱。高光谱成像技术检测水果内部品质具有快速无损的优势，为水果的在线检测奠定了很好的基础，也为在线检测设备和便携式仪器的开发提供了理论指导。未来高光谱成像技术的研究将会填补其在水果检测甚至其他领域的科学研究空白。