农产品无损检测技术的探讨

开篇：润墨网以专业的文秘视角，为您筛选了一篇农产品无损检测技术的探讨范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：下文主要结合笔者多年的工作实践经验，简单的阐述了高光谱成像技术的原理，分析总结了国内外高光谱成像技术在农产品品质无损检测发展中存在的问题以及应用前景，以期该技术在我国农产品品质无损检测领域中发挥更大的作用。

关键词：高光谱 无损 检测

引言

从古至今，农业都是中国的传统和基础产业。农产品的种植、加工、消费及出口对农产品的品质检测都有较强的依赖。现在适用的农产品品质检测方法有着破坏样本、消耗大量时间、甚至严重污染环境等不可避免的缺点。为了农业的健康发展、提高中国农产品的国际竞争力和缓解环境压力亟需开发一种快速无损的农产品品质检测方法。农产品无损检测技术是利用自身力的学、光学、电学及声学等物理性质对其品质进行非破坏检测，并按照一定标准对其进行分级分选的新兴技术。现阶段，我国农产品品质检测主要以人工分拣为主，费时费力，导致农产品在国内外市场上缺乏相应的竞争力，市场前景不容乐观。因此，研究开发快速有效、实时在线的农产品品质无损检测技术已经成为我国农业工程领域的重要研究方向。

1、高光谱成像技术原理

高光谱是利用很多窄的电磁波波段获取物体有关数据的技术，它可在电磁波的紫外、可见光、近红外、中红外以至热红外区域，获取许多非常窄且光谱连续的图像数据，为每个像元提供数十至数百个窄波段（通常波段宽度

高光谱图像可以用“三维数据块”来形象地描述（见图1），其中x和y表示二维平面像素信息坐标轴，第三维（λ轴）是波长信息坐标轴。高光谱图像集样本的图像信息与光谱信息于一身。图像信息可以反映样本的大小、形状、缺陷等外部品质特征，由于成分不同对光谱吸收也不同，在某个特定波长下图像对某个缺陷会有较显著的反映，而光谱信息能充分反映样品内部的物理结构、化学成分的差异。这些特点决定了高光谱图像技术在农产品内外部品质的检测方面的独特优势。

2、高光谱成像检测装置

由光源、光谱成像仪、图像采集卡、暗箱、数据处理软件、位移平台等构成了典型的高光谱成像装置。高光谱成像技术有基于滤片的高光谱成像系统和基于图像光谱仪的高光谱图像系统两种。图2为搭建的高光谱成像装置示意图。

3、高光谱数据处理

高光谱图像数据块能够为被检样品提供详尽的内外部信息，但同时由于波谱段多、数据量大、数据相关性强等特点，给数据处理造成了维数灾难。目前，国内外大多数学者对数据处理的方法是： 先选择感兴趣区域（ ROI） ，在采用主成分分析法（ PCA） 、独立成分分析法（ ICA） 以及遗传算法（ GA） 等对感兴趣区域数据进行分析降维，去除大量冗余信息，找出特征波长，并建立相应的判别模型。常用的建模方法有 BP神经网络法（ BPANN） 、多元线性回归法（ MLR） 以及偏最小二乘法（ PLS） 。

4、农产品无损检测中高光谱成像技术的应用

自 20 世纪 80 年代以来，高光谱成像技术在军事侦查、土地遥感规划以及灾难评估等国家信息领域得到广泛应用。随着电子和光学成像技术的发展，高光谱成像技术才得以商业化。由于该技术的自身优势，国外研究人员开始将该技术应用到农产品无损检测领域，取得了一系列研究成果。近几年，国内研究人员也做了大量的基础研究工作，为该技术在农产品无损检测领域的广泛应用奠定了基础。

4.1在水果品质无损检测中的应用

水果内外部品质好坏是水果腐烂变质的罪魁祸首，也是划分水果等级最基本的标准。但要对水果内外部多个品质特征同时进行非破坏的快速有效检测，依旧面临较大困难。高光谱成像技术融合了图像和光谱技术优势，在水果内外部品质检测方面取得了较好的效果。

4.1.1在水果外部品质检测中的应用

Vargas 等用紫外诱导甜瓜表面动物粪便污染物发出（ 425 ～774 nm） 荧光的高光谱荧光成像方法对甜瓜表面不同浓度的动物粪便进行检测，采用波段比（ 595/655nm，655/520nm，555/655nm） 对 其 进 行 分析，检测率为 79% ～96% 。进一步研究发现模型把甜瓜表面疤痕组织误认为动物粪便。在采用主成分分析法对全波段进行分析发现，PC1和 PC6包含了图像99. 6% 的信息，在根据权重系数大小选择了 465，487，531 ，607 ，643 ，688 nm6 个特征波长 ，相关系数为99. 96% 。

4.1.2在水果内部品质检测方面的应用

单佳佳等利用高光谱空间散射曲线的 3 个洛伦兹拟合参数对苹果的品质（ 硬度、可溶性固溶物含量） 进行检测，采用偏最小二乘、逐步多元线性回归和 BP 神经网络 3 种方法分别对归一化处理和未归一化处理的 3 个洛伦兹参数组合建立预测模型。结果表明： 采用偏最小二乘法对两种情况判别效果最好，校正相关系数和校正误差分别为 Rc = 0.93，SEC =0.56，Rv =0.84，SEV =0.94。结果表明，该技术对苹果多参数进行同时检测是可行的

4.2在蔬菜品质无损检测中的应用

在国内，柴阿丽等利用光谱成像技术（ 400 ～720 nm） 对黄瓜白粉病、角斑病、霜霉病、褐斑病和无病区域进行识别，采用逐步判别分析和典型判别分析两种方法进行降维，并利用选择的光谱特征参数建立病害识别模型。结果表明，逐步判别构建的模型对训练样本和测试样本的判别准确率分别为 100% 和94% ，典型判别构建的模型对训练样本和测试样本的判别准确率 100% 。

4.3在粮食作物无损检测中的应用

在国内，李江波等用高光谱成像技术（ 450 ～900nm） 及 ANN 对玉米含水率进行检测。通过玉米粒反射光谱图像获取反映其含水率的光谱特征波长，利用 ANN 建立玉米粒含水率的预测模型，模型相关系数达到0.98。预测结果误差绝对值最大2.1182，最小0.0024； 相对误差绝对值的平均值为0.309，表明该技术对玉米含水率进行无损检测是可行的。

4.4 在肉品无损检测中的应用

陈全胜等利用高光谱技术对 78 个猪肉样本在400 ～ 1 100nm 范围进行光谱数据采集； 通过 PCA 分析光谱数据进行降维，从中优选出 3 幅特征图像，并从每幅特征图像中分别提取对比度、相关性、角二阶矩和一致性等 4 个基于灰度共生矩阵的纹理特征变量； 再通过 PCA 对 12 各变量分析提取 6 个主成分变量，根据剪切力判断样本嫩度的分级结果，利用 ANN法构建判别模型。结果表明，对校正集样本回判率为96. 15% ，预测集样本判别率为 80. 77%。

3 总结与展望

高光谱成像技术在农业中有着广泛的应用前景，它能同时获得待测农产品样品丰富的图像和光谱信息，进而对农产品进行快速无损检测和综合评价。

（1）运用高光谱技术检测农产品品质，对其定性分析已取得较好的进展，但定量分析的精度仍有很多不足，可通过提高光谱装置精度，减少其它无用杂散信息的干扰等做进一步的研究。

（2）高光谱技术在应用到农产品在线检测时，由于高光谱图像信息量丰富，但冗余量多，为前期的研究带来困难，其次高光谱成像系统价格昂贵，选择合适的特征波长是进行光谱处理的关键，基于特征波长构建单个或多个波长光谱系统，进一步提高高光谱成像技术的处理速度，为在线检测提供依据。

（3）高光谱技术在农产品品质检测上应用处于起步阶段，但表现出来无损，快速，精确的特点，表明它在农产品品质检测中具有广泛的应用前景。

参考文献：

[1] 刘木华，赵杰文，郑建鸿，等.农畜产品品质无损检测中高光谱图像技术的应用进展[J].农业机械学报，2005，36（9）：139～143.

[2] 陈全胜，张燕华，万新民，等. 基于高光谱成像技术的猪肉嫩度检测研究 [J]. 光学学报，2010，30（ 9） ： 2602-2607.

[3] 应义斌，韩东海. 农产品无损检测技术 [M]. 武汉： 湖北人民出版社，2006.