水果在運(yùn)輸和儲(chǔ)存過(guò)程中，難免會(huì)受到震動(dòng)、碰撞、擠壓等不同形式的機(jī)械載荷作用而產(chǎn)生機(jī)械損傷及內(nèi)部損傷。因此，利用無(wú)損檢測(cè)技術(shù)對(duì)水果的表面損傷進(jìn)行檢測(cè)，具有重要的意義。

?

近紅外光譜和高光譜成像分析技術(shù)具有成本低、快速和無(wú)損等優(yōu)點(diǎn)，近年來(lái)在水果表面損傷檢測(cè)方面得到了越來(lái)越廣泛的應(yīng)用1。Zhang利用400-1000nm波段的高光譜成像技術(shù)，對(duì)蘋(píng)果表面損傷進(jìn)行快速、無(wú)損檢測(cè)，檢測(cè)準(zhǔn)確率為94.75%。

Li利用短波近紅外對(duì)桃子進(jìn)行高光譜成像，然后剔除一種基于形態(tài)梯度重建和標(biāo)記提取的改進(jìn)分水嶺分割算法對(duì)桃子的高光譜圖像進(jìn)行分割，實(shí)現(xiàn)了桃子表面損傷的高精度識(shí)別。

Fan分別采用推掃式高光譜成像系統(tǒng)和基于液晶可調(diào)諧濾波器的高光譜成像系統(tǒng)采集了藍(lán)莓的高光譜圖像，然后采用特征選擇法、偏最小二乘判別分析法和支持向量機(jī)對(duì)兩種光譜技術(shù)的光譜數(shù)據(jù)進(jìn)行了分析，并在數(shù)據(jù)層、特征層和決策層對(duì)三種數(shù)據(jù)進(jìn)行融合，提高了藍(lán)莓表面損傷檢測(cè)的精度]。

Li采集了獼猴桃的VIS/NIR（408-1117nm）高光譜圖像，采用主成分分析法，從600~1000nm的數(shù)據(jù)中提取前四組分圖像，并采用平行六面體分類法從圖像中提取損傷區(qū)域，實(shí)驗(yàn)結(jié)果表明，高光譜成像檢測(cè)水果不可見(jiàn)損傷的誤差為14.5%]。

在國(guó)內(nèi)，基于高光譜圖像的水果表面損傷檢測(cè)技術(shù)也得到了快速發(fā)展。

趙杰文采集了蘋(píng)果的500-900nm波段內(nèi)的高光譜圖像，通過(guò)主成分分析方法對(duì)高光譜圖像進(jìn)行降維處理，提取了波長(zhǎng)為547nm的特征圖像，然后通過(guò)圖像處理的方法檢測(cè)出蘋(píng)果的輕微損傷，在自制的樣本集上開(kāi)展了小規(guī)模實(shí)驗(yàn)，檢測(cè)正確率為88.57%。

田有文采集了紅富士蘋(píng)果樣本的高光譜圖像，基于有效光譜區(qū)域做主成分分析，選取第四主成分（PC4）提取損傷區(qū)域，運(yùn)用閾值分割的方法建立提取損傷區(qū)域的算法模型，并開(kāi)展了檢測(cè)實(shí)驗(yàn)，損傷蘋(píng)果樣本的檢測(cè)準(zhǔn)確率為97.5%，健康蘋(píng)果樣本的檢測(cè)準(zhǔn)確率達(dá)到100%，平均準(zhǔn)確率為98.75%。

黃文倩研究了阿克蘇蘋(píng)果的早期輕微損傷檢測(cè)方法，基于780~1000nm光譜區(qū)域結(jié)合主成分圖像權(quán)重系數(shù)獲取了2個(gè)有效波長(zhǎng)（820和970nm），并利用這2個(gè)波長(zhǎng)和全局閥值理論開(kāi)發(fā)了多光譜輕微損傷提取算法，結(jié)果表明，正常果的識(shí)別率為100%，損傷果的識(shí)別率為96%，整體檢測(cè)精度為98%|。

薛龍通過(guò)主成分分析選出了572nm、696nm和945nm三個(gè)高光譜圖像的特征波長(zhǎng)，經(jīng)過(guò)適當(dāng)?shù)膱D像處理方法對(duì)梨表面的碰壓傷進(jìn)行檢測(cè)，取得了較好的檢測(cè)效果。

魏新華采集了冬棗的高光譜圖像（波長(zhǎng)為871-1766nm），通過(guò)無(wú)信息變量消除法、相關(guān)系數(shù)法提取特征波長(zhǎng)，最有采用圖像自適應(yīng)閥值分割算法對(duì)特征圖像進(jìn)行分割，準(zhǔn)確提取冬棗的輕微損傷，實(shí)驗(yàn)結(jié)果表明，在損傷發(fā)生1小時(shí)后的檢測(cè)準(zhǔn)確率為98%。

遲茜研究了基于高光譜圖像的獼猴桃早期隱性損傷方法，對(duì)70個(gè)無(wú)損獼猴桃和70個(gè)隱性損傷獼猴桃的正確識(shí)別率分別為100%和95.7%，平均正確識(shí)別率為97.9%。

這些研究表明，近紅外光譜和高光譜成像分析技術(shù)是一種可靠的水果表面損傷檢測(cè)技術(shù)。然而，與蘋(píng)果、藍(lán)莓等水果相比，利用高光譜對(duì)梨進(jìn)行檢測(cè)的研究還比較少l1。Lee利用了F-Value的方法找到最優(yōu)波段比，將梨的高光譜圖像的每個(gè)像素上的波段比與設(shè)定的閾值相比較，分割出損傷區(qū)域的圖像[42]。Zhao研究了光照不均勻?qū)Ω吖庾V成像傳感器技術(shù)在梨損傷檢測(cè)中的影響，比較了最大似然分類（MLC）、歐幾里得距離分類（EDC）、馬哈拉諾比距離分類（MDC）和譜角映射器（SAM）等方法的處理結(jié)果，實(shí)驗(yàn)結(jié)果表明，MDC和SAM具有良好的檢測(cè)性能，檢測(cè)精度分別為93.8%和95.0%/43]。Dang將高光譜成像技術(shù)與K-最近鄰（K-NN）和支持向量機(jī)（SVM）等監(jiān)督分類技術(shù)相結(jié)合，對(duì)梨的損傷區(qū)域進(jìn)行檢測(cè)[4]。Jiang利用主成分分析方法提取了香梨高光譜圖像的特征波長(zhǎng)，再利用PLS-DA實(shí)現(xiàn)香梨損傷的識(shí)別]。

在這些研究中，只是通過(guò)實(shí)驗(yàn)證明了利用高光譜對(duì)香梨損傷檢測(cè)的可行性，在特征波長(zhǎng)選擇方面，還需要更多的研究。

?