高光谱成像仪在霉烂板栗检测中的应用

高光谱图像能够记录丰富的农产品品质信息，可用于农产品内、外品质的检测。有实验表明，在霉烂板栗检测中可以使用赛斯拜克高光谱成像仪采集板栗高光谱图像，提取霉烂板栗的光谱曲线，并建立霉烂板栗的识别模型，为板栗的无损分级提供一种新方法。

高光谱成像仪检测霉烂板栗的研究背景

板栗是我国食用最早的著名坚果之一，年产量居世界首位。然而板栗收获后极易霉烂变质，食用不当会引发安全问题。现有的霉烂板栗主要采用人工分选或盐水浮选，主观性强，分选错误率高。因此研究一种快速、有效且适用的霉烂板栗检测方法，可为板栗品质的快速无损检测和分级打下基础。

近红外光谱和机器视觉技术可以很好的检测农产品内部和外部品质，在农产品品质检测中已得到广泛的应用，但两者均不能满足同时检测农产品内外综合品质的要求。

针对缺陷板栗识别的问题，课题组前期做了一定的研究。周竹利用近红外光谱技术结合GA-LSSVM算法能够很好的检测表明表面霉变和内部霉变板栗，但建模时间较长。展慧等证明了基于近红外光谱和机器视觉的多源信息融合技术所建缺陷板栗识别模型，较单独采用机器视觉技术或近红外光谱分析技术建立模型的识别率均有显著提高，但光谱信息和图像信息要分别获取。

因此，在缺陷板栗的检测方面，还存在着内外品质不能同时兼顾和建模速度较慢等难题。随着科学技术的发展及计算机技术的突飞猛进，一种集光谱和图像于一身的高新技术——高光谱图像检测技术正越来越受到农产品无损检测研究者们的青睐。

高光谱图像能够记录丰富的农产品品质信息，可用于农产品内、外品质的检测。国内外学者将高光谱图像技术应用到水果、蔬菜、茶叶及肉类食品无损检测方面都取得了很好的结果。但尚未见利用高光谱图像技术检测霉烂板栗的研究。本文提出利用高光谱图像技术采集板栗高光谱图像，提取霉烂板栗的光谱曲线，并通过偏最小二乘判别分析（PLS-DA）法建立霉烂板栗的识别模型，为板栗的无损分级提供一种新方法。偏最小二乘-判别分析（PLS-DA，least squares discriminate analysis）在样品光谱信息的判别分析中具有很好的识别能力5]，是一种常用的模式识别方法。

高光谱成像仪检测霉烂板栗的研究成果

1. 通过高光谱成像系统采集正常板栗和霉烂板栗高光谱图像，选取感兴趣区域获取两类板栗的光谱曲线。正常板栗和霉烂板栗的光谱存在一定的差异，正常板栗的反射率始终大于霉烂板栗的反射率，并且其波峰分别出现在900nm和靠近1000nm不同的位置；

2. 采用偏最小二乘判别分析进行基于高光谱图像技术的霉烂板栗识别研究，比较了多种预处理方法对预测模型结果的影响。其中经平滑+二阶导数处理后的光谱数据所得模型效果最佳，霉烂板栗和正常板栗的正确识别率分别为83.9%和89.7%，总体识别率达到86.7%。

3. 为了提高霉烂板栗识别模型的精度，下一步工作即将在图像特征方面寻求新方法。