【文章摘要】

采用近红外高光谱成像技术对长枣表面虫伤进行无损检测。在970 ～ 1630nm 波长范围内对高光谱图像数据进行主成分分析，优选出1029nm、1109nm、1229nm、1288nm、1387nm 和1467nm 六个特征波长，再对特征波长下的图像做主成分分析，得到的第三主成分图像最适合长枣表面虫伤提取，检测虫伤正确率达到84%。研究结果表明：利用高光谱成像技术和特征波长主成分分析检测长枣虫伤是可行的。

【关键词】

高光谱成像技术；长枣；无损检测； 虫伤

中图法分类号: O433.1;TP391.4 文献标识码:A

【Abstract】

Near-infrared hyperspectral imaging technology was adopted to have a nondestructive detection for the insect damage in long jujube.Hyperspectral imaging data in the range of 970 ～ 1630 nm was analyzed by the principal component analysis (PCA) and choosed six characteristic w a v e l e n g t h s ( 1 0 2 9 n m 、1 1 0 9 n m 、1229nm、1288nm、1387nm、1467nm). Next, principal component analysis was again performed based on characteristic wavelengths and the third principal component image was most suitable for identifying the insect damage in long jujube, the identification rate can reach to 84%.This research demonstrated that it is feasible to detect insect damage in long jujube by using the hyperspectral imaging technology and characteristic wavelengths of PCA method.

【Keywords】

hyperspectral imaging technology;long jujube;nondestructive detection;insect damage

0 引言

灵武长枣是宁夏回族自治区极具地方特色的农产品，其品质特性倍受消费者的关注。在长枣的生长过程中，会受到各种虫害的侵蚀，导致长枣表面及内部损伤的出现，严重影响了长枣的品质和销售。传统的分选方法大多靠人工操作，效率低且准确率较差，无法满足大规模储存和销售需求。因此，亟需开发一种快速、高效、无损的检测方法。

随着科学技术的不断发展，近红外光谱技术和高光谱技术在农产品检测方面开始广泛应用。大量研究表明近红外光谱技术用于水果内部品质检测的技术比较成熟。但是该技术无法获得水果表面信息，从而不能综合反映水果的品质信息。但是高光谱成像技术弥补了近红外光谱技术的不足，它将传统的二维成像技术和光谱技术有机结合，可同时获得农产品图像信息与光谱信息，所以在农产品综合品质检测中具有极大的优势。如赵杰文等利用高光谱图像技术结合主成分析及不均匀二次差分对苹果表面轻微损伤进行了检测，检测正确率达到88.57%。蔡健荣等利用主成分分析和波段比算法结合高光谱图像技术检测柑橘果锈，检测率分别达到90%，92%。赵娟等利用高光谱图像技术结合主成分分析和波段比算法对苹果的外观缺陷进行检测，苹果分级的准确率分别到达81.25%，93.75%。李江波等基于高光谱成像技术检测脐橙溃疡，采用特征波长的主成分分析法与波段比算法相结合，脐橙溃疡正确识别率比特征波段主成分分析提高了许多，达到到95.7%。LÜ Qiang 等利用可见近红外高光谱图像技术对猕猴桃损伤进行了研究，采用主成分分析法检测，正确率达到85.5%。

本文选取宁夏灵武长枣为研究对象， 分析高光谱成像技术检测长枣表面虫伤的可行性。采用特征波段图像的主成分分析结合图像处理方法提取长枣虫伤区域，为鲜枣采后在线检测奠定理论基础。

1 材料与方法

1.1 实验材料

长枣采摘于宁夏灵武某果园，选取100 个长枣样本，其中表面完好无损的70 个, 表面有虫伤的30 个。样本置于4℃环境中保存，采集高光谱图像之前，将其放置到室温下10h。

1.2 高光谱成像系统

实验用的HyperSIS-NIR 近红外高光谱成像系统，主要由高光谱成像光谱仪(Imspector N17E)、CCD 相机(Zelos- 285GV)、4 个35W 的卤钨灯、暗箱、电动输送平台和笔记本电脑等部件组成，如图1。成像光谱仪波长范围900 ～ 1700nm，光谱分辨率5nm，共256 个波段。

1.3 图像采集与处理

高光谱图像数据采集使用SpectraSENS 系统配套软件。采集图像前系统设置： CCD 相机的曝光时间为10ms, 电控移动平台速度为13mm/s，扫描线长度为180mm。由于各波段下光源强度分布不均匀及摄像头中暗电流存在都会导致图像中含有较大的噪声，因此采集高光谱图像数据前要进行黑白校正。高光谱图像

图1 近红外高光谱成像系统

Fig.1.Near-infrared hyperspectral imaging system047

数据分析使用ENVI4.6 和Matlab9.0 软件。

1.4 数据处理方法

主成分分析（Principal Component Analysis，PCA）是一种有效的降维方法。将原变量线性组合成一些新的互不相关的变量，且最大限度得表征了原来数据信息。可以根据实际需要选择少数新的变量来替代原来大量数据信息。

2 结果与分析

2.1 特征波长主成分分析

由于970nm 之前和1630nm 之后图像模糊不清、噪声较大。所以选取970 ～ 1630nm 波长范围内数据进行分析主成分分析，得到前4 个主成分图像。每个主成分图像实际上是不同波长下原始图像的一种线性组合，通过权重系数值的大小进行特征波长的选取，权重系数局部极大值或极小值对应波长下图像对主成分贡献较大，选取1029nm、1109nm、1229nm、1288nm、1387nm 和1467nm 共6 个特征波长做下一步分析。

对特征波长下的图像进行主成分分析如图2 所示，可以看到PC3 图像中虫伤区域的特征较为明显，有利于虫伤的提取。但是PC3 图像背景存在大量噪声， 为了消除背景噪声，需构建掩膜图像（长枣区域灰度为1，其他区域灰度为0）。采用1467nm 单波段图像构建掩膜，此波段图像和背景灰度差较大，有利于掩膜的构建。将掩膜图像作用于PC3 图像，去掉背景噪声，再选择适当的阈值进行二值化处理，最后进行腐蚀和膨胀处理完成虫伤区域的提取，结果如图3 所示。

(a)1467nm (b) 掩膜 (d) 掩膜作用

(e) 阈值分割 (f) 形态学变换

图3 虫伤提取图像处理过程

Fig.3 Image processing for extracting the insect damage

2.2 检测结果

对100 个长枣样本进行检测，采用特征波长图像的主成分分析，对于70 个完好样本，有60 个样本被正确检出；对于30 个表面有虫伤的样本，有24 个被检出， 总体检测正确率为84%。结果表明特征波长图像主成分分析法检测长枣表面虫伤是可行的。造成误判的原因主要是由于光照不均在长枣表面产生高亮区域经处理后没有完全消除或是长枣表面虫伤面积较小，图像处理过程中容易将这些小的区域腐蚀掉。

3 结论

本文利用高光谱成像技术对长枣表面虫伤进行检测。采用主成分分析找出特征波长，实现了多维数据的降维；再对特征波长下的图像进行主成分分析，有效地检测出虫伤区域。今后研究中，可增加不同类型虫伤枣的样本量，进一步验证和改进此算法来提高检测的正确率。

【参考文献】

[1] 孙通, 徐惠荣, 应义斌. 近红外光谱分析技术在农产品/ 食品品质在线无损检测中的应用研究进展[J]. 光谱学与光谱分析,2009,29(1):122-126.

[2] 苏东林, 李高阳, 何建新, 等. 近红外光谱技术在我国大宗水果品质无损检测中应用研究进展[J]. 食品工业科技,2012,33(6):460- 464.

[3] 马本学, 应义斌, 饶秀勤. 高光谱成像在水果内部品质无损检测中的研究进展[J]. 光谱学与光谱分析,2009,29(16):1611-1615.

[4] 李江波, 饶秀勤, 应义斌. 农产品外部品质无损检测中高光谱成像技术的应用研究进展[J]. 光谱学与光谱分析,2011,31(8):2021- 2026.

[5] 赵杰文, 刘建华, 陈全胜, 等. 利用高光谱图像技术检测水果轻微损伤[J]. 农业机械学报， 2008,39(1):106-109.

[6] 蔡健荣, 王建黑, 陈全胜, 等. 高光谱图像技术检测柑橘果锈[J]. 光电工程,2009,36(6):26-30.

[7] 蔡健荣, 王建黑, 陈全胜, 等. 波段比算法结合高光谱图像技术检测柑橘果锈[J]. 农业工程学报,2009,25(1):127-131.

[8] 赵娟, 彭彦昆, 赵松玮, 等. 基于高光谱图像技术检测苹果外观缺陷[J]. 食品安全质量检测学报,2012,3(6):681-684.

[9] 李江波, 饶秀勤, 应义斌, 等. 基于高光谱成像技术检测脐橙溃疡[J]. 农业工程学报,2010,26(8):222-228.

[10] LÜ Qiang, TANG Mingjie. Detection of Hidden Bruise on Kiwi fruit Using Hyperspectral Imaging and Parallelepiped Classification[J]. Procedia Environmental Sciences, 2012, 12: 1172-1179.

数据分析使用ENVI4.6 和Matlab9.0 软件。

1.4 数据处理方法

主成分分析（Principal Component Analysis，PCA）是一种有效的降维方法。将原变量线性组合成一些新的互不相关的变量，且最大限度得表征了原来数据信息。可以根据实际需要选择少数新的变量来替代原来大量数据信息。

2 结果与分析

2.1 特征波长主成分分析

由于970nm 之前和1630nm 之后图像模糊不清、噪声较大。所以选取970 ～ 1630nm 波长范围内数据进行分析主成分分析，得到前4 个主成分图像。每个主成分图像实际上是不同波长下原始图像的一种线性组合，通过权重系数值的大小进行特征波长的选取，权重系数局部极大值或极小值对应波长下图像对主成分贡献较大，选取1029nm、1109nm、1229nm、1288nm、1387nm 和1467nm 共6 个特征波长做下一步分析。

对特征波长下的图像进行主成分分析如图2 所示，可以看到PC3 图像中虫伤区域的特征较为明显，有利于虫伤的提取。但是PC3 图像背景存在大量噪声， 为了消除背景噪声，需构建掩膜图像（长枣区域灰度为1，其他区域灰度为0）。采用1467nm 单波段图像构建掩膜，此波段图像和背景灰度差较大，有利于掩膜的构建。将掩膜图像作用于PC3 图像，去掉背景噪声，再选择适当的阈值进行二值化处理，最后进行腐蚀和膨胀处理完成虫伤区域的提取，结果如图3 所示。

(a)1467nm (b) 掩膜 (d) 掩膜作用

(e) 阈值分割 (f) 形态学变换

图3 虫伤提取图像处理过程

Fig.3 Image processing for extracting the insect damage

2.2 检测结果

对100 个长枣样本进行检测，采用特征波长图像的主成分分析，对于70 个完好样本，有60 个样本被正确检出；对于30 个表面有虫伤的样本，有24 个被检出， 总体检测正确率为84%。结果表明特征波长图像主成分分析法检测长枣表面虫伤是可行的。造成误判的原因主要是由于光照不均在长枣表面产生高亮区域经处理后没有完全消除或是长枣表面虫伤面积较小，图像处理过程中容易将这些小的区域腐蚀掉。

3 结论

本文利用高光谱成像技术对长枣表面虫伤进行检测。采用主成分分析找出特征波长，实现了多维数据的降维；再对特征波长下的图像进行主成分分析，有效地检测出虫伤区域。今后研究中，可增加不同类型虫伤枣的样本量，进一步验证和改进此算法来提高检测的正确率。

【参考文献】

[1] 孙通, 徐惠荣, 应义斌. 近红外光谱分析技术在农产品/ 食品品质在线无损检测中的应用研究进展[J]. 光谱学与光谱分析,2009,29(1):122-126.

[2] 苏东林, 李高阳, 何建新, 等. 近红外光谱技术在我国大宗水果品质无损检测中应用研究进展[J]. 食品工业科技,2012,33(6):460- 464.

[3] 马本学, 应义斌, 饶秀勤. 高光谱成像在水果内部品质无损检测中的研究进展[J]. 光谱学与光谱分析,2009,29(16):1611-1615.

[4] 李江波, 饶秀勤, 应义斌. 农产品外部品质无损检测中高光谱成像技术的应用研究进展[J]. 光谱学与光谱分析,2011,31(8):2021- 2026.

[5] 赵杰文, 刘建华, 陈全胜, 等. 利用高光谱图像技术检测水果轻微损伤[J]. 农业机械学报， 2008,39(1):106-109.

[6] 蔡健荣, 王建黑, 陈全胜, 等. 高光谱图像技术检测柑橘果锈[J]. 光电工程,2009,36(6):26-30.

[7] 蔡健荣, 王建黑, 陈全胜, 等. 波段比算法结合高光谱图像技术检测柑橘果锈[J]. 农业工程学报,2009,25(1):127-131.

[8] 赵娟, 彭彦昆, 赵松玮, 等. 基于高光谱图像技术检测苹果外观缺陷[J]. 食品安全质量检测学报,2012,3(6):681-684.

[9] 李江波, 饶秀勤, 应义斌, 等. 基于高光谱成像技术检测脐橙溃疡[J]. 农业工程学报,2010,26(8):222-228.

[10] LÜ Qiang, TANG Mingjie. Detection of Hidden Bruise on Kiwi fruit Using Hyperspectral Imaging and Parallelepiped Classification[J]. Procedia Environmental Sciences, 2012, 12: 1172-1179.