孫 梅, 付 妍, 徐冉冉, 趙 勇, 陳興海

(1.北京工商大學(xué)計算機(jī)與信息工程學(xué)院,北京 100048;2.北京卓立漢光儀器有限公司,北京 101102)

我國是世界水果生產(chǎn)大國,根據(jù)《中國統(tǒng)計年鑒》統(tǒng)計2006年我國水果總產(chǎn)量已經(jīng)達(dá)到17 239.9萬t(包括瓜果類),水果產(chǎn)量世界第一,但我國不是水果生產(chǎn)強(qiáng)國,水果出口量只占總產(chǎn)量的2%左右,遠(yuǎn)遠(yuǎn)低于9%～10%的世界平均水平.造成水果出口難的主要原因之一就是未能嚴(yán)格按照出口標(biāo)準(zhǔn)對水果品質(zhì)進(jìn)行分級.

隨著科學(xué)技術(shù)的發(fā)展和人民生活水平的不斷提高,國際水果市場競爭日益加劇,消費(fèi)者對水果品質(zhì)的要求越來越高.消費(fèi)者在挑選水果時從以往僅僅關(guān)心水果的外部品質(zhì),逐步轉(zhuǎn)向更加注重水果的內(nèi)部品質(zhì).

因?yàn)闄C(jī)器視覺技術(shù)和光譜技術(shù)具有快速、無損、可靠的優(yōu)點(diǎn),目前在水果無損檢測中得到廣泛應(yīng)用.機(jī)器視覺技術(shù)主要是對被測物體的空間信息進(jìn)行分析,并提取與農(nóng)產(chǎn)品質(zhì)量品質(zhì)相關(guān)特征,然后基于這些特征建立模式識別理論對研究對象實(shí)施分級.一般而言,這種技術(shù)用于農(nóng)產(chǎn)品外觀品質(zhì)檢測,如形狀、顏色、大小、表面缺陷等.形狀及大小的識別較多地依靠灰度信息,而顏色及表面缺陷的檢測目前廣泛使用的是RGB成像系統(tǒng).但是,這些基于普通CCD成像的檢測技術(shù)僅能夠檢測水果的部分表面特征,無法實(shí)現(xiàn)對水果內(nèi)部品質(zhì)(如水分、糖酸度、機(jī)械損傷、碰傷、腐爛、變質(zhì)、蟲害等)的檢測.水果內(nèi)部品質(zhì)(成熟度、堅(jiān)實(shí)度、可溶性固形物、水分等)用傳統(tǒng)的檢測方法進(jìn)行測量費(fèi)時、費(fèi)力,且內(nèi)部組織成分的測定需依靠破壞性檢測方法,受人工影響較大,這嚴(yán)重影響了對水果進(jìn)行快速、無損、準(zhǔn)確的評價.因此研究快速、無損、準(zhǔn)確的水果品質(zhì)檢測技術(shù),對推動水果行業(yè)的健康、持續(xù)發(fā)展,提高水果交易價格,增加果農(nóng)收入,具有十分重要的現(xiàn)實(shí)意義.

盡管當(dāng)前較為先進(jìn)的分級機(jī)器可以對水果表面缺陷進(jìn)行分級,但是損傷,尤其是輕微損傷一直是一個挑戰(zhàn).近幾年來,高光譜圖像技術(shù)在農(nóng)產(chǎn)品品質(zhì)無損檢測中的應(yīng)用是一個重要的發(fā)展趨勢.由于高光譜成像技術(shù)是一種圖像及光譜融合技術(shù),可以同時獲得農(nóng)產(chǎn)品的光譜信息及圖像信息.由于圖像信息能反映農(nóng)產(chǎn)品的外部特征、表面缺陷及污染情況,而光譜信息又可以對物體內(nèi)部物理結(jié)構(gòu)及化學(xué)成分進(jìn)行分析,可以說高光譜成像技術(shù)是圖像技術(shù)與光譜技術(shù)的完美結(jié)合.

1 高光譜成像系統(tǒng)

高光譜成像是新一代光電檢測技術(shù),興起于20世紀(jì)80年代,目前仍在迅猛發(fā)展中.高光譜成像是相對多光譜成像而言,通過高光譜成像方法獲得的高光譜圖像與通過多光譜成像獲取的多光譜圖像相比具有更豐富的圖像和光譜信息.

高光譜圖像技術(shù)已經(jīng)被應(yīng)用于從精微研究到遙感的許多科學(xué)領(lǐng)域[1-11].高光譜一般認(rèn)為,光譜分辨率在10-1λ數(shù)量級范圍內(nèi)稱為多光譜(multispectral),光譜分辨率在10-2λ數(shù)量級范圍內(nèi)稱為高光譜(hyper-spectral),光譜分辨率在10-3λ數(shù)量級范圍內(nèi)稱為超光譜(ultra-spectral)[12].高光譜圖像是一系列光波波長處的光學(xué)圖像.光譜范圍可以在紫外(200～400 nm)、可見光(400～760 nm)、近紅外(760～2 560 nm)以及波長大于2 560 nm的區(qū)域.它比多光譜圖像具有更高的光譜分辨率,通常精度可達(dá)到2～3 nm.高光譜圖像數(shù)據(jù)是三維的,稱為圖像塊,如圖1.其中:二維是圖像像素的坐標(biāo)信息(以X和Y表示);第三維是波長信息(以K表示).一個分辨率為X×Y像素的圖像檢測器陣列在n個波長處獲得的樣品圖像塊是X×Y×n的三維陣列.

圖1 高光譜圖像塊Fig.1 Hyperspectral image block

高光譜圖像是由一系列特定波長下的光學(xué)圖像組成的三維數(shù)據(jù)塊,特定波長的光可通過濾波片和光譜儀兩種方式獲得.因此,根據(jù)獲取的方式不同,特定波長光可以分為基于濾波片的高光譜圖像系統(tǒng)和基于光譜儀的高光譜圖像系統(tǒng).基于光譜儀的高光譜圖像系統(tǒng)采集得到的數(shù)據(jù)精度高,可以用于尋找檢測目標(biāo)所需要的特定波長。但其數(shù)據(jù)量超大,數(shù)據(jù)處理時間長,僅適合于實(shí)驗(yàn)室研究階段;反之,基于濾波片的高光譜圖像系統(tǒng)采集得到的數(shù)據(jù)量小,數(shù)據(jù)分析所需要的時間短,適合在線檢測,但是數(shù)據(jù)過于簡單,很難尋找到檢測目標(biāo)所需要的特征波長.一般情況下,在實(shí)驗(yàn)室階段利用基于光譜儀的高光譜圖像系統(tǒng)尋找檢測目標(biāo)所需要的最優(yōu)波長,再根據(jù)最優(yōu)波長設(shè)計基于濾波片的高光譜圖像系統(tǒng),以實(shí)現(xiàn)在線檢測.

高光譜圖像檢測技術(shù)的硬件組成主要包括光源、CCD攝像頭、裝備有圖像采集卡的計算機(jī)和單色儀.光譜范圍可以在200～400 nm,400～1 000 nm,900～1 700 nm,1 000～2 500 nm.V10E-PS高光譜成像儀系統(tǒng)實(shí)物和基于圖像光譜儀的高光譜圖像檢測系統(tǒng)如圖2.它主要由面陣CCD攝像頭和圖像光譜儀組成.工作時,圖像光譜儀將檢測對象反射或透射過來的光分成單色光源后進(jìn)入CCD攝像頭.該系統(tǒng)采用“推掃型”成像方法得到高光譜圖像:面陣CCD探測器在光學(xué)焦面的垂直方向上做橫向排列完成橫向掃描(X方向),獲取的是對象在條狀空間中每個像素在各波長下的圖像信息;同時,在檢測系統(tǒng)輸送帶前進(jìn)的過程中,排列的探測器掃出一條帶狀軌跡從而完成縱向掃描(Y方向).

圖2 V10E-PS高光譜成像儀系統(tǒng)Fig.2 V10E-PS hyperspectral imager system

2 結(jié)果與分析

水果在采摘或運(yùn)輸過程中,因外力的作用使其表皮受到機(jī)械損傷,損傷處表皮未破損,傷面有輕微凹陷,色稍變暗,肉眼難于覺察.受水果色澤的影響,傳統(tǒng)的計算機(jī)視覺技術(shù)不能對輕微損傷加以檢測,但是輕微損傷是水果在線檢測的主要指標(biāo)之一.隨著時間的延長,輕微損傷部位逐漸褐變,最終導(dǎo)致整個果實(shí)腐爛并影響其他果實(shí).因此,水果輕微損傷的快速有效檢測是目前研究的難點(diǎn)和熱點(diǎn)之一.利用高光譜成像技術(shù)對水果品質(zhì)進(jìn)行無損檢測已成為近年來的一個研究熱點(diǎn),國內(nèi)外許多學(xué)者利用高光譜成像技術(shù)開展了對梨、蘋果、甜瓜、草莓、芒果品質(zhì)進(jìn)行無損檢測的研究工作,并取得較好的研究結(jié)果.

Lu[13]利用近紅外高光譜成像技術(shù)檢測Red delicious和Golden delicious兩種蘋果的表面損傷,測量波長為900～1 900 nm,他發(fā)現(xiàn)波段在1 000～1 340 nm的光譜最有利于這兩類蘋果損傷的檢測.研究結(jié)果表明,高光譜成像系統(tǒng)能夠檢測蘋果表面新舊兩種類型損傷,檢測準(zhǔn)確率隨著蘋果損傷后存放的天數(shù)不同而有變化,對Red delicious而言其識別精度為62% ～88%,對Golden delicious而言其識別精度為59%～94%.

Xing等[14-15]應(yīng)用可見近紅外高光譜圖像檢測Jonagold蘋果表面損傷.測量的波長為400～1 000 nm,通過主成分分析獲得了6個特征波段,分別為571,608,671,709,798和867 nm.然后利用6個波段做特征波段主成分分析.最后基于第一得分圖像開發(fā)了損傷及果梗/萼的識別算法.識別結(jié)果表明,正常果的識別率為84.6%,損傷發(fā)生1 d后的蘋果檢測率為77.5%,并且98.3%的果梗/萼被正確識別.

與國外研究相比,國內(nèi)利用高光譜成像對水果內(nèi)部品質(zhì)進(jìn)行檢測是最近兩三年才開始進(jìn)行的.

趙杰文等[16]利用高光譜圖像技術(shù)進(jìn)行了檢測水果輕微損傷的方法研究.試驗(yàn)以蘋果為研究對象,利用500～900 nm的高光譜圖像數(shù)據(jù),通過主成分分析提取547 nm波長下的特征圖像;設(shè)計不均勻二次差分,消除了蘋果圖像亮度分布不均勻的影響;再通過合適的數(shù)字圖像處理方法提取蘋果的輕微損傷.試驗(yàn)結(jié)果表明,高光譜圖像技術(shù)對蘋果輕微損傷的檢測正確率達(dá)到88.57%.

薛龍等[17-18]以臍橙為研究對象,初步探討了應(yīng)用高光譜圖像技術(shù)檢測水果表面農(nóng)藥殘留的方法.檢測光譜為625～725 nm,應(yīng)用主成分分析方法獲得特征波長圖像,基于第3主成分圖像對臍橙表面的農(nóng)藥殘留進(jìn)行檢測.檢測結(jié)果表明高光譜技術(shù)對檢測較高濃度農(nóng)藥殘留非常明顯.

陳全勝等[19]設(shè)計一套基于光譜儀的高光譜圖像系統(tǒng)檢測茶葉質(zhì)量.通過主成分分析,優(yōu)選出3個波段的特征圖像,從每個特征圖像中分別提取平均灰度級、標(biāo)準(zhǔn)方差、平滑度、三階矩、一致性和熵等6個基于統(tǒng)計矩的紋理特征參量,每個樣本共有18個特征變量.再通過主成分分析對這18個特征變量進(jìn)行壓縮,提取8個主成分因子建立基于反向傳播神經(jīng)網(wǎng)絡(luò)的茶葉等級判別模型.模型總體識別率為94%.

蔡健榮等[20]利用高光譜圖像技術(shù)檢測柑橘果銹.首先根據(jù)Sheffield指數(shù)確定最佳波段(625和717 nm),經(jīng)比值變換后得到第一幅比值圖像.然后選取特征波長625 nm的鄰近波段621 nm,與其比值變換后得到第二幅比值圖像,提取輪廓,構(gòu)建掩膜以消除第一幅比值圖像的背景噪聲,最后進(jìn)行閾值分割和數(shù)字形態(tài)學(xué)運(yùn)算,完成果銹區(qū)域的特征檢測.試驗(yàn)結(jié)果表明基于波段比算法的高光譜圖像技術(shù)可有效檢測柑橘果銹,檢測率達(dá)到92%.

李江波等[21]提出特征波段主成分分析法及波段比算法結(jié)合高光譜成像系統(tǒng)檢測臍橙表面潰瘍.首先,提取并分析11類果皮感興趣區(qū)域(ROI)光譜曲線,并結(jié)合主成分分析法確定5個最佳波段(630,685,720,810和875 nm).然后基于特征波段做主成分分析,選取第五主成分作為分類識別圖像,識別率達(dá)到80%.

我們利用北京卓立漢光儀器有限公司的Hypersis系列高光譜成像檢測系統(tǒng),初步研究了蘋果在可見光及近紅外波段的壓傷和風(fēng)傷.研究中首先確定與檢測水果品質(zhì)的最有效特征波長,然后通過設(shè)計具有若干個波長的光譜圖像系統(tǒng),從而應(yīng)用到實(shí)際生產(chǎn)檢測中.這樣就可以大大地提高檢測效率,真正達(dá)到在線、快速、無損檢測肉類品質(zhì)的目的.

圖3是利用數(shù)碼相機(jī)拍攝的蘋果彩色圖像(其中有缺陷的部分已用筆圈出),雖然可通過數(shù)碼相機(jī)或人眼看到蟲傷的痕跡,但擠壓損傷處不是很明顯.且在灰度圖像中,這樣的傷痕是看不到的.只有在某些特定波長下,輕微損傷區(qū)域與正常區(qū)域之間的光譜值會存在很大差異.

高光譜圖像在360～981 nm波長的519個波段范圍內(nèi)獲得,利用主成分分析法可得到有效的特征波長.例如,用高光譜圖像系統(tǒng)分別采集到的有壓傷和風(fēng)傷的蘋果的高光譜圖像如圖4.通過主成分分析后,分別在第4主成分波段和第3主成分波段圖像中,可清晰地辨別出蘋果壓傷、風(fēng)傷及果梗的位置.

3 結(jié) 論

隨著圖像處理技術(shù)、光譜分析技術(shù)、計算機(jī)技術(shù)等的快速發(fā)展和相互融合,并且由于通過高光譜成像能獲取待測水果豐富的圖像和光譜信息,能同時對水果綜合品質(zhì)進(jìn)行無損檢測,因而該技術(shù)在水果品質(zhì)檢測過程中必將得到更廣泛的應(yīng)用.

水果品質(zhì)的無損檢測技術(shù)尤其是高光譜圖像檢測技術(shù)在我國還處于實(shí)驗(yàn)研究階段,并沒有真正地投入到實(shí)際生產(chǎn)當(dāng)中.所以,加速水果品質(zhì)無損檢測設(shè)備的市場應(yīng)用,實(shí)現(xiàn)水果的在線、快速、無損檢測對我國水果產(chǎn)業(yè)的現(xiàn)代化發(fā)展具有非常重要的實(shí)際意義.

我們利用高光譜技術(shù)初步研究了蘋果在可見光及近紅外波段的壓傷和風(fēng)傷,進(jìn)一步的研究還在進(jìn)行中.

[1] Judith A A.Quality measurement of fruits and vegetables[J].Postharvest Biology and Technology,1999,15(3):207-225.

[2] Chen Y R,Chao K,Kim M S.Machine vision technology for agricultural applications[J].Computers and Electronics in Agriculture,2002,36(2-3):173-191.

[3] Brosnan T,Sun D W.Inspection and grading of agricultural and food products by computer vision systems[J].Computers and Electronics in Agriculture,2002,36(2-3):193-213.

[4] 馬本學(xué),饒秀勤,應(yīng)義斌,等.基于近紅外漫反射光譜的香梨類別定性分析[J].光譜學(xué)與光譜分析,2009,29(12):3288-3290.

[5] 劉燕德,陳興苗,歐陽愛國.可見/近紅外光譜法無損檢測贛南臍橙可溶性固形物[J].光學(xué)學(xué)報,2008,28(3):478-481.

[6] 韓東海,王加華.水果內(nèi)部品質(zhì)近紅外光譜無損檢測研究進(jìn)展[J].中國激光,2008,35(8):1123-1131.

[7] Liu Y,Ying Y.Use of FT-NIR spectrometry in non-invasive measurements of internal quality of“Fuji” apples[J].Postharvest Biology and Technology,2005,37:65-71.

[8] 付興虎,付廣偉,畢衛(wèi)紅.近紅外光譜技術(shù)在水果品質(zhì)無損檢測中應(yīng)用的研究與現(xiàn)狀[J].紅外,2006,27(2):33-37.

[9] 洪添勝,喬軍,Wang Ning,等.基于高光譜圖像技術(shù)的雪花梨品質(zhì)無損檢測[J].農(nóng)業(yè)工程學(xué)報,2007,23(2):l5l155.

[10] 郭恩有,劉木華,趙杰文,等.臍橙糖度的高光譜圖像無損檢測技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報,2008,39(5):91-93.

[11] 喻曉強(qiáng),劉木華,郭恩有,等.基于熒光高光譜圖像的柑桔糖度無損檢測[J].安徽農(nóng)業(yè)科學(xué),2007,35(36):11807-11808.

[12] 劉木華,趙杰文,鄭建鴻.農(nóng)畜產(chǎn)品品質(zhì)無損檢測中高光譜圖像技術(shù)的應(yīng)用進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報,2005,36(9):139-143.

[13] Lu R.Detection of bruises on apples using near—infraredhyperspectral imaging[J].Transactions of ASAE,2003,46(2):523-530.

[14] Xing Juan,Baerdemaeker J S D.Bruise detection on“Jonagold” apples using hyperspectral imaging[J].Post Harvest Biology and Technology,2005,37:152-162.

[15] Juan X,Cedric B,Pal T J,et al.Detectingbruises on'golden delicious'apples using hyperspectralimaging with multiple wavebands[J].Biosystems Engineering,2005,90(1):27-36.

[16] 趙杰文,劉劍華,陳全勝.利用高光譜圖像技術(shù)檢測水果輕微損傷[J].農(nóng)業(yè)機(jī)械學(xué)報,2008,39(1):106-109.

[17] 薛龍,黎靜,劉木華.基于高光譜圖像技術(shù)的水果表面農(nóng)藥殘留檢測試驗(yàn)研究[J].光學(xué)學(xué)報,2008,28(12):2277-2280.

[18] 薛龍,黎靜,劉木華,等.基于遺傳算法的臍橙可溶性固形物的可見/近紅外光譜無損檢測[J].激光與光電子學(xué)進(jìn)展,2010,47(12):109-113.

[19] 陳全勝,趙杰文,蔡健榮,等.利用高光譜圖像技術(shù)評判茶葉的質(zhì)量等級[J].光學(xué)學(xué)報,2008,28(4):669-674.

[20] 蔡健榮,王建黑,黃星奕,等.高光譜圖像技術(shù)檢測柑橘果銹[J].光電工程,2009,36(6):26-30.

[21] 李江波,饒秀勤,應(yīng)義斌.農(nóng)產(chǎn)品外品質(zhì)無損檢測中高光譜成像技術(shù)的應(yīng)用研究進(jìn)展[J].光譜學(xué)與光譜分析,2011,31(8):2021-2026.