基于近紅外高光譜成像技術(shù)的南疆紅棗冠層葉片水分分布研究

王長(zhǎng)旭 王玉婷 索玉婷 徐嘉翊 高峰 羅華平

摘要：【目的】探究棗樹冠層水分的變化對(duì)偏振光譜的影響，為后續(xù)大面積棗園棗樹生理監(jiān)測(cè)提供依據(jù)?！痉椒ā炕诮t外高光譜成像技術(shù)對(duì)干濕棗葉不同偏振角度下的圖像進(jìn)行線偏振度（Degree of Linear Polarizationg，Dolp）計(jì)算、主成分對(duì)比分析。通過對(duì)駿棗棗葉的圖像處理，可以在圖像上和光譜上看出駿棗棗葉水分分布差異?！窘Y(jié)果】在對(duì)圖像進(jìn)行Dolp計(jì)算后可以清楚地看出其光譜差異，新鮮棗葉在波長(zhǎng)1450nm附近Dolp圖像具有明顯的水分特征峰，干燥的棗葉在1450nm處無(wú)明顯的水分特征峰?！窘Y(jié)論】對(duì)偏振高光譜圖像處理后得到不同顏色標(biāo)記的不同水分葉片的圖像；并在圖像上光譜顯示其水分特征峰，達(dá)到光譜檢測(cè)差異，圖像顯示分布的效果為后續(xù)定量檢測(cè)打下基礎(chǔ)。

關(guān)鍵詞：高光譜成像技術(shù)；線偏振度（Degree of Linear Polarizationg，Dolp）；主成分分析法；協(xié)方差法

作者簡(jiǎn)介：王長(zhǎng)旭，碩士，研究方向：高光譜無(wú)損檢測(cè)南疆紅棗品質(zhì)。Email：2710730350@qq.com

通訊作者：羅華平，碩士，教授，研究方向：農(nóng)業(yè)機(jī)械化工程學(xué)科農(nóng)產(chǎn)品加工。Email：luohuaping 739@163.com

引言

我國(guó)紅棗主要在新疆，新疆紅棗看南疆。近年來，由于我國(guó)農(nóng)村產(chǎn)業(yè)政策對(duì)紅棗行業(yè)的支持以及紅棗生產(chǎn)需求量的不斷快速增長(zhǎng)[1]，我國(guó)棗樹栽培面積也呈現(xiàn)了快速增長(zhǎng)的趨勢(shì)。隨著科學(xué)帶動(dòng)與人民思想的進(jìn)步，紅棗種植逐漸科學(xué)化，肥料不再盲目使用，田間管理更加科學(xué)，紅棗栽培面積逐漸增加[2]，紅棗產(chǎn)業(yè)鏈更加完善，已經(jīng)成為帶動(dòng)地方經(jīng)濟(jì)發(fā)展的又一助力。

據(jù)統(tǒng)計(jì)，目前，我國(guó)在新疆紅棗的栽培面積已超過650萬(wàn)畝，居于我國(guó)紅棗種植面積的首位，平均年產(chǎn)超過100萬(wàn)kg，在收獲季節(jié)約占全國(guó)總產(chǎn)量的50%[3]。新疆維吾爾自治區(qū)特殊的地形地貌、氣候環(huán)境使新疆紅棗的品質(zhì)得到人們的廣泛認(rèn)可，特別是南疆地區(qū)全年干旱少雨，全年日照時(shí)間多達(dá)3500h，晝夜溫差大，十分適合紅棗的糖分積累，造就了南疆紅棗的卓越品質(zhì)。新疆紅棗產(chǎn)業(yè)快速發(fā)展使新疆南疆地區(qū)逐步擺脫貧困，有些農(nóng)戶還走上致富的道路。據(jù)調(diào)查，巴音郭楞蒙古自治州且末縣紅棗栽培面積已超過18萬(wàn)畝地，該縣在2015年的紅棗總產(chǎn)超過3萬(wàn)kg，其每年產(chǎn)值超過4.5億人民幣，現(xiàn)如今紅棗主導(dǎo)產(chǎn)業(yè)已真正變成農(nóng)戶脫貧致富增收的重要支柱產(chǎn)業(yè)之一[4]。紅棗產(chǎn)業(yè)急速發(fā)展的同時(shí)國(guó)家推出智慧農(nóng)業(yè)的概念，即充分利用現(xiàn)代信息技術(shù)的成果集成應(yīng)用計(jì)算機(jī)與網(wǎng)絡(luò)技術(shù)、物聯(lián)網(wǎng)技術(shù)、無(wú)線通信技術(shù)等結(jié)合專家的知識(shí)與農(nóng)戶的經(jīng)驗(yàn)實(shí)現(xiàn)農(nóng)業(yè)可視化、遠(yuǎn)程診斷病害、自動(dòng)控制作物生長(zhǎng)狀態(tài)、病害預(yù)警等智能管理等，達(dá)到農(nóng)業(yè)生產(chǎn)的高級(jí)階段的終極目標(biāo)。雖然紅棗已然成為新疆重要的經(jīng)濟(jì)效益之一，但對(duì)紅棗生長(zhǎng)的監(jiān)測(cè)方法還不夠完善，影響著紅棗品質(zhì)。在紅棗種植、生長(zhǎng)、收獲、運(yùn)輸、加工過程中仍然有很多需要改進(jìn)優(yōu)化的地方，急需新技術(shù)來解決這些問題。

近紅外高光譜成像技術(shù)（Near-infrared hyperspectral imaging techniques）是近些年熱門的無(wú)損檢測(cè)技術(shù)，其工作原理是通過光柵掃描式地將若干張帶有波段信息圖片迭代在一起形成一個(gè)圖像。與普通相機(jī)不同，普通相機(jī)只有R、G、B三個(gè)波段，而高光譜相機(jī)可以將波長(zhǎng)980-1750nm分成256個(gè)波段，并且在圖像上每個(gè)像元點(diǎn)都帶有被測(cè)物的256個(gè)波段。由于高光譜相機(jī)是掃描式拍攝的，所以每張圖像還有空間信息與時(shí)間維度信息，這些信息蘊(yùn)含著被測(cè)物品的各種理化信息所在的空間信息。與傳統(tǒng)檢測(cè)方法不同，傳統(tǒng)檢測(cè)方法不僅要破壞樣品，并且檢測(cè)時(shí)間長(zhǎng)，需要消耗大量的人力物力，較新興的多光譜檢測(cè)技術(shù)來說有著更加全面的波段信息和空間信息，這大大增加了其精確度，它不僅可以用在檢測(cè)表面的紋理特征（如病害、凍害等），亦可用于內(nèi)部品質(zhì)特征（水分、糖度、維C等）。正是由于高光譜相機(jī)的這些特性，高光譜成像技術(shù)常用在衛(wèi)星遙感、農(nóng)產(chǎn)品品質(zhì)分級(jí)、顯微細(xì)胞光譜成像等。雖然高光譜成像技術(shù)有著高精度、高分辨率的特點(diǎn)，但這些特性也同時(shí)存在著負(fù)面影響；高光譜圖像具有龐大的數(shù)據(jù)量和嚴(yán)重的冗余現(xiàn)象，但這些數(shù)據(jù)并不都是有用的，要從龐大的數(shù)據(jù)里提取出可用數(shù)據(jù)所花費(fèi)的時(shí)間和精力都非常大，因此，處理高光譜圖像并分析數(shù)據(jù)是非常困難的事，并且由于測(cè)量時(shí)環(huán)境的影響會(huì)導(dǎo)致雜散光，這些雜散光會(huì)增加測(cè)量時(shí)的誤差，導(dǎo)致測(cè)出來的光譜有所偏差，為了消除這些影響不僅需要在圖像處理上花費(fèi)大量時(shí)間，而且也要在提取的數(shù)據(jù)上花費(fèi)大量的時(shí)間。

針對(duì)光譜數(shù)據(jù)量大，數(shù)據(jù)嚴(yán)重冗余的負(fù)面影響，一般采用的方式為降維，將高光譜圖像由多維的圖像轉(zhuǎn)變?yōu)閿?shù)字信息，在圖像上提取需要的信息并且以各個(gè)波段反射率方式加以使用，目前常用的有主成分分析法與小波變換方法。主成分分析主要利用其原始數(shù)據(jù)協(xié)方差矩陣的特征值計(jì)算各個(gè)主成分的貢獻(xiàn)率，根據(jù)主要成分貢獻(xiàn)率的大小在圖像上用不同顏色標(biāo)記并提取特征，該方法壓縮效果顯著減少數(shù)據(jù)量，但是由于主成分分析為全部壓縮，在數(shù)據(jù)分析上光譜特征與空間特征不夠突出。小波變換是針對(duì)每個(gè)像元來進(jìn)行降維，可以較好地凸顯被測(cè)物的光譜特征與空間特征，但小波變換降維所耗時(shí)間較大，并且降維效果不是很好，因此高光譜圖像處理工藝流程還需進(jìn)一步改善。針對(duì)高光譜圖像受雜散光影響的處理方式：1）歸一化處理，將圖像亮度值通過加權(quán)統(tǒng)一到[0，1]區(qū)間以減小亮度差異，改圖像對(duì)比度。2）輻射校正，在近地面高光譜數(shù)據(jù)中，通過在實(shí)驗(yàn)時(shí)添加標(biāo)準(zhǔn)漫反射白板來做校正，標(biāo)準(zhǔn)白板為朗伯體，從每個(gè)角度照射的光反射出來的反射率都為1，在處理圖像時(shí)以標(biāo)準(zhǔn)白板為基準(zhǔn)計(jì)算每個(gè)波段的平均光譜值得到整幅圖像的平均參考光譜，從而達(dá)到降噪的效果。

由于高光譜成像技術(shù)相較于傳統(tǒng)檢測(cè)方法的快速無(wú)損的特性，被廣泛應(yīng)用于農(nóng)產(chǎn)品的品質(zhì)監(jiān)測(cè)與快速無(wú)損檢測(cè)中[5]。例如，利用高光譜圖像識(shí)別檢測(cè)番茄的霉變及蟲眼[6]；高光譜數(shù)據(jù)建模定量檢測(cè)糧油的品質(zhì)[7]；通過高光譜數(shù)據(jù)與內(nèi)部糖分建模甜瓜內(nèi)部品質(zhì)[8]；種子的活力檢驗(yàn)[9-10]；高光譜圖像建模分類檢測(cè)雞肉[11]、羊肉[12]、雞蛋品質(zhì)[13]；利用高光譜圖像提取數(shù)據(jù)建模反演對(duì)蘋果糖度無(wú)損檢測(cè)[14]；農(nóng)副產(chǎn)品分類檢測(cè)等。但鮮有高光譜圖像技術(shù)應(yīng)用的相關(guān)報(bào)道，同時(shí)，由于高光譜的數(shù)據(jù)量過于龐大并且維數(shù)較高，因此使用不同的降維處理方法和光譜數(shù)據(jù)處理方法均會(huì)引發(fā)模型的多樣性，這就導(dǎo)致模型的不穩(wěn)定性，預(yù)測(cè)的精度低。所以，高光譜圖像技術(shù)用于果品的快速無(wú)損檢測(cè)流程亟待進(jìn)一步優(yōu)化。本文基于高光譜成像技術(shù)研究南疆駿棗干燥葉片與新鮮葉片在高光譜偏振光下與非偏振光下的差異來探究紅棗葉片水分分布，為后續(xù)定量化描述棗樹其他指標(biāo)以及生理狀態(tài)提供依據(jù)。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)所用主要儀器是四川雙利合譜科技有限公司生產(chǎn)的Image-λ-N17E-N3型增強(qiáng)型近紅外高光譜相機(jī)、標(biāo)準(zhǔn)漫反射白板、手持式測(cè)距儀、溫濕度控制傳感器、鹵素?zé)簦ü庠床ǘ稳?，駿棗枝采集于新疆維吾爾自治區(qū)阿拉爾市十團(tuán)優(yōu)質(zhì)棗園。

1.2 試驗(yàn)方法

實(shí)驗(yàn)選用新鮮駿棗棗樹樹枝和放置一周的干燥棗樹，將標(biāo)準(zhǔn)板放置在兩棵棗樹之后用作調(diào)焦與校正，在棗樹1.5m處放置高光譜相機(jī)進(jìn)行調(diào)焦、調(diào)整曝光度，室內(nèi)溫度為25℃，確保室內(nèi)沒有其他雜散光干擾，實(shí)驗(yàn)時(shí)間于2020年10月20日北京時(shí)間20∶54分，打開鹵素?zé)糸_始掃描，在相機(jī)前安裝偏振片分別掃描無(wú)偏振、0°偏振、45°偏振、90°偏振、135°偏振下干濕棗樹冠層和標(biāo)準(zhǔn)漫反射白板的高光譜圖像。

1.3 光學(xué)探測(cè)原理

根據(jù)菲涅爾定律，當(dāng)一束平行的光源作用在被測(cè)物上，那么會(huì)出現(xiàn)圖1所示幾種情況：由于被測(cè)農(nóng)作物大多表面不是完全平滑的界面，所以平行光線會(huì)在粗糙表面上進(jìn)行特異性反射，這部分光線也包括外界反射來的光線對(duì)實(shí)驗(yàn)造成影響，通常這部分光線還有部分平行光，會(huì)在光滑的表面上進(jìn)行鏡面反射，鏡面反射會(huì)使看到的圖像出現(xiàn)亮斑，一般來說亮斑是被測(cè)物的一部分，為了探究亮斑下與非亮斑下的光譜是否有區(qū)別，可以通過偏振來區(qū)別。因?yàn)闉榇蠖啾粶y(cè)物是有透光性的，因此有部分光被物品吸收，吸收部分不會(huì)被檢測(cè)出來，還有部分光在進(jìn)入果品內(nèi)部后便反射出來，反射這部分光在不同波長(zhǎng)下反射出來的反射率也不同，不同的物質(zhì)、化學(xué)鍵的斷裂、使內(nèi)部的物理變化均會(huì)在特定的波長(zhǎng)下反射率發(fā)生改變，在光譜上會(huì)有很大的差異。利用這些差異尋找特征并建立模型、反演，便可以用于后續(xù)檢測(cè)的模型。這就是光學(xué)在檢測(cè)農(nóng)產(chǎn)品的基本原理。

而在大批量檢測(cè)中，由于條件復(fù)雜，光源不會(huì)均勻地作用在果品上，導(dǎo)致理論上的檢測(cè)精度達(dá)不到實(shí)際效果。因此采用偏振的特性可以極大地改善這一現(xiàn)象。

1.4 偏振

物質(zhì)的偏振特征是指一束平行的光線照射在物品上所導(dǎo)致的偏振狀態(tài)發(fā)生改變的現(xiàn)象，常用Stokes向量或Muller（穆勒）矩陣來表示。

光的偏振特征是一種能夠表征物體本質(zhì)特性的物理量，對(duì)于地球表面和大氣中的目標(biāo)，在反射和輻射電磁波的過程中，都會(huì)產(chǎn)生由他們自身性質(zhì)決定的偏振特征。因此，它可以用作目標(biāo)的檢測(cè)、跟蹤、識(shí)別等并為其提供了新的檢測(cè)手段。

部分偏振光可以分解為相互獨(dú)立的未偏振光和完全偏振光，而部分偏振光的Stokes參數(shù)可以用相互獨(dú)立的未偏振光和完全偏振光的各自Stokes參數(shù)的累加和來表示，即部分偏振光的Stokes向量S表示為；

S=S（1）+S（2） （1）

式中：S（1）為未偏振光的Stokes向量，S（2）為完全偏振光的Stokes向量。

式中，I。（0 =0°，45°，90"，135）為偏振片旋轉(zhuǎn)0度偏振時(shí)的熱圖像，IRCP與ILCP分別表示右旋和左旋圓偏振。Stokes參量主要用來描述一束光作用在物品上的偏振狀態(tài)，但不能完整描述目標(biāo)景物反射，光作用在物體表邊上的變化與其表面粗糙度和物品內(nèi)外部固有屬性的密切關(guān)系。目前，常用的兩個(gè)表征目標(biāo)景物表面狀態(tài)和屬性特征的重要參量為偏振度（degree of linear polarization，DoLP）和偏振角（angle of linear polarization，AoLP）。偏振度表示從0到1的無(wú)量綱常數(shù)。當(dāng)偏振度為0時(shí)，表示非偏振光；當(dāng)偏振度為1時(shí)，表示全偏振光；當(dāng)偏振度處于0-1之間時(shí)，表示部分偏振光。通?？捎蒘tokes 參量計(jì)算得到，一般將其定義為；

線偏振度（Degree of Linear Polarizationg，Dolp）在圖像上可以細(xì)化紋理勾勒被測(cè)物邊緣，強(qiáng)化被測(cè)物特征信息，其數(shù)據(jù)與原始數(shù)據(jù)對(duì)比尋找規(guī)律可以在特定的條件下尋找其特征，如太陽(yáng)耀斑。高光譜數(shù)據(jù)在植被探測(cè)中由于被測(cè)物受光照條件的影響很容易導(dǎo)致“異物同譜”“同物異譜”的現(xiàn)象，而偏振在高光譜圖像的處理中起到至關(guān)重要的作用，它是區(qū)別于高光譜圖像的光譜信息與空間信息的特征，目前主要用于構(gòu)建偏振信息與其物品本身信息之間的關(guān)系。在高光譜圖像中添加偏振信息可以起到強(qiáng)光弱化的效果，在目標(biāo)識(shí)別中可以強(qiáng)化被測(cè)目標(biāo)特征，可以較好地避免“異物同譜”“同物異譜”的現(xiàn)象。

偏振角表示入射光的偏振方向相對(duì)于x軸的夾角，對(duì)于部分偏振光，就是能量最大的偏振方向與x軸的夾角，可以用來表征目標(biāo)及背景的狀態(tài)特征。偏振角可表示為Stokes參量的函數(shù)，計(jì)算公式如下；

2 試驗(yàn)結(jié)果及分析

將采集的高光譜棗樹冠層圖像（圖2所示）利用envi軟件進(jìn)行主成分分析（Principal Component Analysis，PCA），利用協(xié)方差算法對(duì)其進(jìn)行優(yōu)化得到較為明顯水分分布的圖像，如圖3所示。

對(duì)圖像進(jìn)行主成分分析處理后我們可直觀地看到兩種水分分布不同的棗樹，左邊顏色較暗（紫色）為干燥的棗葉，右邊顏色叫鮮艷（黃色）為新鮮的棗葉。

主成分分析法通過協(xié)方差矩陣的特征值計(jì)算各個(gè)主成分的貢獻(xiàn)率，根據(jù)主要成分貢獻(xiàn)率的大小在圖像上用不同顏色標(biāo)記并提取特征，這種方法可以將多個(gè)相關(guān)性高的實(shí)測(cè)數(shù)據(jù)綜合成少量的變量，這些變量體現(xiàn)著各個(gè)被測(cè)物個(gè)體之間的差異，并在與圖像中用不同顏色標(biāo)記差異達(dá)到上圖的效果。

將原始圖像利用ENVI對(duì)圖2進(jìn)行Dolp計(jì)算得到圖4，再分別提取原始光譜圖像干濕棗葉如圖5所示與Dolp處理之后的光譜干濕棗葉如圖6所示，通過對(duì)比可以發(fā)現(xiàn)，在波長(zhǎng)在1450nm附近具有明顯差異，新鮮葉片在1450nm附近有明顯的反射峰，干燥的葉子光譜曲線較為平緩，而原圖像趨勢(shì)基本相同差異不大不能做為特征，說明dolp在光譜上可以強(qiáng)化特征。其原因可以根據(jù)菲涅爾原理解釋，在物品直接被反射的輻射是部分偏振的，即物品直接被反射的概率為rs

rs=rsp+rsnp （5）

當(dāng)光線進(jìn)入到物品內(nèi)部，與內(nèi)部物質(zhì)相互作用后，輻射被散射向上的總概率為；

ri=（1-rsp）ωρ （6）

則輻射被吸收的概率ai以及向下投射的概率ti為；

ai=（1-rs）（1-ω）

ti=（1-rs）ωρ （7）

傳感器接收到的輻射與物品及內(nèi)部相互作用后的總能量則可以簡(jiǎn)單表示為；

一般情況下rs可以以為是常量，即是與波長(zhǎng)無(wú)關(guān)的量。當(dāng)棗葉的水分較大時(shí)，其反射率就會(huì)增加即ω、ρ增大，DOP值減小，而干燥的棗葉水分含量少，反射率較小即ω、ρ減小DOP值增大。說明在Dolp圖像中在水分吸收峰處峰值越小水分越高，峰值越高則水分越少。

3 小結(jié)

本文基于近紅外高光譜成像技術(shù)對(duì)不同干濕棗葉圖像進(jìn)行主成分分析處理后得到其水分分布圖像，在對(duì)其不同水分分布的區(qū)域進(jìn)行光譜對(duì)比可以發(fā)現(xiàn)：新鮮棗葉在波長(zhǎng)1450nm附近線偏振度（Degree of Linear Polarizationg，Dolp）處理后圖像具有明顯的水分特征峰，干燥的棗葉在1450nm處曲線較為平緩且無(wú)明顯的水分特征峰。根據(jù)實(shí)驗(yàn)結(jié)果表明；在對(duì)偏振高光譜圖像進(jìn)行線偏振度（Degree of Linear Polarizationg，Dolp）計(jì)算處理后可以清楚地區(qū)分干燥葉片與新鮮葉片的差別，并在圖像上波長(zhǎng)1450nm處找到其水分特征峰，達(dá)到圖像分辨水分高低分布，光譜對(duì)比兩者變化的效果，為后續(xù)大面積棗園生長(zhǎng)監(jiān)測(cè)提供理論依據(jù)。

參考文獻(xiàn)

[1] 何有苗.阿克蘇地區(qū)紅棗產(chǎn)業(yè)發(fā)展現(xiàn)狀及對(duì)策[J].新疆農(nóng)墾科技，2020，43（10）：20-22.

[2] 席翔.喀什紅棗產(chǎn)業(yè)發(fā)展策略[J].農(nóng)村科學(xué)實(shí)驗(yàn)，2020（4）：83-84.

[3] 劉江.南疆紅棗主產(chǎn)區(qū)機(jī)械化現(xiàn)狀分析及發(fā)展對(duì)策研究[D].阿拉爾：塔里木大學(xué)，2020.

[4] 王飛翔，謝安國(guó)，康懷彬，等.食品光譜圖像無(wú)損檢測(cè)技術(shù)實(shí)用化方向研究進(jìn)展[J].農(nóng)產(chǎn)品加工，2019（13）：74-78.

[5] 馬艷，張若宇，齊妍杰.加工番茄蟲眼及霉變的可見近紅外高光譜成像檢測(cè)[J].食品與機(jī)械，2017，33（6）：135-138+179.

[6] 李興鵬，姜洪喆，蔣雪松，等.木本糧油林果品質(zhì)的近紅外光譜及成像無(wú)損檢測(cè)研究進(jìn)展[J].食品與發(fā)酵工業(yè)，2022，48（2）：302-308.

[7] 馬本學(xué)，喻國(guó)威，王文霞，等.光譜分析在西甜瓜內(nèi)部品質(zhì)無(wú)損檢測(cè)中的研究進(jìn)展[J].光譜學(xué)與光譜分析，2020，40（7）：2035-2041.

[8] Daitaro Ishikawa，Asako Motomura，Yoko Igarashi，等.Near-Infrared Imaging Using a High-Speed Monitoring Near Infrared Hyperspectral Camera（Compovision）[J].光譜學(xué)與光譜分析，2015，35（4）：865-869.

[9] 段潔利，王韜隱，付函，等.光譜及成像技術(shù)在種子活力檢驗(yàn)中的應(yīng)用研究進(jìn)展[J].現(xiàn)代農(nóng)業(yè)裝備，2020，41（2）：2-7.

[10] 程麗娟，劉貴珊，萬(wàn)國(guó)玲，等.可見/近紅外高光譜成像技術(shù)對(duì)長(zhǎng)棗中葡萄糖含量的無(wú)損檢測(cè)[J].發(fā)光學(xué)報(bào)，2019，40（8）：1055-1063.

[11] 邢素霞，王睿，郭培源，等.高光譜成像及近紅外技術(shù)在雞肉品質(zhì)無(wú)損檢測(cè)中的應(yīng)用[J].肉類研究，2017，31（12）：30-35.

[12] 楊曉玉，丁佳興，房盟盟，等.基于可見/近紅外高光譜成像技術(shù)的雞蛋新鮮度無(wú)損檢測(cè)[J].食品與機(jī)械，2017，33（11）：131-136.

[13] 楊菊梅，賀曉光，王松磊，等.冷鮮羊肉品質(zhì)的高光譜成像無(wú)損檢測(cè)[J].食品工業(yè)科技，2016，37（22）：84-89.

[14] 白巖康，蔡小嬋，李晶晶.圖譜特征深度網(wǎng)絡(luò)在蘋果糖度檢測(cè)中的探索研究[J].企業(yè)科技與發(fā)展，2020（10）：57-59.