在水果品質無損檢測方面，基于高光譜成像技術只需少量樣本，通過提取水果樣品的二維圖像信息和三維的波長信息，建立定量關系模型，就可實現(xiàn)水果品質的快速、無損測定。例如，可以利用高光譜圖像技術檢測水果的表面污染和損傷。由于高光譜數(shù)據具有多光譜通道、高光譜分辨率和連續(xù)光譜的特點，可以得到任意像素點的連續(xù)光譜曲線和不同物質的不同光譜曲線。在某些特定的波長下，損傷區(qū)域的光譜值與正常區(qū)域的光譜值之間會存在很大差異，因此能夠實現(xiàn)水果表面的無損檢測。

1 高光譜圖像技術簡介 

1. 1 高光譜成像系統(tǒng) 

高光譜成像系統(tǒng)是在20世紀80年代興起的一種新一代光電探測技術。通常認為，光譜分辨率在10－1λ數(shù)量級范圍內的被稱為多光譜，光譜分辨率在10－2λ數(shù)量級范圍內的被稱為高光譜。相較于多光譜成像，高光譜成像具有更高的分辨率。

高光譜檢測系統(tǒng)主要由光源、面陣CCD或CMOS相機以及計算機軟件和硬件等部分組成。光源在高光譜成像系統(tǒng)中占據重要地位，它為整個成像系統(tǒng)提供照明功能，通過被檢測物體吸收和散射后的光來攜帶信息。這些光線通過相機的入口狹縫進入，然后通過相機中的光譜成像儀將光信號映射到二維面陣檢測器上。最后，計算機軟件和硬件負責采集、處理、分析和存儲高光譜圖像數(shù)據。

1. 2 高光譜圖像數(shù)據的采集方式 

       根據高光譜圖像采集方式的不同，可分為點掃描、線掃描和面掃描三種。 點掃描方式每次掃描只能獲得一個像素點的光譜，不適用于快速檢測，所以點掃描的方式常常被用于檢測微觀對象。線掃描方式通過每次掃描可以獲得掃描線上的光譜，適用于傳輸帶上物體的實時檢測，因此該方法是水果品質檢測中最常用的圖像采集方法。點掃描和線掃描方式都屬于光譜域掃描方式，首先獲得圖像的光譜和一個維度的空間信息，再通過掃描移動，獲得另一維度空間信息。 而面掃描方式屬于空間域掃描方式，可以同時獲取單個波長下被測物體兩個空間維度的圖像信息，其數(shù)據采集量大且數(shù)據采集時間較長，高光譜成像系統(tǒng)中通常會選擇面掃描方式。 

2 高光譜圖像技術的研究進展 

2. 1 水果品質定性分析 

2. 1. 1 機械損傷 

近年來，對蘋果機械損傷的高光譜成像技術研究已經很多。韓浩然等人利用這項技術來檢測蘋果受到的摔傷，在實驗結果中發(fā)現(xiàn)，波段比算法和主成分分析法的分類識別正確率達到了93.3%，可以實時快速地檢測蘋果的摔傷情況。Baranowski等人則使用了配備了高光譜相機的系統(tǒng)，該系統(tǒng)包括可見光和短波近紅外（400~1000nm）傳感器，以及中波近紅外（1000~2500nm）和紅外（3500~5000nm）范圍的熱成像相機，用于檢測蘋果早期的瘀傷。結果顯示，將這三個范圍的光譜結合成一個模型，可以最佳地預測瘀傷和完好組織，以及不同深度的瘀傷。此外，使用廣譜范圍（400~5000nm）對水果表面進行成像可以改善對蘋果不同深度早期瘀傷的檢測效果。Nayeli等人也利用近紅外高光譜成像系統(tǒng)檢測芒果的機械損傷，并采用了五種分類方法。他們在芒果損壞后的七天內進行圖像捕獲，以便有效地檢測出損壞發(fā)生的時刻。結果發(fā)現(xiàn)，其中最好的分類效果是采用近鄰法（k-NearestNeighbours，k-NN），其正確分類率可達97.90%。

林思寒利用高光譜成像技術，并結合PLS和LDA方法，成功建立了用于檢測翠冠梨完好果和不同損傷天數(shù)碰壓果的PLS-LDA模型。研究結果顯示，對于機械損傷果和完好果的識別準確率均在90%以上，最高可達97.78%。目前，已有的高光譜檢測技術精度足以滿足分類需求，但對于損傷程度的檢測模型則較為不足。

2. 1. 2 凍傷 

     凍傷是水果缺陷檢測中最常見的指標之一，其早期檢測和監(jiān)測比較困難，為了更早地將有缺陷的水果從營銷鏈中去除，需要一種快速、精確和無損的檢測技術。近年來，研究人員針對蘋果凍傷方面的研究主要集中在算法優(yōu)化層面。 ElMasry等利用高光譜成像（400~1000nm)檢測“紅元帥”蘋果中的凍傷，開發(fā)了一種前饋反向傳播模型，選擇出五個特征波長的光譜作為模型的輸入，以普通與凍傷為輸出結果，構建了人工神經網絡識別模型。高光譜圖像技術結合化學計量學方法在識別凍傷水果方面的研究已有一定進展，檢測精度普遍較高，未來可以進行水果凍傷分級識別的在線檢測研究，進一步提高檢測效率。 

2. 1. 3 成熟度 

       水果成熟度是決定水果內在品質的關鍵因素，也是確定水果貨架期的重要指標。水果成熟的過程 非常復雜，以往所用的傳統(tǒng)檢測水果成熟度方法局限于人工視覺檢測，實驗室理化檢測等。這些方法不但費時費力，主觀性較強，且均需破壞樣本才可實現(xiàn)[26－28] 。近年來，國內外學者開始研究無損檢測技術對水果的成熟度進行判別分析，其中高光譜圖像技術以其特有的優(yōu)勢，在水果成熟度方面的研究比較豐富。 

      使用高光譜成像技術對香蕉成熟度進行了研究，提前采集水分含量、硬度和總可溶性固體等質量參數(shù)，并與光譜數(shù)據相關。運用PLS來分析光譜數(shù)據，使用預測的殘差誤差平方和來選擇特征波長 。 

由此可見，不同的特征選擇算法對于最后的分類精度影響很大，對不同水果選擇不同的特征算法尤為重要。 

2. 2 水果品質定量分析 

2. 2. 1 硬度預測 

       硬度是表現(xiàn)水果成熟度和口感品質的一個重要特征，傳統(tǒng)的硬度檢測方法普遍對樣本有損傷，而高光譜成像技術則能夠對水果硬度進行快速、無損檢測。張巍使用自主搭建的高光譜成像系統(tǒng)（500~1000nm)，以藍莓為研究對象，采用連續(xù)投影算法（SPA)對特征光譜進行提取，并建立基于全波段-BP神經網絡的硬度預測模型與基于SPA-BP神經網絡的硬度預測模型。 

2. 2. 2 可溶性固形物預測 

       水果中的可溶性固形物（SSC)包括可溶性糖類、 維生素、礦物質等，是影響水果內部品質的重要因素。 羅霞等利用高光譜技術采集火龍果的漫反射光譜，并進行火龍果可溶性固形物的無損檢測。應用連續(xù)投影算法（SPA) 對特征變量進行選擇，采用8種方法對原始光譜數(shù)據進行預處理，通過偏最小二乘法（PLS) 和前饋反向傳播神經網絡法（BPNN) 建立預測模型。在檢測水果的可溶性固形物時，使用不同的預處理方法會對檢測精度產生較大影響，應在多種預 處理方法中選取產生最優(yōu)結果的預處理方法。 

2. 3 安全方面檢測

2. 3. 1 藥物殘留 

       水果表面的藥物殘留不僅極大影響水果的質量安全，還影響果品出口貿易。因此，對水果表面的藥物殘留進行無損檢測十分必要。徐潔等利用高光譜技術，建立距離判別分析模型和貝葉斯判別分析模型，并對哈密瓜表面殘留藥物的種類進行判別。結果表明，在紫外燈光源的環(huán)境中，距離判別法的準確率較高，為94. 67% ;在鹵素燈光源環(huán)境中，貝葉斯判別法的準確率較高，為100. 00% 。Jiang等對蘋果農藥殘留高光譜數(shù)據特征進行分析，構建了適用于蘋果農藥殘留檢測的AlexNet-CNN框架，并對四種高光譜蘋果農藥殘留的6144張圖像進行檢測。結果表明，測試集檢測精度為 99. 09% ，單波段平均圖像檢測精度為95. 35% ?？梢?，高光譜成像技術在藥物殘留檢測方面已經達到了很高的精度。 

2. 3. 2 病蟲害 

       病蟲害的存在會極大地降低水果的品質，利用高光譜技術可以有效地對水果病蟲害進行無損檢測，這對水果品質分級具有重要意義。 Bart 等開發(fā)了一種高光譜NIR成像系統(tǒng)來識別蘋果上的苦陷癥，構建了PLS校準模型，用來區(qū)分未受影響的蘋果表面和苦陷癥。結果表明，該系統(tǒng)可以識別出收獲后肉眼不可見的苦陷癥，但無法區(qū)分苦陷癥和軟組織。使用高光譜成像方法確定棗中的受損區(qū)域，運用逐步判別分析法將棗分為有蟲侵害型和無蟲侵害型，分類準確率約為97. 0% 。但現(xiàn)有檢測技術大多只能檢測一種病蟲害，少有開發(fā)出可以同時檢測出多種病蟲害的高光譜模型。 

3 存在問題及發(fā)展趨勢 

高光譜成像技術在水果無損檢測方面得到廣泛應用，但仍存在一些問題。例如，高光譜成像技術的穿透深度有限，難以檢測果皮較厚的水果。此外，進行反射和透射檢測時需要使用大功率光源，但過高的光源能量容易對水果造成損傷。如何在無損檢測與深層檢測之間找到平衡，是未來需要解決的關鍵問題。另外，高光譜的圖像數(shù)據量龐大，存在大量冗余信息。如何選擇適合的特征波長，并去除無關的變量，以提高檢測效率，也是亟需解決的問題。

水果的含水率普遍較高，因此在高光譜檢測時，會受到水分吸收峰的影響，特別是在1400nm后。如何避免水分吸收峰對檢測結果的影響，仍亟待解決。目前，大多數(shù)的水果品質缺陷檢測研究都選取表皮較薄的水果，如蘋果、梨、桃子等；然而，對于表皮較厚的水果，如西瓜、哈密瓜、椰子等，品質檢測仍然較少。高光譜檢測技術需要突破檢測深度的限制，才能為這些較厚果皮水果的品質檢測帶來新的應用。在試驗設計方面，大多數(shù)研究只考慮了水果是否存在缺陷進行分級，而沒有考慮缺陷程度對水果保質期的影響。水果受到輕微損傷后，雖然在短期內內外部品質與經濟價值波動較小，但儲存一定時間后水果品質可能會發(fā)生較大改變。因此，研究缺陷程度對水果保質期的影響對水果儲存及經儲存后水果的品質預測具有深遠的現(xiàn)實意義。

隨著計算機技術和圖像處理技術等的進一步發(fā)展和更深地融合，高光譜圖像檢測技術在水果無損檢測領域將會被廣泛運用。然而，在推廣應用高光譜檢測技術方面，由于圖像采集和處理速度的限制以及設備成本的制約，高光譜技術在現(xiàn)實生活中還未得到普遍應用。因此，我們可以在權衡檢測準確率與設備成本之間做出考慮，開發(fā)小型化的專用設備，以推動高光譜技術的進一步應用。

總的來說，高光譜圖像技術在水果品質無損檢測中的應用研究展示了其巨大的潛力和優(yōu)勢。然而，實際應用中還面臨一些挑戰(zhàn)，如光照條件、背景噪聲等因素的影響，需要進一步研究和優(yōu)化算法以提高檢測的準確性和穩(wěn)定性。