基于熒光高光譜成像技術的梨早期損傷檢測

碰傷、擦傷等機械損傷是水果在采收、包裝、運輸、加工、貯藏等過程中常見的一種機械損傷。相關研究表明，果實受損后，寄生菌容易入侵，導致二次損失增加。有研究指出，表面柑橘皮柔軟易裂，表皮中的油細胞易劃傷。果實一旦受傷，很容易誘發(fā)各種病原菌入侵，大大增加了腐爛傷害的幾率。在一些機械化水平較高的國家，因機械損傷而損失的水果平均約占總重量的30-40%。因此，水果機械損傷的檢測，特別是早期檢測，受到了全球的廣泛關注。

浙江理工大學傅霞萍教授團隊利用江蘇雙利合譜高光譜熒光測試系統(tǒng)（包括GaiaField-V10EAZ4、氙燈光源、高度可調(diào)樣品臺、濾光片組和配備有數(shù)據(jù)采集軟件和數(shù)據(jù)分析軟件的計算機），分別獲取90個梨樣品（分為A、B和C三組）在挫傷后五個時間（挫傷后即刻、15分鐘、24小時、48小時和72小時）的高光譜圖像。系統(tǒng)示意圖如圖1所示。

圖1高光譜熒光成像系統(tǒng)示意圖

對采集到的熒光高光譜數(shù)據(jù)進行預處理，使用PCA（主成分分析）、MNF（最小噪聲分離）和ICA（獨立成分分析）從采集的光譜圖像中提取特征。通過對圖像進行降維和特征提取處理，得到每幅圖像的主成分。圖2顯示了C組按照主成分累計貢獻率達到95%提取的前三個主成分。

圖2 C組傷后不同時間PCA、MNF、ICA提取的前三個主成分

圖3顯示了隨機選擇樣本的單波段圖像處理流程。最后，對形態(tài)學處理后的圖像選擇合適的閾值分割出特征區(qū)域，并用于掩模處理。

圖3單波段圖像處理流程

對每個樣品感興趣區(qū)域內(nèi)的所有像素的光譜信息進行平均和平滑，以用于熒光效應分析。如圖4所示，數(shù)字1至5表示樣品擦傷后的五個時間段：即刻、15分鐘、24小時、48小時和72小時。

圖4（a）不同損傷程度的樣品在損傷后不同時間的平均熒光光譜

B）520nm峰處的放大圖像

（c）680nm峰處的放大圖像

表1表示了SVM和RF模型用于區(qū)分72小時后挫傷的樣本的不同挫傷水平的準確性。從表1中可以看出，當選擇歸一化、EMD和SNV的預處理方法時，SVM模型在預測集中的結果明顯好于RF模型的結果。字母a至c表示三個瘀傷級別：輕微和嚴重，對應于A組至C組。圖4a顯示了不同損傷程度的樣品在損傷后不同時間熒光光譜的變化。從圖4a可以看出，在520nm和680nm附近有兩個明顯的尖峰。圖4b和圖4c是在520nm處的放大圖像，680 nm波長處。500-600 nm的波形代表核黃素、多酚和黃酮類化合物的合成反應。與表皮組織相比，水果中的黃酮類化合物存在于較深的表層，這是由于它們與角蛋白的結合相對較慢，因此熒光響應值較小。葉綠素吸收350-500 nm和600-700 nm兩個波段的光，并在680 nm和740 nm發(fā)射。680 nm附近的熒光峰應為葉綠素吸收峰。從圖4中可以看出，兩個峰值處的熒光信號強度隨著瘀傷程度的增加而變?nèi)酢Ｍ饨鐡p傷造成表皮組織細胞壁破裂，破壞了冠梨內(nèi)部成分，導致胡蘿卜素和葉綠素含量逐漸降低，熒光強度相應逐漸減弱。另外，在圖4b中發(fā)現(xiàn)，C組挫傷樣本的熒光光譜在520 nm處的峰值處熒光強度較低。推測在樣品被挫傷后的第一天內(nèi)類黃酮在很大程度上損失。

表1基于SVM和RF區(qū)分不同損傷程度的建模結果

表2示出了四種不同方法尋找SVM的最佳參數(shù)的結果。從表2可以看出，網(wǎng)絡搜索和PSO的建模結果比其他兩種方法更準確。其中，PSO的ω值大于網(wǎng)絡搜索的ω值，說明PSO的容錯率較低。另外，粒子群算法能獲得全局最優(yōu)解，參數(shù)之間相互獨立，便于并行化，執(zhí)行速度快。

表2 SVM建模參數(shù)優(yōu)化結果

圖5顯示了SVM建模方法對所有樣本在同一時間點（即刻、15 min、24 h、48 h、72 h）區(qū)分不同損傷程度、同一損傷程度不同損傷時間點（健全、輕微、嚴重）區(qū)分損傷梨和非損傷梨的準確性。

圖5區(qū)分損傷后同一時間（即刻、15 min、24 h、48 h、72 h）不同損傷程度

區(qū)分同一損傷程度不同損傷時間（A組、B組、C組）

區(qū)分所有樣本健全梨和損傷梨的SVM建模結果

傅霞萍，博士，教授，碩士生導師。第一作者簡介：

主要研究方向：1、光譜及光譜成像檢測技術2、農(nóng)產(chǎn)品品質(zhì)安全快速檢測技術與裝備3、生物組織光傳輸特性檢測與解析

參考文獻：Fu, X., Wang, M. Detection of Early Bruises on Pears Using Fluorescence Hyperspectral Imaging Technique. Food Anal. Methods 15, 115–123 (2022). https://doi.org/10.1007/s12161-021-02092-3