高光譜圖像能夠記錄豐富的農(nóng)產(chǎn)品品質(zhì)信息，可用于農(nóng)產(chǎn)品內(nèi)、外品質(zhì)的檢測。有實(shí)驗(yàn)表明，在霉?fàn)€板栗檢測中可以使用賽斯拜克高光譜成像儀采集板栗高光譜圖像，提取霉?fàn)€板栗的光譜曲線，并建立霉?fàn)€板栗的識別模型，為板栗的無損分級提供一種新方法。

?

高光譜成像儀檢測霉?fàn)€板栗的研究背景

板栗是我國食用最早的著名堅果之一，年產(chǎn)量居世界首位。然而板栗收獲后極易霉?fàn)€變質(zhì)，食用不當(dāng)會引發(fā)安全問題?，F(xiàn)有的霉?fàn)€板栗主要采用人工分選或鹽水浮選，主觀性強(qiáng)，分選錯誤率高。因此研究一種快速、有效且適用的霉?fàn)€板栗檢測方法，可為板栗品質(zhì)的快速無損檢測和分級打下基礎(chǔ)。

近紅外光譜和機(jī)器視覺技術(shù)可以很好的檢測農(nóng)產(chǎn)品內(nèi)部和外部品質(zhì)，在農(nóng)產(chǎn)品品質(zhì)檢測中已得到廣泛的應(yīng)用，但兩者均不能滿足同時檢測農(nóng)產(chǎn)品內(nèi)外綜合品質(zhì)的要求。

針對缺陷板栗識別的問題，課題組前期做了一定的研究。周竹利用近紅外光譜技術(shù)結(jié)合GA-LSSVM算法能夠很好的檢測表明表面霉變和內(nèi)部霉變板栗，但建模時間較長。展慧等證明了基于近紅外光譜和機(jī)器視覺的多源信息融合技術(shù)所建缺陷板栗識別模型，較單獨(dú)采用機(jī)器視覺技術(shù)或近紅外光譜分析技術(shù)建立模型的識別率均有顯著提高，但光譜信息和圖像信息要分別獲取。

因此，在缺陷板栗的檢測方面，還存在著內(nèi)外品質(zhì)不能同時兼顧和建模速度較慢等難題。隨著科學(xué)技術(shù)的發(fā)展及計算機(jī)技術(shù)的突飛猛進(jìn)，一種集光譜和圖像于一身的高新技術(shù)——高光譜圖像檢測技術(shù)正越來越受到農(nóng)產(chǎn)品無損檢測研究者們的青睞。

高光譜圖像能夠記錄豐富的農(nóng)產(chǎn)品品質(zhì)信息，可用于農(nóng)產(chǎn)品內(nèi)、外品質(zhì)的檢測。國內(nèi)外學(xué)者將高光譜圖像技術(shù)應(yīng)用到水果、蔬菜、茶葉及肉類食品無損檢測方面都取得了很好的結(jié)果。但尚未見利用高光譜圖像技術(shù)檢測霉?fàn)€板栗的研究。本文提出利用高光譜圖像技術(shù)采集板栗高光譜圖像，提取霉?fàn)€板栗的光譜曲線，并通過偏最小二乘判別分析（PLS-DA）法建立霉?fàn)€板栗的識別模型，為板栗的無損分級提供一種新方法。偏最小二乘-判別分析（PLS-DA，least squares discriminate analysis）在樣品光譜信息的判別分析中具有很好的識別能力5]，是一種常用的模式識別方法。

?

高光譜成像儀檢測霉?fàn)€板栗的研究成果

1.?通過高光譜成像系統(tǒng)采集正常板栗和霉?fàn)€板栗高光譜圖像，選取感興趣區(qū)域獲取兩類板栗的光譜曲線。正常板栗和霉?fàn)€板栗的光譜存在一定的差異，正常板栗的反射率始終大于霉?fàn)€板栗的反射率，并且其波峰分別出現(xiàn)在900nm和靠近1000nm不同的位置；

2.?采用偏最小二乘判別分析進(jìn)行基于高光譜圖像技術(shù)的霉?fàn)€板栗識別研究，比較了多種預(yù)處理方法對預(yù)測模型結(jié)果的影響。其中經(jīng)平滑+二階導(dǎo)數(shù)處理后的光譜數(shù)據(jù)所得模型效果最佳，霉?fàn)€板栗和正常板栗的正確識別率分別為83.9%和89.7%，總體識別率達(dá)到86.7%。

3.?為了提高霉?fàn)€板栗識別模型的精度，下一步工作即將在圖像特征方面尋求新方法。

?