基于高光譜成像技術的水果損傷與農藥殘留檢測研究
——四川雙利合譜科技有限公司
一、 基于高光譜成像技術的水果損傷與農藥殘留檢測研究-引言
隨著人們生活水平的提高,消費者越來越關注果蔬的品質**問題。如水果的損傷及水果表面農藥的殘留等不僅會造成果蔬的腐爛,而且會嚴重影響消費者的身體健康。因此水果損傷與農藥殘留的快速有效檢測是非常有實際價值的。雖然水果的損傷、農業殘留區域和正常區域在外部特征上呈現出極大的相似性,但是損傷區域和農藥殘留部位發生一定的變化,這種變化可以通過特定波長下的光譜表現出來。
高光譜圖像技術結合了光譜分析和圖像處理的技術優勢,對研究對象的內外部品質特征進行檢測分析,趙杰文等利用高光譜圖像技術檢測水果輕微損傷,準確率為88.57 %;Jasper G .Tallada等分別應用高光譜圖像技術對不同成熟度的草莓表面損傷、蘋果的表面缺陷及芒果的成熟度檢測進行了試驗研究。王玉田等運用熒光光譜檢測出水果表面殘留的農藥;胡淑芬等運用激光技術對水果表面農藥殘留進行了試驗研究;薛龍等針對水果表面農藥殘留,以滴有較高濃度的臍橙為研究對象,利用光譜范圍425-725 nm的高光譜圖像系統進行檢測,發現對較高濃度的農藥殘留檢測效果較好。本文采用高光譜圖像技術檢測不同水果的損傷區域和農藥殘留區域,以實現損傷區域和農藥殘留區域共同識別的目的。
二、 基于高光譜成像技術的水果損傷與農藥殘留檢測研究-試驗材料與方法
2.1 實驗材料
本研究以蘋果和貢梨為研究對象,分析蘋果的腐爛區域和農藥殘留區域,同時分析貢梨的損傷區域。其中貢梨的損傷區域由人工模擬形成,蘋果的腐爛區域是天然形成的,農藥人工涂在蘋果上。
2.2 實驗設備
高光譜成像數據采集采用四川雙利合譜科技有限公司的 GaiaSorter高光譜分選儀系統。該系統主要由高光譜成像儀(V10E)、CCD 相機、光源、暗箱、計算機組成,結構圖與實景圖如圖1。實驗儀器參數設置如表1。
表1 GaiaSorter 高光譜分選儀系統參數
序號
|
項目
|
參數
|
1
|
光譜掃描范圍/nm
|
350~1000
|
2
|
光譜分辨率/nm
|
2.8
|
3
|
采集間隔/nm
|
1.9
|
4
|
光譜通道數
|
520
|
圖 1 GaiaSorter 高光譜分選儀結構圖與實景圖
2.3 圖像處理分析
采用SpecView和ENVI/IDL對高光譜數據的預處理及分析,預處理中的鏡像變換、黑白幀校準在SpecView中進行;其他數據的分析在ENVI/IDL中進行。
三、基于高光譜成像技術的水果損傷與農藥殘留檢測研究-結果與討論
3.1 蘋果腐爛區域、農藥殘留區域和正常區域的光譜分析
取蘋果腐爛區域、農藥殘留區域與正常區域各200個像元,分別獲取這200個像元的光譜反射率,并求取這200個像元的反射率均值,如圖2所示,其中,紅色代表蘋果的腐爛區域光譜區域的光譜反射率,藍色代表正常區域的光譜反射率,綠色代表農藥殘留區域的光譜反射率。從圖中可知,在400-100 nm范圍內,農藥殘留區域的光譜反射率*大,其次是正常區域,*后是腐爛區域的光譜反射率。研究發現這三個區域在610 nm處有一峰值,在650 nm處有一吸收谷,在650-680 nm區間有一陡坡,由于三個區域均有以上特征,所以可以認為這也是蘋果特有的特征位置。
圖2 蘋果腐爛區域、農藥殘留區域與正常區域的光譜反射率
3.2 貢梨損傷區域和正常區域的光譜分析
取貢梨損傷區域與正常區域各200個像元,分別獲取這200個像元的光譜反射率,并求取這200個像元的反射率均值,如圖3所示,其中,紅色代表紅色的損傷區域光譜區域的光譜反射率,綠色代表正常區域的光譜反射率。從圖中可知,在400-100 nm范圍內,損傷區域的光譜反射率高于正常區域。從光譜曲線變化可知,這兩個區域在540 nm處有一峰值,在650 nm處有一吸收谷,在650-680 nm區間有一陡坡,由于2個區域均有以上特征,所以可以認為這也是蘋果特有的特征位置。比較圖1和圖2可知,除峰值位置不同,其他波段范圍蘋果與貢梨的光譜曲線變化規律相似。
圖3 貢梨損傷區域與正常區域的光譜反射率
3.3 蘋果腐爛區域、農藥殘留區域的提取
對經過鏡像變換、黑白幀校準的高光譜圖像,根據蘋果與背景區域的光譜差異,利用ENVI/IDL軟件的波段運算建立腌膜,獲取純蘋果圖像,對蘋果圖像做主成分分析,根據獲取的主成分圖像,選取能較好區分腐爛區域、農藥殘留區域和正常區域的主成分圖像(PC2),通過閾值分割的方法分別獲取蘋果腐爛區域和農藥殘留區域,如圖4所示。大的部分為腐爛區域,小的為農藥殘留區域。
圖 4 蘋果腐爛區域與農業殘留區域提取流程圖
3.4 貢梨損傷區域的提取
對經過鏡像變換、黑白幀校準的高光譜圖像,根據貢梨與背景區域的光譜差異,利用ENVI/IDL軟件中的*大似然法,獲取純貢梨圖像,對貢梨的圖像做主成分分析,根據獲取的主成分圖像,選取能較好區分貢梨損傷區域、和正常區域的主成分圖像(PC5),通過閾值分割的方法獲取貢梨的損傷區域,如圖5所示。
圖 5 貢梨損傷區域提取流程圖
3.5 基于高光譜成像技術的水果損傷與農藥殘留檢測研究-討論
高光譜成像技術應用于水果表面損傷、農藥殘留已體現出其“圖譜合一”的優越性。水果輕微損傷和農藥的微量殘留往往發生在表皮之下,和正常區域的顏色相差不大,肉眼難以識別。隨著時間的推移,損傷區域會逐漸褐變,*后導致整個水果腐爛,甚至影響其他果實,而少量的農藥則會滲透進入果實中,消費者吃了會導致中毒。本研究結果表明,運用高光譜成像技術,運用主成分分析、腌膜等方法等,可以有效地提取水果損傷與農藥殘留區域,從而達到快速檢測的目的。