基于LabVIEW和多光譜成像技術(shù)的蘋(píng)果品質(zhì)無(wú)損檢測(cè)裝置

楊甜軍+張箭+朱哲+周竹+曾松偉

摘要：基于LabVIEW和多光譜成像技術(shù)設(shè)計(jì)了一套蘋(píng)果品質(zhì)檢測(cè)裝置，包括硬件設(shè)計(jì)和軟件設(shè)計(jì)。硬件部分主要由單片機(jī)控制模塊、光源模塊、電機(jī)模塊以及圖像采集模塊等組成；軟件部分采用基于LabVIEW的G語(yǔ)言進(jìn)行編寫(xiě)，包括通信模塊、圖像采集與保存模塊以及圖像處理與顯示模塊等。檢測(cè)裝置經(jīng)調(diào)試后，對(duì)每個(gè)蘋(píng)果的圖像采集與處理時(shí)間為8 s，能夠?qū)Υ笮　⑿螤?、損傷以及糖度等指標(biāo)進(jìn)行檢測(cè)，具有無(wú)損、快速的特點(diǎn)。

關(guān)鍵詞：多光譜成像技術(shù)；LabVIEW；品質(zhì)；無(wú)損檢測(cè)；蘋(píng)果

中圖分類(lèi)號(hào)：S126；TP274 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2014）19-4720-03

DOI：10.14088/j.cnki.issn0439-8114.2014.19.056

Nondestructive Detection Device of Apple′s Quality Based on LabVIEW and Multispectral Imaging Technology

YANG Tian-juna，ZHANG Jiana，ZHU Zhea，ZHOU Zhua，b，c，ZENG Song-weia，b，c

（Zhejiang A&F University， a. School of Information Engineering； b. Research Center for Smart Agriculture and Forestry； c. Zhejiang Provincial Key Laboratory of Forestry Intelligent Monitoring and Information Technology， Linan 311300， Zhejiang， China）

Abstract： In order to realize the grading of apple based on size， shape， bruise and sugar content， a system consisted of hardware part and software part for detecting apple′s quality was developed based on multispectral imaging technology and LabVIEW. The hardware part was composed by MCU（STM32F103ZET6）， light source， stepping motor module， image acquisition module et ec. The software part was designed in the LabVIEW environment programmed by G language， made up of communication module， image acquisition and save module， image processing and display module et ec. After debugging of software and hardware parts， the device could meet the speed requirement of detecting one apple in less than 8 s， with the advantages of nondestruction and rapid detection.

Key words： multispectral imaging technology； LabVIEW； quality； nondestructive detection； apple

蘋(píng)果是世界上第二大消費(fèi)水果，營(yíng)養(yǎng)價(jià)值豐富。蘋(píng)果的品質(zhì)包括外部品質(zhì)（大小、形狀以及各種缺陷）和內(nèi)部品質(zhì)（糖度、酸度等）。隨著蘋(píng)果采后商品化處理和加工技術(shù)的發(fā)展，開(kāi)展蘋(píng)果的自動(dòng)化分級(jí)檢測(cè)是促進(jìn)蘋(píng)果增值的重要途徑。

機(jī)器視覺(jué)技術(shù)可以對(duì)果蔬的大小[1]、形狀[2]以及一些常見(jiàn)缺陷[3]進(jìn)行檢測(cè)。然而在采摘、運(yùn)輸?shù)倪^(guò)程中引起的果蔬損傷，對(duì)RGB以外的波段更加敏感。近紅外光譜技術(shù)可用于農(nóng)產(chǎn)品的組分如糖度[4]、水分[5]及缺陷[6]的檢測(cè)。但該方法只能提供樣品一個(gè)小區(qū)域的檢測(cè)，樣品的各向異性會(huì)影響測(cè)量結(jié)果。高光譜成像技術(shù)融合了圖像和光譜信息，可對(duì)農(nóng)產(chǎn)品進(jìn)行品質(zhì)檢測(cè)[7，8]。但其數(shù)據(jù)量龐大、處理耗時(shí)，不利于在線(xiàn)檢測(cè)。此外所需設(shè)備昂貴，制約了實(shí)際應(yīng)用。前人的研究指出，通過(guò)高光譜成像技術(shù)可以獲取反映被測(cè)物品質(zhì)的多個(gè)波段，基于這些特征波段可以設(shè)計(jì)多光譜成像系統(tǒng)，從而實(shí)現(xiàn)農(nóng)產(chǎn)品的在線(xiàn)檢測(cè)[9]。在前期研究及大量學(xué)者[10-13]對(duì)蘋(píng)果品質(zhì)檢測(cè)研究的基礎(chǔ)上，設(shè)計(jì)了一套蘋(píng)果品質(zhì)檢測(cè)裝置，該裝置可以采集特定波段下的圖像，并依據(jù)大小、形狀、損傷以及糖度等對(duì)蘋(píng)果進(jìn)行檢測(cè)分級(jí)。

1 系統(tǒng)工作原理

基于多光譜成像技術(shù)的蘋(píng)果品質(zhì)無(wú)損檢測(cè)裝置如圖1所示（專(zhuān)利號(hào)：ZL2013203684051），主要由步進(jìn)電機(jī)及其驅(qū)動(dòng)模塊、圖像采集模塊、濾光片輪、濾光片、光源模塊、單片機(jī)模塊等構(gòu)成。其中，步進(jìn)電機(jī)的輸出軸嵌入到采集箱內(nèi)，軸端安裝有濾光片輪。濾光片輪在圓周方向均布有多個(gè)T形通孔，每個(gè)T形通孔上放置一片濾光片。

蘋(píng)果品質(zhì)無(wú)損檢測(cè)裝置的工作原理為：將蘋(píng)果樣品放置在Y形載物臺(tái)上，調(diào)節(jié)可調(diào)鏡頭，使樣品圖像大小合適且清晰。通過(guò)專(zhuān)用計(jì)算機(jī)上的上位機(jī)軟件，設(shè)置合適的步進(jìn)電機(jī)轉(zhuǎn)速，并將信息發(fā)送給單片機(jī)，單片機(jī)接受指令后通過(guò)電機(jī)驅(qū)動(dòng)模塊控制步進(jìn)電機(jī)選擇對(duì)應(yīng)波段的濾光片后，反饋完成指令給上位機(jī)。隨后，上位機(jī)發(fā)送指令給近紅外相機(jī)進(jìn)行圖像采集，并將圖像實(shí)時(shí)傳回，重復(fù)這個(gè)過(guò)程直到6個(gè)濾光片下的圖像采集完成后進(jìn)行下一個(gè)樣品的采集。通過(guò)合適的圖像處理算法對(duì)獲取的6張圖像進(jìn)行處理，可快速準(zhǔn)確地分析出樣品的品質(zhì)信息，并將結(jié)果進(jìn)行顯示。

2 裝置硬件設(shè)計(jì)

蘋(píng)果品質(zhì)檢測(cè)裝置硬件部分主要實(shí)現(xiàn)蘋(píng)果的多光譜圖像采集，其裝置的設(shè)計(jì)包括單片機(jī)控制模塊、光源模塊、電機(jī)模塊以及圖像采集模塊等部分。

2.1 單片機(jī)控制模塊

單片機(jī)在系統(tǒng)中的主要功能是對(duì)步進(jìn)電機(jī)進(jìn)行控制，并和上位機(jī)進(jìn)行通信。本裝置采用ST（意法半導(dǎo)體）公司的STM32F103ZET6單片機(jī)，該單片機(jī)為32位基于ARM內(nèi)核的帶512 k字節(jié)閃存的微控制器，具有高性?xún)r(jià)比，運(yùn)行速度快，其資源足以滿(mǎn)足本系統(tǒng)的功能要求。其I/O端口中的PF0-PF3以及電源正極與電機(jī)驅(qū)動(dòng)器相連，向驅(qū)動(dòng)芯片發(fā)送信號(hào)來(lái)控制步進(jìn)電機(jī)的轉(zhuǎn)向和角度。RS232串口與上位機(jī)通信，配合控制步進(jìn)電機(jī)的轉(zhuǎn)動(dòng)和近紅外相機(jī)的圖像光譜的采集。此單片機(jī)的軟件設(shè)計(jì)在Keil開(kāi)發(fā)環(huán)境下進(jìn)行，采用C語(yǔ)言編程。圖2為單片機(jī)與步進(jìn)電機(jī)驅(qū)動(dòng)的接線(xiàn)圖。

2.2 光源模塊

光源模塊為采集裝置提供穩(wěn)定的可見(jiàn)/近紅外光照。本裝置使用了一種碗狀光源，底部由6盞50 W的鹵素?zé)舭l(fā)出的光線(xiàn)，通過(guò)半球形內(nèi)腔壁涂有的特殊漫反射材料反射，均勻地、多角度地照射到蘋(píng)果上，能夠減少由于蘋(píng)果表面的凹凸不平引起的光照不均勻。鹵素?zé)舭l(fā)光效率高、色溫穩(wěn)定，滿(mǎn)足裝置采用的488～947 nm濾光片的波段需求。

2.3 電機(jī)模塊

電機(jī)模塊的作用是控制濾光片輪的轉(zhuǎn)向和精準(zhǔn)定位，由于本裝置采用開(kāi)環(huán)控制，因此步進(jìn)電機(jī)的控制精度尤為重要。步進(jìn)電機(jī)選用型號(hào)為57BYGH338C-72J的兩相四線(xiàn)步進(jìn)電機(jī)，是一款大扭矩、高精度的步進(jìn)電機(jī)，具體參數(shù)為：軸徑 8 mm，工作電壓24 VDC，工作電流3 A，力矩1.6 N·m，步距角1.8°。步進(jìn)電機(jī)驅(qū)動(dòng)器則采用TOSHIBA（東芝）公司的TB6560AHQ芯片，該芯片采用光耦隔離，抗高頻干擾能力強(qiáng)，最高驅(qū)動(dòng)電流為3.5 A，是具有高集成度高可靠性的兩相步進(jìn)電機(jī)驅(qū)動(dòng)器。

2.4 圖像采集模塊

圖像采集模塊中相機(jī)選用的是杭州微圖視覺(jué)科技有限公司生產(chǎn)的VT-EXGM360近紅外相機(jī)，敏感波段范圍為350～1 050 nm。該相機(jī)遵循千兆網(wǎng)高速傳輸?shù)臉?biāo)準(zhǔn)，集高分辨率、高清晰度、高幀率為一體，具有300萬(wàn)物理像素和板級(jí)處理功能，從而提供了高質(zhì)量的圖像采集。同時(shí)該相機(jī)還支持多種圖像處理及測(cè)控軟件如LabVIEW和Matlab等。系統(tǒng)中的相機(jī)透過(guò)濾光片采集到相應(yīng)波段的圖像數(shù)據(jù)，通過(guò)千兆網(wǎng)口傳給上位機(jī)，由上位機(jī)進(jìn)行保存、處理、分析等一系列操作。

3 裝置軟件設(shè)計(jì)

蘋(píng)果品質(zhì)檢測(cè)裝置的多光譜圖像采集軟件是基于虛擬儀器LabVIEW開(kāi)發(fā)環(huán)境來(lái)實(shí)現(xiàn)。LabVIEW是美國(guó)國(guó)家儀器（NI）公司研制開(kāi)發(fā)的一種虛擬儀器軟件開(kāi)發(fā)平臺(tái)，使用圖形化編程語(yǔ)言G編寫(xiě)程序，開(kāi)發(fā)周期短，設(shè)計(jì)出來(lái)的系統(tǒng)界面美觀(guān)，便于修改，擴(kuò)展性強(qiáng)。圖3為蘋(píng)果品質(zhì)檢測(cè)的多光譜圖像采集軟件工作流程圖。其中主要涉及通信模塊、圖像采集與保存模塊以及圖像處理及顯示模塊。

3.1 通信模塊

上位機(jī)與單片機(jī)通信單元通過(guò)LabVIEW軟件中的VISA Configure Serial Port控件來(lái)實(shí)現(xiàn)。通信信號(hào)以字符幀傳輸，每幀包含8位數(shù)據(jù)位、1位停止位、無(wú)奇偶校驗(yàn)。故設(shè)置控件的波特率為9 600 bit/s，數(shù)據(jù)為8 bit，停止位為1，奇偶校驗(yàn)為0。以十六進(jìn)制0X31作為上位機(jī)與單片機(jī)的識(shí)別信號(hào)，當(dāng)單片機(jī)接收到命令信號(hào)0X31時(shí)，則啟動(dòng)步進(jìn)電機(jī)，發(fā)送反饋信號(hào)0X31；當(dāng)上位機(jī)收到反饋信號(hào)0X31判別與發(fā)出的命令信號(hào)相同時(shí)，則啟動(dòng)近紅外相機(jī)；若不是，則繼續(xù)等待。另以十六進(jìn)制0X32～0X36作為步進(jìn)電機(jī)速度選擇信號(hào)，其中0X32為最高檔速度。具體前面板和程序框圖如圖4所示。

3.2 圖像采集與保存模塊

通過(guò)LabVIEW圖像采集工具包IMAQ中的Vision Acquisition控件讀取圖像數(shù)據(jù)，再通過(guò)IMAQ OUT控件進(jìn)行顯示。將前面板設(shè)置中的地址和Vision Acquisition控件的輸出作為輸入，再通過(guò)IMAQ Write File控件進(jìn)行相應(yīng)的圖片保存。程序中通過(guò)編號(hào)的自增來(lái)改變圖像的保存名稱(chēng)進(jìn)而實(shí)現(xiàn)圖像光譜的自動(dòng)保存，用戶(hù)只需通過(guò)啟動(dòng)和停止按鈕就可選擇是否運(yùn)行裝置。圖像采集與保存模塊的前面板和程序框圖如圖5所示。

3.3 圖像處理及顯示模塊

檢測(cè)裝置中需要根據(jù)蘋(píng)果的大小、形狀、損傷以及糖度等進(jìn)行分級(jí)。圖像處理流程為：首先判斷蘋(píng)果是否出現(xiàn)損傷，若無(wú)損傷，再根據(jù)大小、形狀以及糖度含量進(jìn)行分級(jí)。蘋(píng)果的損傷要使用所獲取的全部圖像，并對(duì)圖像進(jìn)行主成分以及波段比分析，其實(shí)現(xiàn)可以借助LabVIEW和Matlab的交互工具來(lái)實(shí)現(xiàn)。糖度檢測(cè)可以提取每張圖像中心部位感興趣區(qū)域的亮度值，通過(guò)前期建立好的多元線(xiàn)性模型進(jìn)行計(jì)算。而大小、形狀檢測(cè)可以選定指定波段的圖像，通過(guò)IMAQ中的圖像處理函數(shù)直接進(jìn)行分析。圖6給出了蘋(píng)果部分品質(zhì)檢測(cè)圖像處理的程序框圖。

圖7給出了蘋(píng)果品質(zhì)無(wú)損檢測(cè)裝置的前面板，該裝置經(jīng)軟、硬件調(diào)試后，在中擋步進(jìn)電機(jī)轉(zhuǎn)速下，蘋(píng)果的檢測(cè)速度為8 s/個(gè)，能夠滿(mǎn)足蘋(píng)果分級(jí)檢測(cè)需求，具備無(wú)損、快速檢測(cè)的優(yōu)點(diǎn)。

4 小結(jié)

基于虛擬儀器LabVIEW和多光譜成像技術(shù)設(shè)計(jì)了一套蘋(píng)果品質(zhì)檢測(cè)的多光譜成像裝置。該裝置由單片機(jī)、光源、電機(jī)及驅(qū)動(dòng)模塊、近紅外相機(jī)、濾光片以及濾光片輪等組成。通過(guò)單片機(jī)控制濾光片輪轉(zhuǎn)動(dòng)，可以獲得特定波段下的圖像。該裝置能對(duì)蘋(píng)果的損傷、果形、大小以及糖度進(jìn)行檢測(cè)并分級(jí)，檢測(cè)速度為8s/個(gè)，具備快速、無(wú)損等特點(diǎn)，為蘋(píng)果及其他果蔬品質(zhì)的檢測(cè)和分級(jí)提供了參考和借鑒。

參考文獻(xiàn)：

[1] 安愛(ài)琴，余澤通，王宏強(qiáng).基于機(jī)器視覺(jué)的蘋(píng)果大小自動(dòng)分級(jí)方法[J].農(nóng)機(jī)化研究，2008（4）：163-166.

[2] 司永勝，喬 軍，劉 剛，等.基于機(jī)器視覺(jué)的蘋(píng)果識(shí)別和形狀特征提取[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（8）：161-165.

[3] 李小昱，陶海龍，高海龍，等馬鈴薯缺陷透射和反射機(jī)器視覺(jué)檢測(cè)方法分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45（5）：191-196.

[4] 趙杰文，張海東，劉木華.利用近紅外漫反射光譜技術(shù)進(jìn)行蘋(píng)果糖度無(wú)損檢測(cè)的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（3）：162-165.

[5] 劉 潔，李小昱，李培武，等.基于近紅外光譜的板栗水分檢測(cè)方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（2）：338-341.

[6] 韓東海，劉新鑫，趙麗麗，等.受損蘋(píng)果顏色和組織的近紅外光譜特性[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（6）：112-115.

[7] 郭俊先，饒秀勤，程國(guó)首，等.基于高光譜成像技術(shù)的新疆冰糖心紅富士蘋(píng)果分級(jí)和糖度預(yù)測(cè)研究[J].新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2012，35（1）：78-86.

[8] 高海龍，李小昱，徐森淼，等.透射和反射高光譜成像的馬鈴薯?yè)p傷檢測(cè)比較研究[J].光譜學(xué)與光譜分析，2013，33（12）：3366-3371.

[9] QIN J W， BURKS T F， ZHAO X， et al. Development of a two-band spectral imaging system for real-time citrus canker detection[J]. Journal of Food Engineering，2012，108（1）：87-93.

[10] 黃文倩，陳立平，李江波，等.基于高光譜成像的蘋(píng)果輕微損傷檢測(cè)有效波長(zhǎng)選取[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（1）： 272-277.

[11] LEE K， KANG S， DELWICHE S R， et al. Correlation analysis of hyperspectral imagery for multispectral wavelength selection for detection of defects on apples[J]. Sensing and Instrumentation for Food Quality and Safety，2008，2（2）：90-96.

[12] ELMASRY G， WANG N， VIGNEAULT C， et al. Early detection of apple bruises on different background colors using hyperspectral imaging[J]. LWT-Food Science and Technology， 2008， 41（2）：337-345.

[13] KLEYNEN O， LEEMANS V， DESTAIN M F. Selection of the most efficient wavelength bands for ‘Jonagold apple sorting[J]. Postharvest Biology and Technology， 2003， 30（3）：221-232.

[2] 司永勝，喬 軍，劉 剛，等.基于機(jī)器視覺(jué)的蘋(píng)果識(shí)別和形狀特征提取[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（8）：161-165.

[3] 李小昱，陶海龍，高海龍，等馬鈴薯缺陷透射和反射機(jī)器視覺(jué)檢測(cè)方法分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45（5）：191-196.

[4] 趙杰文，張海東，劉木華.利用近紅外漫反射光譜技術(shù)進(jìn)行蘋(píng)果糖度無(wú)損檢測(cè)的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（3）：162-165.

[5] 劉 潔，李小昱，李培武，等.基于近紅外光譜的板栗水分檢測(cè)方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（2）：338-341.

[6] 韓東海，劉新鑫，趙麗麗，等.受損蘋(píng)果顏色和組織的近紅外光譜特性[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（6）：112-115.

[7] 郭俊先，饒秀勤，程國(guó)首，等.基于高光譜成像技術(shù)的新疆冰糖心紅富士蘋(píng)果分級(jí)和糖度預(yù)測(cè)研究[J].新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2012，35（1）：78-86.

[8] 高海龍，李小昱，徐森淼，等.透射和反射高光譜成像的馬鈴薯?yè)p傷檢測(cè)比較研究[J].光譜學(xué)與光譜分析，2013，33（12）：3366-3371.

[9] QIN J W， BURKS T F， ZHAO X， et al. Development of a two-band spectral imaging system for real-time citrus canker detection[J]. Journal of Food Engineering，2012，108（1）：87-93.

[10] 黃文倩，陳立平，李江波，等.基于高光譜成像的蘋(píng)果輕微損傷檢測(cè)有效波長(zhǎng)選取[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（1）： 272-277.

[11] LEE K， KANG S， DELWICHE S R， et al. Correlation analysis of hyperspectral imagery for multispectral wavelength selection for detection of defects on apples[J]. Sensing and Instrumentation for Food Quality and Safety，2008，2（2）：90-96.

[12] ELMASRY G， WANG N， VIGNEAULT C， et al. Early detection of apple bruises on different background colors using hyperspectral imaging[J]. LWT-Food Science and Technology， 2008， 41（2）：337-345.

[13] KLEYNEN O， LEEMANS V， DESTAIN M F. Selection of the most efficient wavelength bands for ‘Jonagold apple sorting[J]. Postharvest Biology and Technology， 2003， 30（3）：221-232.

[2] 司永勝，喬 軍，劉 剛，等.基于機(jī)器視覺(jué)的蘋(píng)果識(shí)別和形狀特征提取[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（8）：161-165.

[3] 李小昱，陶海龍，高海龍，等馬鈴薯缺陷透射和反射機(jī)器視覺(jué)檢測(cè)方法分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45（5）：191-196.

[4] 趙杰文，張海東，劉木華.利用近紅外漫反射光譜技術(shù)進(jìn)行蘋(píng)果糖度無(wú)損檢測(cè)的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（3）：162-165.

[5] 劉 潔，李小昱，李培武，等.基于近紅外光譜的板栗水分檢測(cè)方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（2）：338-341.

[6] 韓東海，劉新鑫，趙麗麗，等.受損蘋(píng)果顏色和組織的近紅外光譜特性[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（6）：112-115.

[7] 郭俊先，饒秀勤，程國(guó)首，等.基于高光譜成像技術(shù)的新疆冰糖心紅富士蘋(píng)果分級(jí)和糖度預(yù)測(cè)研究[J].新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2012，35（1）：78-86.

[8] 高海龍，李小昱，徐森淼，等.透射和反射高光譜成像的馬鈴薯?yè)p傷檢測(cè)比較研究[J].光譜學(xué)與光譜分析，2013，33（12）：3366-3371.

[9] QIN J W， BURKS T F， ZHAO X， et al. Development of a two-band spectral imaging system for real-time citrus canker detection[J]. Journal of Food Engineering，2012，108（1）：87-93.

[10] 黃文倩，陳立平，李江波，等.基于高光譜成像的蘋(píng)果輕微損傷檢測(cè)有效波長(zhǎng)選取[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（1）： 272-277.

[11] LEE K， KANG S， DELWICHE S R， et al. Correlation analysis of hyperspectral imagery for multispectral wavelength selection for detection of defects on apples[J]. Sensing and Instrumentation for Food Quality and Safety，2008，2（2）：90-96.

[12] ELMASRY G， WANG N， VIGNEAULT C， et al. Early detection of apple bruises on different background colors using hyperspectral imaging[J]. LWT-Food Science and Technology， 2008， 41（2）：337-345.

[13] KLEYNEN O， LEEMANS V， DESTAIN M F. Selection of the most efficient wavelength bands for ‘Jonagold apple sorting[J]. Postharvest Biology and Technology， 2003， 30（3）：221-232.