基于可見/近紅外高光譜成像技術(shù)的西甜瓜糖度檢測

何洪巨，胡麗萍，李 武，陳興海，黃 宇，劉業(yè)林

(1 北京市農(nóng)林科學(xué)院蔬菜研究中心，北京 100097；2四川雙利合譜科技有限公司，成都 610016)

?

基于可見/近紅外高光譜成像技術(shù)的西甜瓜糖度檢測

何洪巨1，胡麗萍1，李 武1，陳興海2，黃 宇2，劉業(yè)林2

(1北京市農(nóng)林科學(xué)院蔬菜研究中心，北京 100097；2四川雙利合譜科技有限公司，成都 610016)

提出了以不同品種的西瓜、甜瓜為研究對象，利用可見光/近紅外成像高光譜技術(shù)分析不同糖度的西瓜、甜瓜的光譜差異及西瓜、甜瓜糖度在可見光/近紅外波段范圍的響應(yīng)。研究表明應(yīng)用成像高光譜技術(shù)檢測西甜瓜糖度具有可行性，為進(jìn)一步研究不同水果糖度高精度模型奠定基礎(chǔ)。

成像高光譜；西甜瓜；糖度；光譜差異；監(jiān)測模型

糖度是影響西甜瓜營養(yǎng)與風(fēng)味的主要因素，既可表征成熟度，又可體現(xiàn)其品質(zhì)[1]。隨著成像和光譜技術(shù)的快速發(fā)展，高光譜成像技術(shù)已經(jīng)廣泛應(yīng)用于農(nóng)產(chǎn)品品質(zhì)的快速無損檢測[2]。高光譜成像技術(shù)融合了傳統(tǒng)的成像和光譜技術(shù)的優(yōu)點(diǎn)，可以同時(shí)獲取被檢測物體的空間信息和光譜信息，因此該技術(shù)既可以檢測物體的外部品質(zhì)，也可以檢測物體的內(nèi)部品質(zhì)如水果的糖度、堅(jiān)實(shí)度、酸度等[3-7]。

董一威等[8]以紅富士蘋果為研究對象，應(yīng)用自行搭建的CCD近紅外光譜系統(tǒng)檢測蘋果的糖酸度，研究結(jié)果表明在630～1 030 nm范圍內(nèi)，可實(shí)現(xiàn)對蘋果糖度、酸度的無損檢測研究；金同銘等[9]利用近紅外光譜法檢測蘋果中蔗糖、葡萄糖、果糖三種組分，篩選出914、950、897 nm分別代表蔗糖、葡萄糖和果糖的第一特征波長；趙麗麗等[10]運(yùn)用近紅外光譜儀獲取蘋果和番茄的光譜，并建立蘋果糖度、硬度及番茄的紅素的數(shù)學(xué)模型，所有模型的相關(guān)系數(shù)均在0.8以上，證明利用紅外區(qū)域光譜可進(jìn)行果品類品質(zhì)的檢測；田海清等[11]利用透射光譜儀獲取蜜瓜的光譜信息，運(yùn)用經(jīng)典最小二乘法、逐步多元線性回歸、主成分分析、偏最小二乘法等方法構(gòu)建模型并檢驗(yàn)，結(jié)果表明PLS法的建模與預(yù)測結(jié)果較好；Polder 等[12]利用可見光(波長范圍為396～736 nm)高光譜成像系統(tǒng)對西紅柿的成熟度進(jìn)行判別研究。

然而，大多數(shù)研究者利用光譜儀檢測果類品質(zhì)、糖度、酸度等時(shí)，很少有研究者利用多類水果或多品種水果進(jìn)行研究分析其不同糖度、酸度的光譜差異及特征響應(yīng)波段范圍。研究單一品種或單一類水果的檢測模型其穩(wěn)定性低、普適性弱，不能較好地實(shí)現(xiàn)科研成果產(chǎn)業(yè)化的發(fā)展。因此本研究以無籽/有籽西瓜、青色/黃色甜瓜為研究對象，利用可見/近紅外高光譜成像技術(shù)，探索不同種類西甜瓜不同糖度光譜差異及特征響應(yīng)波段范圍，為探索不同水果糖度高精度檢測模型奠定基礎(chǔ)。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)材料2015年9月取自大興龐各莊實(shí)驗(yàn)基地。包括不同類型西甜瓜品種(有籽西瓜、無籽西瓜)；甜瓜(青皮甜瓜、黃皮甜瓜)。進(jìn)行瓜瓤的光譜采集和含糖量測定。

1.2 高光譜圖像采集

高光譜圖像數(shù)據(jù)采集采用某公司的 GaiaSorter高光譜分選儀系統(tǒng)。該系統(tǒng)主要由高光譜成像儀、CCD相機(jī)、鹵素?zé)艄庠础迪?、?jì)算機(jī)組成。試驗(yàn)儀器參數(shù)設(shè)置如表1。在進(jìn)行高光譜圖像采集時(shí)，需要設(shè)置相機(jī)曝光時(shí)間，平臺(tái)移動(dòng)速度以及物鏡之間的距離。這 3 個(gè)參數(shù)相互影響，圖像調(diào)節(jié)的目的是使采集的圖像大小合適，清晰，不變形失真。經(jīng)過反復(fù)嘗試，物鏡高度設(shè)置為 26 cm，曝光時(shí)間設(shè)置為10ms，平臺(tái)移動(dòng)速度設(shè)置為 4.3 mm/s。圖像采集軟件采用某公司提供的高光譜成像系統(tǒng)采集軟件SpecView完成。圖像處理采用 ENVI5.3 軟件進(jìn)行處理。在進(jìn)行圖像處理之前，先要對采集的光譜圖像進(jìn)行圖像校正，圖像校正公(1)式：

(1)

(1)式中，Rref 是校正過的圖像，DNraw 是原始圖像，DNwhite為白板校正圖像，DNdark 是黑板校正圖像。

表1 GaiaSorter 高光譜分選儀系統(tǒng)參數(shù)

1.3 糖度測定與光譜反射率的獲取

西瓜、甜瓜樣本光譜數(shù)據(jù)采集后，為避免光照對糖度造成一定的變化，因此在微光條件下，在西瓜、甜瓜樣品上分別作五處標(biāo)志和四處標(biāo)志，并立即用PR-101數(shù)字式折射儀對標(biāo)志部位進(jìn)行糖度測量，分切取約 15 mm×10 mm×5 mm中部內(nèi)緣果肉擠出汁液滴到折光儀鏡面上，覆蓋住底部，測量其糖度并記錄。

1.4 光譜獲取

試驗(yàn)得到的光譜含有由儀器和試驗(yàn)條件等引起的噪聲，對這些噪聲的處理有助于減少噪聲對光譜分析的影響，突出光譜的有效信息。Savitzky-Golay(SG)平滑算法可以有效消減光譜數(shù)據(jù)中的隨機(jī)噪聲，消噪效果受平滑點(diǎn)數(shù)的影響，本文中選擇SG二次多項(xiàng)式7點(diǎn)平滑對光譜數(shù)據(jù)進(jìn)行處理[13]。在高光譜圖像上找到西瓜、甜瓜的標(biāo)志處，運(yùn)用ENVI的感興趣區(qū)域提取功能，獲取糖度測量區(qū)域，提取該區(qū)域的平均光譜，將此平均光譜與其對應(yīng)的糖度建立一一對應(yīng)的關(guān)系。

1.5 建模與檢驗(yàn)數(shù)據(jù)

共獲取了西甜瓜共36處的糖度值并獲取其對應(yīng)區(qū)域的平均光譜反射率，其中西瓜共有20個(gè)糖度值(有籽無籽西瓜各2個(gè)，分別在西瓜的東西南北中5個(gè)位置取樣點(diǎn))，甜瓜共有16個(gè)糖度值(青黃甜瓜各2個(gè)，分別在甜瓜的東西南北4個(gè)位置取樣點(diǎn))，采用隨機(jī)抽樣的方式獲取11個(gè)西瓜糖度值、9個(gè)甜瓜糖度值及其光譜反射率作為建模數(shù)據(jù)，其余西瓜、甜瓜糖度值及對應(yīng)的光譜反射率作為檢驗(yàn)數(shù)據(jù)。西甜瓜建模與檢驗(yàn)集的糖度值統(tǒng)計(jì)信息如表2所示，本研究采用建模R2、檢驗(yàn)R2、相對均方根誤差、Slope和截距等來評價(jià)模型性能[14]。

2 結(jié)果與分析

2.1 有籽西瓜不同含糖量的光譜分析

從圖1可知，不同含糖量在紅光至近紅外區(qū)間差異明顯，隨著糖度升高其光譜反射率呈增加的趨勢；在550、700、800 nm附近出現(xiàn)小峰值，這由于有籽西瓜的有機(jī)分子中含氫基團(tuán)振動(dòng)的合頻、各級倍頻的吸收作用引起的；在570～650 nm 紅光區(qū)域反射率呈直線上升，這與西瓜含有紅色素有關(guān)。

表2 西甜瓜建模與檢驗(yàn)集的糖度值統(tǒng)計(jì)信息

圖1 有籽西瓜不同含糖量的光譜曲線差異

2.2 無籽西瓜不同含糖量的光譜分析

從圖2中可知，在400～600 nm范圍內(nèi)，高糖度的光譜反射率與低糖度的光譜反射率差異顯著，高糖度的光譜反射率大于低糖度的光譜反射率；在650～900 nm處，隨著糖度升高其光譜反射率升高；在570～650 nm 紅光區(qū)間反射率呈直線上升，這與西瓜含有紅色素有關(guān)；在550、700、800 nm附近出現(xiàn)小峰值。綜合圖1和圖2可知，西瓜瓜瓤在550、700、800 nm附近有峰值；在570～650 nm 紅光區(qū)域反射率呈直線上升，因此570～650 nm波段范圍與550、700、800 nm等3個(gè)波段都可以作為西瓜瓜瓤的特征波段。

2.3 黃色甜瓜不同含糖量的光譜分析

圖2 無籽西瓜不同含糖量的光譜曲線差異

從圖3可知，隨著含糖量的升高在可見光、近紅外區(qū)間其光譜反射率呈增加的趨勢。在410～600 nm 區(qū)間反射率上升速度較快；在600～680 nm區(qū)間反射率上升緩慢；在680～720 nm區(qū)間緩慢下降；在720～800 nm處呈上升趨勢；到了800 nm后，光譜反射率呈下降趨勢；與西瓜瓜瓤相似，在700 nm和800 nm附近有2個(gè)峰值，與西瓜一樣，這也是由于甜瓜的有機(jī)分子中含氫基團(tuán)振動(dòng)的合頻、各級倍頻的吸收作用引起的?？傮w而言，黃色甜瓜糖度不同，其光譜曲線差異顯著。

圖3 黃色甜瓜不同含糖量的光譜曲線差異

2.4 青色甜瓜不同含糖量的光譜分析

從圖4可知，在430～550 nm范圍內(nèi)，隨著含糖量的升高其光譜反射率減??；在550～700 nm區(qū)間隨著甜瓜糖度的升高，其反射率升高；在550～580 nm區(qū)間反射率上升較快，形成陡坡；在680 nm附近，低糖度的甜瓜瓜瓤出現(xiàn)低谷，含糖量越高，谷值越深；與西瓜瓜瓤相似，在700 nm和800 nm附近也有2個(gè)峰值；在700～1 000 nm區(qū)間，糖度與光譜反射率曲線無顯著規(guī)律變化。綜合圖3和圖4可知，在400～550 nm范圍內(nèi)，黃色甜瓜的光譜反射率顯著高于青色甜瓜，甜瓜在700、800 nm附近有峰值；在500～600 nm 范圍內(nèi)反射率呈直線上升，形成陡坡，因此500～600 nm波段范圍與700、800 nm兩個(gè)波段都可以作為甜瓜瓜瓤的特征波段。

圖4 青色甜瓜不同含糖量的光譜曲線差異

2.5 糖度相近時(shí)不同品種不同種類水果的光譜曲線分析

從圖5可知，西瓜雖然品種不同，其光譜曲線相近，在580～650 nm范圍內(nèi)光譜反射率直線上升，形成陡坡，在550、700、800 nm等3個(gè)波長附近有3個(gè)吸收峰。兩種甜瓜在400～600 nm范圍內(nèi)，光譜曲線變化規(guī)律相似，在520～580 nm附近光譜反射率曲線直線上升，形成陡坡；但在600～720 nm范圍內(nèi)，2個(gè)品種的甜瓜光譜曲線差異顯著，青色甜瓜在680 nm附近有吸收谷，而黃色甜瓜沒有出現(xiàn)吸收谷，在720～1 000 nm范圍內(nèi)，2個(gè)品種的甜瓜光譜曲線變化趨勢相似。比較西瓜、甜瓜兩種水果的瓜瓤光譜曲線可知，兩種水果都陡坡形成，只是陡坡形成的位置有所差異，在700 nm和800 nm附近均有吸收峰，在720～1 000 nm范圍內(nèi)，不同品種的西瓜、甜瓜光譜反射率曲線變化趨勢相似。

圖5 糖度相近不同西甜瓜的光譜曲線圖

2.6 水果糖度與各波段的光譜反射率的相關(guān)性分析及模型構(gòu)建

從圖6中可知，4種不同品種的水果，其光譜反射率對糖度的響應(yīng)差異較大。對2個(gè)品種的西瓜而言，無籽西瓜在400～600 nm范圍內(nèi)，其光譜反射率與含糖量呈負(fù)相關(guān)關(guān)系，在600～1 000 nm范圍內(nèi)，其光譜反射率與含糖量呈正相關(guān)關(guān)系，其中600 nm處為零界點(diǎn)；有籽西瓜在400～630 nm范圍內(nèi)，其光譜反射率與含糖量呈負(fù)相關(guān)關(guān)系，在620～700 nm與820～1 000 nm范圍內(nèi)，其光譜反射率與含糖量呈正相關(guān)關(guān)系，在700～820 nm范圍內(nèi)，其光譜反射率與含糖量相關(guān)性較小，接近為0；在660 nm附近，有籽和無籽西瓜的光譜反射率與含糖量形成1個(gè)峰值，因此，660 nm可作為西瓜瓜瓤對糖度的一個(gè)特征響應(yīng)波段。而對于兩個(gè)品種的甜瓜，黃色甜瓜的光譜反射率與糖度在400～1 000nm范圍內(nèi)呈正相關(guān)關(guān)系，但在520 nm附近出現(xiàn)一個(gè)谷值，該谷值為0，即與糖度相關(guān)性為0；在550～1 000 nm范圍內(nèi)，黃色甜瓜的光譜反射率與糖度相關(guān)性較為穩(wěn)定，保持在0.8左右；青色甜瓜在400～570 nm范圍內(nèi)，其光譜反射率與含糖量呈負(fù)相關(guān)關(guān)系，在570～1 000 nm范圍內(nèi)，其光譜反射率與含糖量呈正相關(guān)關(guān)系，與黃色甜瓜類似，在520 nm附近出現(xiàn)1個(gè)谷值，該谷值為0.8，即相關(guān)系數(shù)為0.8；青色甜瓜的光譜反射率與含糖量的零界點(diǎn)在570 nm，即相關(guān)系數(shù)為0。

圖6 西甜瓜的糖度與各波段反射率的相關(guān)系數(shù)

從圖7可知，西瓜、甜瓜的糖度與各波段的光譜反射率相關(guān)性較高的集中在630～650 nm，其中相關(guān)系數(shù)最高的是639.3 nm處，其相關(guān)系數(shù)為0.951。根據(jù)圖8散點(diǎn)圖的分布進(jìn)行線性擬合，其一次線性擬合的模型為：y=30.941x-11.05，決定系數(shù)R2為0.904。運(yùn)用獨(dú)立的數(shù)據(jù)對該線性模型y=30.941x-11.05進(jìn)行檢驗(yàn)，如圖9所示，其實(shí)測值與預(yù)測值之間的決定系數(shù)R2為0.847、斜率Slope為0.905、截距為0.867，相對均方根誤差為6.78%。結(jié)果表明，由639.3 nm處的光譜反射率與其糖度構(gòu)建的一次線性模型對于西瓜、甜瓜等糖度的預(yù)測具有較好的效果。

圖7 綜合西甜瓜的糖度與其波段反射率的相關(guān)系數(shù)

圖8 西瓜、甜瓜在639.3 nm處光譜反射率與其糖度的散點(diǎn)圖

圖9 639.3 nm處的光譜反射率與糖度的模型檢驗(yàn)

3 結(jié)論

本研究通過分析不同品種的西瓜、甜瓜的光譜曲線可知，對于不同品種的西瓜而言，其光譜曲線總體變化趨勢相似，在550、700、800 nm附近有吸收峰，在570～650 nm 紅光區(qū)域反射率呈直線上升，形成陡坡，因此570～650 nm波段范圍與550、700、800 nm等3個(gè)波段都可以作為西瓜瓜瓤的特征波段。對于不同品種的甜瓜，在400～550 nm范圍內(nèi)，黃色甜瓜的光譜反射率顯著高于青色甜瓜，甜瓜在700、800 nm附近也有吸收峰；在500～600 nm 范圍內(nèi)反射率呈直線上升，形成陡坡，因此500～600 nm波段范圍與700、800 nm兩個(gè)波段都可以作為甜瓜的特征波段。比較相似糖度下的西瓜和甜瓜的光譜曲線可知，兩種水果都陡坡形成，只是陡坡形成的位置有所差異，甜瓜的光譜曲線陡坡在500～600 nm附近，西瓜的光譜曲線陡坡在570～650 nm附近；在700 nm和800 nm附近均有吸收峰，在720～1 000 nm范圍內(nèi)，不同品種的西瓜、甜瓜光譜反射率曲線變化趨勢相似。

不同品種的西瓜、甜瓜，其光譜反射率對糖度的響應(yīng)差異較大，但在紅光范圍630～670 nm范圍內(nèi)均有較高的相關(guān)性。綜合不同品種、不同種類的西甜瓜光譜反射率，分析其對糖度的響應(yīng)波段范圍，研究表明，波段響應(yīng)最高的是639.3 nm，其相關(guān)系數(shù)為0.951，利用獨(dú)立的建模與檢驗(yàn)數(shù)據(jù)，運(yùn)用639.3 nm處的光譜構(gòu)建監(jiān)測模型，并對該模型進(jìn)行檢驗(yàn)，其建模R2為0.904、檢驗(yàn)R2為0.847、斜率Slope為0.905、截距為0.867，相對均方根誤差為6.78%，取得較好的研究效果，研究結(jié)果表明，應(yīng)用成像高光譜技術(shù)檢測西甜瓜糖度具有可行性?！?/p>

[1]馬本學(xué)，等.基于漫反射高光譜成像技術(shù)的哈密瓜糖度無損檢測研究[J].光譜學(xué)與光譜分析，2012，11(32)：3093-3097.

[2]張保華，等.高光譜成像技術(shù)在果蔬品質(zhì)與安全無損檢測中的原理及應(yīng)用[J].光譜學(xué)與光譜分析，2015，10(34)：2743-2751.

[3]劉燕德，鄧清.高光譜成像技術(shù)在水果無損檢測中的應(yīng)用[J].農(nóng)機(jī)化研究，2015，7(5)：227-235.

[4]孫梅，陳興海，張恒，等.高光譜成像技術(shù)的蘋果品質(zhì)無損檢測[J].紅外與激光工程，2014，43(4)：1272-1277.

[5]Nagata M，et al.NIR hyperspectral imaging for measurement of internal quality in strawberries[C]，2005 ASAE Annual Meeting.American Society of Agricultural and Biological Engineers，2005，1：053131-053141.

[6]傅霞萍，等.水果堅(jiān)實(shí)度的近紅外光譜檢測分析試驗(yàn)研究[J].光譜學(xué)與光譜分析，2006，26(6)：1038-1041.

[7]曾一凡，等.可見/近紅外光譜技術(shù)無損檢測果實(shí)堅(jiān)實(shí)度的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2008，24(5)：250-252.

[8]董一威，籍保平，史波林，等.蘋果中糖酸度的CCD近紅外光譜分析[J].食品科學(xué)，2007，28(8)：376-380.

[9]金同銘.蘋果中主要糖類的非破壞分析[J].食品科學(xué)，1996，17(2)：60-64.

[10]趙麗麗.果品類內(nèi)部品質(zhì)近紅外無損檢測技術(shù)的研究[D].北京：中國農(nóng)業(yè)大學(xué)，2003.

[11]田海清，等.蜜瓜糖度透射光譜檢測技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41(12)：130-133.

[12]Polder G，et al.Spectral image analys is for measuring ripeness of tomatoes [J].American Society of Agricultural Engineers，2002，45(4)：1155-1161.

[13]張初，等.利用近紅外高光譜圖像技術(shù)快速鑒別西瓜種子品種[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29(20)：270-277.

[14]Yao Xia，et al.Evaluation of Six Algorithms to Monitor Wheat Leaf Nitrogen Concentration[J].Remote Sensing，2015，7(11)：14939-14966.

(責(zé)任編輯 李燕妮)

Sugar Test in Watermelon and Muskmelon with Visible/Near Infrared Hyperspectral Imaging Technology

HE Hong-ju1，HU Li-ping1，LI Wu1，CHEN Xing-hai2，HUANG Yu2，LIU Ye-lin2

(1Beijing Vegetable Research Center，Beijing Academy of Agriculture and Forestry Sciences，Beijing 100097，China；2Sichuan Dualix Spectral Image Technology Co.Ltd，Chengdu 610016，China)

We propose used different varieties of watermelon，muskmelon as the research object，using visible / near infrared imaging hyperspectral technology to analyze the spectra of different sugar content in watermelon and muskmelon，and the responses in the visible / near infrared range of different sugar content in watermelon and muskmelon.The research showed that the application of hyperspectral imaging technology to detect the sugar content of watermelon and muskmelon was feasible，which layed the foundation for the further research for the high precision model of sugar content of different fruit.

Hyperspectral imaging；watermelon and muskmelon；sugar content；spectral different；monitoring model

西甜瓜產(chǎn)業(yè)技術(shù)體系(項(xiàng)目編號(hào)：CARS-26)；北京市農(nóng)林科學(xué)院科技創(chuàng)新能力建設(shè)專項(xiàng)(項(xiàng)目編號(hào)：KJCX20140111)。

黃宇(1987— )，男，碩士，工程師，研究方向：農(nóng)業(yè)遙感。

何洪巨(1967— )，男，博士，研究員，研究方向：蔬菜營養(yǎng)品質(zhì)、活性物質(zhì)和安全與健康。