近紅外光譜技術(shù)在蘋果品質(zhì)檢測中的研究進(jìn)展

楊茗淇， 于濟(jì)菲， 黃玉萍

(南京林業(yè)大學(xué)機(jī)械電子工程學(xué)院，江蘇 南京 210037)

我國是蘋果種植大國[1]，年產(chǎn)量穩(wěn)居世界第一，而采后商品化處理能力僅為其總產(chǎn)量的15%，制約了我國蘋果產(chǎn)業(yè)的發(fā)展[2]。其中一個主要原因是蘋果采后品質(zhì)檢測與分級技術(shù)水平的落后，導(dǎo)致我國蘋果產(chǎn)業(yè)缺乏國際市場競爭力。因此，急需蘋果品質(zhì)分級來提高我國蘋果的市場競爭力。光譜檢測技術(shù)以其快速、無損等優(yōu)點(diǎn)受到學(xué)者的關(guān)注，如高光譜成像技術(shù)、X 射線檢測法、太赫茲技術(shù)和近紅外光譜檢測技術(shù)等[3-5]。

高光譜成像技術(shù)[6-9]是一種結(jié)合了光譜分析和圖像處理的技術(shù)，具有多波段、高分辨率和圖譜合一的特點(diǎn)，但該技術(shù)數(shù)據(jù)量大，設(shè)備昂貴，在線檢測仍存在一定困難。X 射線檢測法[10-12]是利用X射線的強(qiáng)透射性，用透射過樣品的X光線預(yù)測樣品的品質(zhì)，但該方法受樣品形狀影響嚴(yán)重，由于蘋果形狀為曲面，在檢測過程中會存在一定誤差。太赫茲技術(shù)[13-14]是利用太赫茲波的高穿透性、相干性和低能性，用樣品的反射譜或透射譜中的信息來預(yù)測農(nóng)產(chǎn)品的品質(zhì)，是一種新興的光譜檢測技術(shù)，其研究方法多借鑒于近紅外光譜技術(shù)，還處于實(shí)驗(yàn)研究階段。近紅外光譜技術(shù)[15-17]是一種利用物質(zhì)對近紅外光的吸收、反射和散射等特性，通過分析反射光譜、透射光譜等來預(yù)測樣品品質(zhì)的一種無損檢測技術(shù)，以其快速、無損、操作簡單、成本低、易實(shí)現(xiàn)、技術(shù)發(fā)展相對成熟，可用于內(nèi)部品質(zhì)、外部品質(zhì)和缺陷檢測等多方面的優(yōu)勢，被廣泛用于水果品質(zhì)的無損檢測。通過分析這幾種利用光譜來檢測蘋果品質(zhì)的技術(shù)可知，近紅外光譜技術(shù)在蘋果無損檢測方面的應(yīng)用前景更廣。

大量文獻(xiàn)表明紅外線光譜技術(shù)可成功應(yīng)用于蘋果品質(zhì)檢測[18-21]，但檢測精度的提升一直是研究熱點(diǎn)，本文從試驗(yàn)條件、光譜采集方式、光譜處理方式、樣品差異四個方面總結(jié)了學(xué)者在提升檢測精度方面的研究。

1 試驗(yàn)條件的影響

在控制試驗(yàn)條件方面，有學(xué)者提出光照條件(光學(xué)結(jié)構(gòu)、光的強(qiáng)度、探頭到果實(shí)的距離等)、蘋果擺放位置、溫度對試驗(yàn)結(jié)果有影響[22-26]。

在研究光照條件上，馮尚坤以12 V、150 W的鹵素?zé)魹楣庠?，分析了四種光照方式下的透射光譜對蘋果可溶性固溶物含量(SSC)的預(yù)測能力。結(jié)果表明，四只燈泡均勻放置并與檢測探頭的夾角均為100°的光照方式最好。杜冉[27]比較了2×150 W、3×100 W、4×100 W這三種光源在三種不同位置上時(shí)對檢測蘋果糖度、硬度的影響，結(jié)果表明，在4×100 W光源下，水果放置狀態(tài)對檢測結(jié)果的影響很小，在線檢測中可不予考慮。陳建新[28]采用 4 個雙波長的 LED 為光源設(shè)計(jì)的蘋果硬度便攜式檢測設(shè)備，由于光源問題導(dǎo)致每次檢測時(shí)耗時(shí)相對較長并且聚光度不足。以上研究表明，應(yīng)尋找最優(yōu)的光照條件、收集更廣泛或更能反映蘋果品質(zhì)信息的光譜范圍以達(dá)到提高檢測精度目的。

除了光照條件，蘋果的擺放方式也會影響試驗(yàn)的預(yù)測結(jié)果。其中，韓東海[29]研究了在上置式開放式光源下三種蘋果擺放方式中雜散光對收集到的光譜的影響。結(jié)果表明，蘋果果柄向上放置的遮光方式減小雜散光能力最強(qiáng)，能更好預(yù)測蘋果的糖度。在研究蘋果姿態(tài)對預(yù)測SSC的影響中，徐曉[30-31]發(fā)現(xiàn)，當(dāng)光源與檢測探頭都在蘋果赤道部分時(shí)建立的數(shù)學(xué)模型對蘋果SSC的預(yù)測能力最好，利用所有光譜所建立的全局模型比不同的七種姿態(tài)單獨(dú)建立的模型有更好的預(yù)測能力，雙點(diǎn)檢測系統(tǒng)可以補(bǔ)償在線檢測時(shí)蘋果姿態(tài)對蘋果SSC預(yù)測能力的影響。此外，Yuping Huang[32]采用半透射方式，研究了蘋果三種不同的放置方式對內(nèi)部缺陷檢測的影響，結(jié)果表明，入射光垂直于果實(shí)的莖萼軸，即光源放置在蘋果的赤道端所獲得分類結(jié)果最佳。研究表明，光源在蘋果赤道時(shí)收集到的光譜較好，可以提高預(yù)測蘋果品質(zhì)的能力。

此外，溫度也會影響試驗(yàn)結(jié)果。王加華[33]通過收集0 ℃、10 ℃、20 ℃、30 ℃的蘋果漫透射光譜，以20 ℃的數(shù)據(jù)為基準(zhǔn)，采用斜率/偏差校正法修正了溫度對蘋果糖度檢測結(jié)果的影響，預(yù)測了其他溫度下的糖度值。Shuxiang Fan等[34]設(shè)計(jì)了一種可以檢測樹上以及存儲中蘋果的SSC便攜式檢測儀器，為減少環(huán)境溫度對結(jié)果影響，加裝了溫度控制器。檢測動態(tài)蘋果SSC也是今后發(fā)展的方向之一，而關(guān)于溫度對檢測結(jié)果影響的研究還不成熟，還有待進(jìn)一步探索。

綜上所述，光照條件、蘋果擺放位置、溫度都會影響檢測精度，減少以上因素對檢測結(jié)果的影響是提高檢測精度的方法之一。

2 采集光譜方式影響

光譜的采集方式也會產(chǎn)生不同的光譜響應(yīng)而影響檢測結(jié)果。常用的檢測方式分為反射、透射和漫透射(半透射)三種[35-37]。劉燕德[38]比較了在線檢測中漫透射和漫反射這兩種檢測方式對蘋果SSC和糖酸比的預(yù)測能力，研究表明漫透射檢測方式更好。在探究影響漫反射和漫透射光譜獲取的因素方面，樊書祥[39]發(fā)現(xiàn)采集反射光譜時(shí)，源探距增加則光穿透深度增大，但其信號強(qiáng)度和信噪比不斷減??；當(dāng)源探距為 15～20 mm 時(shí)，光譜信號強(qiáng)度相差不大，有效穿透深度在 20～30 mm之間。而在漫透射光譜采集系統(tǒng)中，果梗-花萼水平放置時(shí)獲取的光譜穩(wěn)定性更高。此外，還有學(xué)者對各種采集方式的特點(diǎn)做了分析。李明[40]認(rèn)為，由于漫透射光譜采集的是包含大量樣品內(nèi)部信息的透射光，因此在水果品質(zhì)檢測方面效果更優(yōu)。劉瓊磊在分析了近紅外反射、透射和漫反射檢測法的特點(diǎn)后認(rèn)為，反射檢測法采集的反射光譜所攜帶的信息多是樣品表面的信息，難以檢測蘋果內(nèi)部品質(zhì)，故常用于檢測水果果皮表面信息；透射檢測法對光源的能量有較高要求，采集的是透射過樣品的光譜，因而多包含樣品內(nèi)部的信息；漫反射檢測法是一種介于反射與透射之間的測量方式，對光源能量要求比透射檢測法低，但光譜信息也包含蘋果內(nèi)部信息，多用于對固體的檢測。此外，戚淑葉研究發(fā)現(xiàn)，蘋果內(nèi)部對光的散射嚴(yán)重，散射系數(shù)大、透光性不好，從研究和應(yīng)用現(xiàn)狀來看，對蘋果的檢測主要采用漫反射模式。

由此可見，透射或半透射方式能更好地獲取蘋果內(nèi)部信息，反射光譜信息則多包含蘋果外部信息，在今后研究中，可以考慮結(jié)合蘋果品質(zhì)的各項(xiàng)指標(biāo)選取最佳的光譜采集方式。

3 變量選擇方法、光譜預(yù)處理方式和建模方法對檢測精度的影響

此外，變量選擇方法對預(yù)測結(jié)果的準(zhǔn)確性也有影響。為提高準(zhǔn)確性，Guo Zhiming[41]比較了協(xié)同區(qū)間法、遺傳算法、競爭自適應(yīng)重加權(quán)抽樣法和逐次投影法這四種變量選擇方法的優(yōu)劣，結(jié)果表明，基于競爭性自適應(yīng)重加權(quán)抽樣優(yōu)化的特征變量偏最小二乘回歸方程模型對SSC和水核度的預(yù)測效果最好。此外，郭志明[42]比較了遺傳算法、連續(xù)投影算法和蟻群優(yōu)化算法這三種提取變量方法所建立的模型對于蘋果SSC的相關(guān)程度，得出在線檢測中蟻群優(yōu)化算法是最優(yōu)的結(jié)論。此外，在改善預(yù)處理方式上，Razieh Pourdarbani[43]收集了波長在400～1 000 nm的蘋果反射光譜，分析比較了極短波長紅外光譜數(shù)據(jù)和線性偏最小回歸方程做預(yù)處理、近紅外光譜數(shù)據(jù)和非線性人工神經(jīng)網(wǎng)絡(luò)做預(yù)處理、極短波長紅外光譜數(shù)據(jù)和非線性人工神經(jīng)網(wǎng)絡(luò)做預(yù)處理這三種方法對蘋果硬度、酸度以及淀粉含量的預(yù)測能力，結(jié)果表明，利用非線性人工神經(jīng)網(wǎng)絡(luò)做預(yù)處理對蘋果三個指標(biāo)的預(yù)測結(jié)果優(yōu)于用線性偏最小回歸方程。在改善建模方法上，尚靜[44]混合了三種品種的蘋果，用漫反射光譜來識別蘋果品種，二階微分、標(biāo)準(zhǔn)正態(tài)變換和多元散射校正三種方法做預(yù)處理，分別建立蘋果品種K最近鄰識別模型與偏最小二乘判別分析識別模型，結(jié)果表明，用多元散射校正做預(yù)處理建立蘋果品種K最近鄰識別模型對樣本蘋果品種檢測正確率最高，為100%。此外，徐亞琴[45]建立了一種蘋果近紅外光譜數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)蘋果水心預(yù)測模型，經(jīng)試驗(yàn)，其分類預(yù)測精度優(yōu)于傳統(tǒng)模型，準(zhǔn)確率可以達(dá)到98%，且對預(yù)處理的依賴更小。Yuan Wu等[46]提出了一種結(jié)合反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)和粒子群優(yōu)化算法(PSO)的混合建模方法，收集了400～1 022 nm波長范圍內(nèi)的近紅外漫反射光譜，通過比較BPNN、GRNN和混合模型的SSC和總酸量預(yù)測結(jié)果發(fā)現(xiàn)，混合模型可以快速有效地確定蘋果內(nèi)部質(zhì)量參數(shù)，具有廣闊的應(yīng)用前景。因此，合適的光譜預(yù)處理結(jié)合變量選擇和建模方法能夠進(jìn)一步提高檢測精度。

4 樣品差異的影響

樣品差異也會影響試驗(yàn)結(jié)果，如果皮、尺寸、產(chǎn)地和品種[47-48]等。在研究果皮方面，Walsh K B[49]提出大多數(shù)利用反射和長波長區(qū)域(1 100～2 500 nm)近紅外光譜評估完整水果的研究很可能導(dǎo)致光譜以果皮的吸收特征為主，因此如果果皮屬性在種群之間發(fā)生變化就會使得模型的魯棒性較差。之后郭亞[50]研究發(fā)現(xiàn)，蘋果的果皮顏色不會影響透射光譜的走勢變化，只會影響透過率幅值變化。戚淑葉進(jìn)一步研究發(fā)現(xiàn)，在500～1 010 nm波段范圍下，果實(shí)的大量色素在可見光區(qū)域響應(yīng)強(qiáng)烈，強(qiáng)烈影響全波段建模的模型效果。此外，李曉旭[51]選取 10 個不同表面顏色的蘋果樣品研究發(fā)現(xiàn)不同表面顏色蘋果的近紅外光譜吸光度和SSC的預(yù)測影響不明顯。由此可見，為減少蘋果果皮的影響可以優(yōu)先考慮收集受果皮影響較小波長區(qū)域的光譜。

此外，在處理收集到的光譜時(shí)還需要考慮降低蘋果大小對試驗(yàn)結(jié)果的影響。杜冉[27]對比了蘋果單一尺寸樣品和混合尺寸樣品所組成的模型，發(fā)現(xiàn)后者可以大大消除蘋果大小對預(yù)測糖度和硬度的影響。為降低果實(shí)大小對檢測蘋果霉心病的影響，田世杰[52]提出了基于直徑變換和基于光譜變換的兩種光譜修正方法，將不同大小的果實(shí)光譜轉(zhuǎn)換到同一果徑基準(zhǔn)下，結(jié)果表明，此方式可顯著提高模型識別的準(zhǔn)確率。

然而，除了單個品種以外，蘋果產(chǎn)地和品種的不同也會影響試驗(yàn)結(jié)果，Li X[53]測定了三個不同產(chǎn)地蘋果的SSC，結(jié)合產(chǎn)地判別和模型搜索策略建立多產(chǎn)地模型，對比單產(chǎn)地模型對蘋果SSC的預(yù)測結(jié)果發(fā)現(xiàn)，基于原產(chǎn)地判別方法的多產(chǎn)地模型預(yù)測蘋果SSC可以減少地理原產(chǎn)地對試驗(yàn)結(jié)果的影響。此外，徐海[54]根據(jù)蘋果產(chǎn)地的不同建立了局部產(chǎn)地模型和全局產(chǎn)地模型，在同一產(chǎn)地中，根據(jù)品種不同建立局部品種模型和全局品種模型，分別對不同產(chǎn)地或同一產(chǎn)地不同品種蘋果的糖度做預(yù)測，結(jié)果表明，局部產(chǎn)地和局部品種模型內(nèi)部預(yù)測精度高，針對性強(qiáng)，但模型的通用性差，只適用于本產(chǎn)地或本品種的樣本預(yù)測，而全局模型的通用性強(qiáng)。綜上所述，多品種或多產(chǎn)地的模型可減少品種和產(chǎn)地對預(yù)測蘋果品質(zhì)的影響。

通過分析蘋果差異對結(jié)果的影響，優(yōu)選測試樣品從而減少它們之間的差異將有助于檢測精度的提高。

5 總結(jié)和展望

在我國，面對龐大的蘋果數(shù)量和眾多的蘋果品種，如何快速高效地進(jìn)行蘋果的篩選和分類是我們急需解決的問題。伴隨著近紅外光譜技術(shù)的日益成熟，其對蘋果品質(zhì)的檢測能力得到證明，而檢測精度仍有改善空間，現(xiàn)將提高檢測精度的方法總結(jié)如下：①可以考慮控制光照條件、溫度、蘋果擺放位置等因素，減少環(huán)境變量等對預(yù)測結(jié)果的影響，找到更能反映蘋果品質(zhì)的光譜收集方法，提高結(jié)果準(zhǔn)確性；②在采集光譜時(shí)，應(yīng)避開水分吸收峰和近紅外光與果皮作用強(qiáng)烈的部分；③可以考慮優(yōu)化模型，采用更優(yōu)的預(yù)處理方法和變量選擇方法，提高模型的預(yù)測能力；④應(yīng)盡量減少樣品差異對試驗(yàn)結(jié)果的影響。今后，可從以下方向開展研究：①基于近紅外光譜技術(shù)對蘋果品質(zhì)檢測的設(shè)備有望微型化，通過集成到其他設(shè)備中，可以方便消費(fèi)者等人群對蘋果品質(zhì)的檢測，受用人群更廣；②此類設(shè)備在不同環(huán)境下的抗干擾能力、檢測速度還有待提高；③設(shè)備可以考慮與其他技術(shù)相結(jié)合，如用此技術(shù)與自動控制相結(jié)合，實(shí)時(shí)監(jiān)控蘋果品質(zhì)，由數(shù)據(jù)指導(dǎo)采摘和防治病蟲害；還可以與水果采摘設(shè)備設(shè)計(jì)在一起，做到采摘與分類相結(jié)合。