基于高光谱成像技术的哈密瓜成熟度快速无损检测方法研究

In view of the problem of criterion were uniformed and the detection of Hami cantaloupe's sugar content、firmness are detrimental, and the distinguishing the maturity of Hami cantaloupe was mainly base on human sensory evaluation，a new nondestructive testing method for maturity of Hami cantaloupe based on hyperspectral imaging has been proposed. The following research will be carried out：establish the hyperspectral imaging system for the nondestructive testing of maturity based on the spectral reflection characteristics of Hami cantaloupe;collect Hami cantaloupes' hyperspectral images in order to study the characteristics of the spectral image with sugar content, color, firmness; reveal the inherent mechanism of maturity with sugar content, color and firmness；establish the prediction model of sugar content, color and firmness through extracting the feature of hyperspectral image data by select the different maturity (premature harvesting, appropriate harvest, late harvest) as test samples that were planted in Xinjiang; establish the excellent discriminant model of Hami cantaloupes' maturity by the merge of the spectral information and image information;provide a scientific basis for determining the optimal harvest time of melon. The above-mentioned methods and conclusions provide a theoretical basis for further research and develop the portable detection of Hami cantaloupes' maturity which based on multispectral imaging with independent intellectual property rights, meanwhile the methods also can used for the other similar fruits.

针对目前哈密瓜成熟度判别主要依据人的感官评定为主，判别标准不统一且对糖度、坚实度检测室有损检测的问题，提出一种基于高光谱成像技术的哈密瓜成熟度快速无损检测新方法。项目拟开展以下研究：根据哈密瓜分光反射特性建立适于哈密瓜成熟度无损检测的高光谱成像系统，采集哈密瓜高光谱图像，研究哈密瓜糖度、颜色、坚实度的光谱图像特性，揭示哈密瓜成熟度与糖度、颜色和坚实度之间内在机理，选择新疆典型哈密瓜产地的不同成熟度（过早采收、适宜采收、过晚采收）的哈密瓜为试验样本，对获取的高光谱图像数据进行特征提取，建立哈密瓜糖度、颜色、坚实度预测模型；对光谱信息和图像信息进行信息融合，建立哈密瓜成熟度最优判别模型，为确定哈密瓜的最佳采收期、保证其品质提供科学依据。上述研究方法和结论对进一步研究开发具有自主知识产权的基于多光谱成像的哈密瓜成熟度便携式检测仪提供理论基础，且可以借鉴于其它同类水果研究。

哈密瓜是新疆特色农产品之一，针对哈密瓜成熟度判别主要依据人的感官评定为主，判别标准不统一，并且对糖度、坚实度和总酸检测均为有损检测的问题。本项目利用高光谱成像技术对哈密瓜内部品质（糖度、坚实度、总酸、表面纹理）和成熟度进行了无损检测研究。其关键研究内容如下：（1）搭建了适合哈密瓜内部品质及成熟度无损检测的高光谱成像实验系统。（2）提取了哈密瓜图像的颜色特征，基于哈密瓜色度频度值建立了BP人工神经网络判别模型，两类哈密瓜成熟度最优判别模型的正确率为96.25%；基于哈密瓜RGB和HIS颜色空间特征值建立了SVM判别模型，两类哈密瓜成熟度最优判别模型正确率为97.22%。（3）建立了哈密瓜糖度、坚实度和总酸定量预测模型和成熟度判别模型，研究了不同光谱预处理方法、不同的特征波长提取方法和不同建模方法对哈密瓜内部品质定量分析和成熟度定性分析结果的影响。结果表明，非线性SVM方法建模结果好于线性PLS模型，其中利用CARS结合SPA方法能够提取到与哈密瓜内部品质的关键波长变量，其分别提取到哈密瓜糖度、坚实度、总酸波长特变量为9，20和105个，分别占全光谱的1.04%，2.31%和12.14%的信息，其预测集相关系数分别为0.9404，0.8253和0.8705，较原始光谱模型分别提高了3%，2%和3%。利用PCA分析结合SVM方法建模，将哈密瓜糖度和坚实度特征光谱信息利用主成分分析融合后建立哈密瓜成熟度判别模型，将前4个主成分信息作为输入变量建立判别模型，其最优判别结果为94%。（4）提取了哈密瓜高光谱图像纹理特征，建立了基于哈密瓜纹理特征的成熟度SVM判别模型，其判别结果为75%，判别结果低于光谱信息所建立的判别模型。采用了PCA和SVM方法将光谱特征和图像特征融合建立了哈密瓜成熟度SVM判别模型，其校正集判别正确率为100%，预测集判别正确率为97%,在很大程度上简化了模型并提高了预测能力。本研究成果为确定哈密瓜最佳采收期及成熟度的快速无损检测技术提供了参考，对进一步开发基于多光谱成像的哈密瓜成熟度无损检测装备提供了理论依据。