基于高光谱成像技术的红枣虫害及隐性损伤无损检测方法研究

本项目在基于机器视觉技术实现宁夏灵武长枣外部品质综合指标检测分级研究的基础上，利用高光谱成像技术对其内部虫害及隐性损伤进行无损检测研究。在借鉴现有果品无损检测方法的基础上，结合前期试验，对获得的红枣光谱图像进行分析识别；拟通过均值平滑滤波及多元散射校正等预处理手段，消除非化学因素的影响；通过对传统化学计量学PCA、GA、SVM等方法的研究，完成光谱图像的降维分类；并在此基础上研究算法优化方法及集成算法，实现特征波长及参数的高效准确提取；最后基于模式识别理论及统计回归样本分析方法，结合具体的PCR、MLR、LDA等算法提出灵武长枣的预测模型，实现其内部虫害及隐性损伤的检测识别。本研究预期成果，将为红枣产业化过程中的关键技术难题提供解决的理论和方法，同时对提高西部欠发达区域的无损检测技术水平及促进高光谱技术在我国农产品无损检测领域的应用具有现实意义和深远影响。

灵武长枣是宁夏优势特色农产品之一。针对灵武长枣生产过程中存在的外部缺陷（表面损伤、裂痕枣、表面农药残留）难以识别且严重影响果品品质；长枣的内部品质（可溶性固形物、硬度、含水量）急需检测、分级分选的现状，本项目利用高光谱成像技术对其外部缺陷和内部品质进行无损检测研究。针对获得的灵武长枣光谱和图像进行分析，通过均值平滑滤波及多元散射校正等预处理方法消除噪音等因素的干扰；采用化学计量学方法诸如PCA、ICA和 SVM完成了光谱数据的降维，通过PCA等方法提取特征波长，最后通过多种图像处理和建模方法实现了灵武长枣外部缺陷的识别和建立了内部品质的预测模型；同时，基于以上研究成果，课题组与企业合作，研制了集红枣大小、颜色的自动分级装备，建立了集无损分级、清洗风干、称重装箱为一体的智能化生产线，有效提高了红枣产业的生产效率，极大提升了宁夏科技水平和影响力，有力推动了果品分级装备的产业化发展。