水果在運(yùn)輸和儲(chǔ)存過程中,，難免會(huì)受到震動(dòng)、碰撞,、擠壓等不同形式的機(jī)械載荷作用而產(chǎn)生機(jī)械損傷及內(nèi)部損傷,。因此，利用無損檢測技術(shù)對水果的表面損傷進(jìn)行檢測,，具有重要的意義,。

?

近紅外光譜和高光譜成像分析技術(shù)具有成本低、快速和無損等優(yōu)點(diǎn),，近年來在水果表面損傷檢測方面得到了越來越廣泛的應(yīng)用1,。Zhang利用400-1000nm波段的高光譜成像技術(shù)，對蘋果表面損傷進(jìn)行快速,、無損檢測,，檢測準(zhǔn)確率為94.75%。

Li利用短波近紅外對桃子進(jìn)行高光譜成像,，然后剔除一種基于形態(tài)梯度重建和標(biāo)記提取的改進(jìn)分水嶺分割算法對桃子的高光譜圖像進(jìn)行分割,，實(shí)現(xiàn)了桃子表面損傷的高精度識別。

Fan分別采用推掃式高光譜成像系統(tǒng)和基于液晶可調(diào)諧濾波器的高光譜成像系統(tǒng)采集了藍(lán)莓的高光譜圖像,，然后采用特征選擇法,、偏最小二乘判別分析法和支持向量機(jī)對兩種光譜技術(shù)的光譜數(shù)據(jù)進(jìn)行了分析，并在數(shù)據(jù)層,、特征層和決策層對三種數(shù)據(jù)進(jìn)行融合,，提高了藍(lán)莓表面損傷檢測的精度]。

Li采集了獼猴桃的VIS/NIR（408-1117nm）高光譜圖像,，采用主成分分析法，從600~1000nm的數(shù)據(jù)中提取前四組分圖像,，并采用平行六面體分類法從圖像中提取損傷區(qū)域,，實(shí)驗(yàn)結(jié)果表明，高光譜成像檢測水果不可見損傷的誤差為14.5%],。

在國內(nèi),，基于高光譜圖像的水果表面損傷檢測技術(shù)也得到了快速發(fā)展。

趙杰文采集了蘋果的500-900nm波段內(nèi)的高光譜圖像,，通過主成分分析方法對高光譜圖像進(jìn)行降維處理,，提取了波長為547nm的特征圖像，然后通過圖像處理的方法檢測出蘋果的輕微損傷,，在自制的樣本集上開展了小規(guī)模實(shí)驗(yàn),，檢測正確率為88.57%。

田有文采集了紅富士蘋果樣本的高光譜圖像,，基于有效光譜區(qū)域做主成分分析,，選取第四主成分（PC4）提取損傷區(qū)域,，運(yùn)用閾值分割的方法建立提取損傷區(qū)域的算法模型，并開展了檢測實(shí)驗(yàn),，損傷蘋果樣本的檢測準(zhǔn)確率為97.5%,，健康蘋果樣本的檢測準(zhǔn)確率達(dá)到100%，平均準(zhǔn)確率為98.75%,。

黃文倩研究了阿克蘇蘋果的早期輕微損傷檢測方法,，基于780~1000nm光譜區(qū)域結(jié)合主成分圖像權(quán)重系數(shù)獲取了2個(gè)有效波長（820和970nm），并利用這2個(gè)波長和全局閥值理論開發(fā)了多光譜輕微損傷提取算法,，結(jié)果表明,，正常果的識別率為100%，損傷果的識別率為96%,，整體檢測精度為98%|,。

薛龍通過主成分分析選出了572nm、696nm和945nm三個(gè)高光譜圖像的特征波長,，經(jīng)過適當(dāng)?shù)膱D像處理方法對梨表面的碰壓傷進(jìn)行檢測,，取得了較好的檢測效果。

魏新華采集了冬棗的高光譜圖像（波長為871-1766nm）,，通過無信息變量消除法,、相關(guān)系數(shù)法提取特征波長，最有采用圖像自適應(yīng)閥值分割算法對特征圖像進(jìn)行分割,，準(zhǔn)確提取冬棗的輕微損傷,，實(shí)驗(yàn)結(jié)果表明，在損傷發(fā)生1小時(shí)后的檢測準(zhǔn)確率為98%,。

遲茜研究了基于高光譜圖像的獼猴桃早期隱性損傷方法,，對70個(gè)無損獼猴桃和70個(gè)隱性損傷獼猴桃的正確識別率分別為100%和95.7%，平均正確識別率為97.9%,。

這些研究表明,，近紅外光譜和高光譜成像分析技術(shù)是一種可靠的水果表面損傷檢測技術(shù)。然而,，與蘋果,、藍(lán)莓等水果相比，利用高光譜對梨進(jìn)行檢測的研究還比較少l1,。Lee利用了F-Value的方法找到最優(yōu)波段比,，將梨的高光譜圖像的每個(gè)像素上的波段比與設(shè)定的閾值相比較，分割出損傷區(qū)域的圖像[42],。Zhao研究了光照不均勻?qū)Ω吖庾V成像傳感器技術(shù)在梨損傷檢測中的影響,，比較了最大似然分類（MLC）、歐幾里得距離分類（EDC）、馬哈拉諾比距離分類（MDC）和譜角映射器（SAM）等方法的處理結(jié)果,，實(shí)驗(yàn)結(jié)果表明,，MDC和SAM具有良好的檢測性能，檢測精度分別為93.8%和95.0%/43],。Dang將高光譜成像技術(shù)與K-最近鄰（K-NN）和支持向量機(jī)（SVM）等監(jiān)督分類技術(shù)相結(jié)合,，對梨的損傷區(qū)域進(jìn)行檢測[4]。Jiang利用主成分分析方法提取了香梨高光譜圖像的特征波長,，再利用PLS-DA實(shí)現(xiàn)香梨損傷的識別],。

在這些研究中，只是通過實(shí)驗(yàn)證明了利用高光譜對香梨損傷檢測的可行性,，在特征波長選擇方面,，還需要更多的研究。

?