基于荧光高光谱成像技术的梨早期损伤检测

碰伤、擦伤等机械损伤是水果在采收、包装、运输、加工、贮藏等过程中常见的一种机械损伤。相关研究表明，果实受损后，寄生菌容易入侵，导致二次损失增加。有研究指出，表面柑橘皮柔软易裂，表皮中的油细胞易划伤。果实一旦受伤，很容易诱发各种病原菌入侵，大大增加了腐烂伤害的几率。在一些机械化水平较高的国家，因机械损伤而损失的水果平均约占总重量的30-40%。因此，水果机械损伤的检测，特别是早期检测，受到了全球的广泛关注。

浙江理工大学傅霞萍教授团队利用江苏双利合谱高光谱荧光测试系统（包括GaiaField-V10EAZ4、氙灯光源、高度可调样品台、滤光片组和配备有数据采集软件和数据分析软件的计算机），分别获取90个梨样品（分为A、B和C三组）在挫伤后五个时间（挫伤后即刻、15分钟、24小时、48小时和72小时）的高光谱图像。系统示意图如图1所示。

图1高光谱荧光成像系统示意图

对采集到的荧光高光谱数据进行预处理，使用PCA（主成分分析）、MNF（最小噪声分离）和ICA（独立成分分析）从采集的光谱图像中提取特征。通过对图像进行降维和特征提取处理，得到每幅图像的主成分。图2显示了C组按照主成分累计贡献率达到95%提取的前三个主成分。

图2 C组伤后不同时间PCA、MNF、ICA提取的前三个主成分

图3显示了随机选择样本的单波段图像处理流程。最后，对形态学处理后的图像选择合适的阈值分割出特征区域，并用于掩模处理。

图3单波段图像处理流程

对每个样品感兴趣区域内的所有像素的光谱信息进行平均和平滑，以用于荧光效应分析。如图4所示，数字1至5表示样品擦伤后的五个时间段：即刻、15分钟、24小时、48小时和72小时。

图4（a）不同损伤程度的样品在损伤后不同时间的平均荧光光谱

B）520nm峰处的放大图像

（c）680nm峰处的放大图像

表1表示了SVM和RF模型用于区分72小时后挫伤的样本的不同挫伤水平的准确性。从表1中可以看出，当选择归一化、EMD和SNV的预处理方法时，SVM模型在预测集中的结果明显好于RF模型的结果。字母a至c表示三个瘀伤级别：轻微和严重，对应于A组至C组。图4a显示了不同损伤程度的样品在损伤后不同时间荧光光谱的变化。从图4a可以看出，在520nm和680nm附近有两个明显的尖峰。图4b和图4c是在520nm处的放大图像，680 nm波长处。500-600 nm的波形代表核黄素、多酚和黄酮类化合物的合成反应。与表皮组织相比，水果中的黄酮类化合物存在于较深的表层，这是由于它们与角蛋白的结合相对较慢，因此荧光响应值较小。叶绿素吸收350-500 nm和600-700 nm两个波段的光，并在680 nm和740 nm发射。680 nm附近的荧光峰应为叶绿素吸收峰。从图4中可以看出，两个峰值处的荧光信号强度随着瘀伤程度的增加而变弱。外界损伤造成表皮组织细胞壁破裂，破坏了冠梨内部成分，导致胡萝卜素和叶绿素含量逐渐降低，荧光强度相应逐渐减弱。另外，在图4b中发现，C组挫伤样本的荧光光谱在520 nm处的峰值处荧光强度较低。推测在样品被挫伤后的第一天内类黄酮在很大程度上损失。

表1基于SVM和RF区分不同损伤程度的建模结果

表2示出了四种不同方法寻找SVM的最佳参数的结果。从表2可以看出，网络搜索和PSO的建模结果比其他两种方法更准确。其中，PSO的ω值大于网络搜索的ω值，说明PSO的容错率较低。另外，粒子群算法能获得全局最优解，参数之间相互独立，便于并行化，执行速度快。

表2 SVM建模参数优化结果

图5显示了SVM建模方法对所有样本在同一时间点（即刻、15 min、24 h、48 h、72 h）区分不同损伤程度、同一损伤程度不同损伤时间点（健全、轻微、严重）区分损伤梨和非损伤梨的准确性。

图5区分损伤后同一时间（即刻、15 min、24 h、48 h、72 h）不同损伤程度

区分同一损伤程度不同损伤时间（A组、B组、C组）

区分所有样本健全梨和损伤梨的SVM建模结果

傅霞萍，博士，教授，硕士生导师。第一作者简介：

主要研究方向：1、光谱及光谱成像检测技术2、农产品品质安全快速检测技术与装备3、生物组织光传输特性检测与解析

参考文献：Fu, X., Wang, M. Detection of Early Bruises on Pears Using Fluorescence Hyperspectral Imaging Technique. Food Anal. Methods 15, 115–123 (2022). https://doi.org/10.1007/s12161-021-02092-3