高光谱成像技术大批量蔬菜品质检测

用SP130M高光谱相机测量李子和番茄的老化：

食品的生长天数是评价食品新鲜程度时需要量化的一个重要参数。在这样的背景下，水果和蔬菜的成熟度和硬度是需要观察和监测的两个最基本的参数。高光谱相机可以观察水果和蔬菜在整个成熟过程中的光谱变化。

在这项研究中，我们使用SP130M高光谱相机和实验室推扫平台对李子和番茄进行了20天的检查，以评估其老化过程(图1)。SP130M高光谱相机是一种可见光-近红外波段(VNIR)相机，覆盖光谱范围从400到1000纳米。分析的第一部分着重于样品随时间变化的光谱特征。在此基础上，建立了番茄和李子的老化过程回归模型。

图1

图2: 3个李子和3个西红柿样本放在lab scanner 40×20推扫平台上，用SP130M相机测量了20天。

样品的照片与高光谱数据一起被拍摄下来。图片显示，李子的新鲜度，尤其是西红柿，随着时间的推移，会逐渐下降(图2)。在一个西红柿和李子的中间开一个小口。它似乎对加速番茄的衰老有实质性的影响，但对李子没有影响。

图3: 第1天、第13天、第20天的样品照片。

光谱反射率揭示化学变

在每天进行光谱测量时(第1天、第2天、第3天、第6天、第9天、第13天、第14天、第16天、第17天和第20天)对每个李子和番茄进行矩形框选。图4中仅显示了第1天、第13天和第20天的光谱，以简化结果的显示。光谱在选择区域上取平均值。

番茄的光谱差异比李子更显著。这在第1天、第13天和第20天拍摄的照片中已经可以看到(图3)。

光谱揭示了水果和蔬菜中随时间发生的化学变化。李子和西红柿在生长初期都是绿色的，因为它们含有叶绿素。但在成熟时，叶绿素会分解成另一种化学物质。对于番茄来说，叶绿素分解成番茄红素，这就解释了它的红色。这种化学变化解释了李子和番茄在550到750nm之间的光谱变化。水果和蔬菜的成熟过程也会影响水分，影响它们在970纳米处的光谱。其他性质(例如，糖含量)也会随着时间的推移而变化，形成反射率光谱。

图4:第1天、第2天、第3天、第6天、第9天、第13天、第14天、第16天、第17天和第20天获得的李子和番茄的伪彩图。每个数据集从左(第1天)到右(第20天)被组合成一个单一的数据集(镶嵌图)。每个番茄和李子的平均光谱分别显示在第1天(白色)、第13天(粉色)和第20天(紫色)。

回归模型来量化老化

建立回归模型量化李子和番茄的老化(图4)。成像日为实际回归变量。 李子的R2为0.81，而番茄的R2为0.91。这些是根据其他选择计算的，而不是用于训练模型的选择。实际值与预测值的回归图如图5所示。

对于李子，该模型是基于将光谱范围从588nm到976nm。对于番茄，该模型基于445nm到993nm之间的光谱波段。

图5:三个李子(上)和三个西红柿(下)的回归模型输出。分别于第1天、第2天、第3天、第6天、第9天、第13天、第14天、第16天、第17天、第20天(从左至右)采集数据。热区图的范围从第1天(Min)到第25天(Max)。

图6:两个模型的实际值与模型预测值(测量李子和西红柿的老化)。

结论

SP130M高光谱相机适用于测量水果和蔬菜的成熟度和老化，因为它对农产品的新鲜度相关特征很敏感。在建立典型回归模型时，可以将实验室测量值作为开发和验证模型的参考值。

SP130M高光谱相机在可见-近红外(VNIR)下工作，为监测生鲜食品的产品质量提供了一种有效的工具。与传统的基于点的方法相比，高光谱成像由于其非破坏性的性质，通过图谱合一的检测方式，是一种特别适用于食品分级、分类和分类的方法。在各种工业、农业的应用中，通过高光谱分辨率的光谱信息与成像相结合的无损检测方法，及时提供各种成分、异物检测和质量损伤情况等，形成“征兆图”，供诊断、决策和风险评估等使用。

通过广泛实验和实际应用，发现大部分物质成分，在近红外900-1700nm，和短波红外1000-2500nm有较好的吸收反射，在此波段范围光谱特征明显。建议同种应用，不同物质检测需采用合适的波长范围产品。