可见近红外光谱在蜜瓜水渍判别中的应用

1. 蜜瓜水渍的形成原因及其对产品质量的影响

蜜瓜水渍的形成主要有两种原因：害虫侵袭和气候条件。害虫侵袭可能导致蜜瓜组织受损，从而引发水渍。气候条件如降雨量大、湿度高、温度波动等也会引发蜜瓜水渍。这些因素共同作用，影响着蜜瓜的品质。

水渍对蜜瓜的外观和口感造成了显著影响。在外观上，水渍会导致蜜瓜果皮变色，影响其美观度。此外，水渍还可能导致果皮局部变形，使蜜瓜的形状受损。在口感上，水渍可能导致果肉变得软烂，失去了蜜瓜原本的鲜甜味道。同时，水渍也可能引发细菌和真菌滋生，对蜜瓜的品质造成更大的破坏。

2. 目前蜜瓜水渍判别方法的局限性

目前常用的水渍判别方法主要包括人工观察和化学成分分析两种。人工观察主要依靠经验判断，准确度不高，且耗时较长。化学成分分析虽然准确度较高，但需要破坏蜜瓜，且对设备和技能要求较高。这些方法都存在一定的局限性，如主观性、耗时性和准确性等问题。

3. 可见近红外光谱技术的原理和优势

可见近红外光谱技术是一种基于分子振动光谱的检测技术，通过测量物质的吸收光谱来确定其化学成分。与传统的水渍判别方法相比，可见近红外光谱技术具有以下优势：

* 高效：可见近红外光谱技术可以在短时间内获取大量样本的数据，大大提高了检测效率。

* 快速：通过使用光谱仪器，可见近红外光谱技术可以实现实时在线检测，无需等待结果。

* 非侵入性：可见近红外光谱技术无需破坏蜜瓜，只需对其表面进行扫描，不会对蜜瓜造成损伤。

* 准确性：通过分析蜜瓜的内部结构，可见近红外光谱技术可以更准确地判断出水渍的存在及其程度。

4. 可见近红外光谱技术在蜜瓜水渍判别中的应用

在蜜瓜水渍判别中，可见近红外光谱技术的应用包括以下几个方面：

* 选取适宜的光谱范围：首先需要选取适宜的波长范围，以最大程度地反映蜜瓜的内部结构和化学成分。

* 建立判别模型：通过对大量样本的光谱数据进行统计分析，建立判别模型，实现对蜜瓜水渍的快速准确判断。

* 分析结果解释：根据判别模型输出的结果，结合蜜瓜的实际状况，对蜜瓜的水渍情况进行解释和评估。

可见近红外光谱技术在蜜瓜水渍判别中具有显著优势，可以大大提高检测效率、缩短检测周期、降低检测成本、提高产品质量和安全性等方面具有重要作用。

5.基于可见近红外光谱的蜜瓜水渍判别方法研究

本研究应用400-1000nm的可见近红外高光谱相机，可采用SINESPEC广东赛斯拜克技术有限公司产品SP130M进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。

河套蜜瓜属葫芦科厚皮甜瓜属甜瓜种，外型溜圆，标准瓜重0.5公斤左右，色泽淡黄。河套蜜瓜是由国外的厚皮蜜瓜在河套地区经过大约70 多年栽培形成的一个品种群巴。俗话说：“黄河百害，唯富一套”，在这里有适合蜜瓜生长的土地、有充足的光照、有比较大的昼夜温差等等条件，这些自然条件都有益于河套蜜瓜生长与营养物质的沉积，使得河套蜜瓜有了独一无二风味，品尝一口可以享受到梨、苹果、蜜桃、香蕉的美味，醇香甘甜，为瓜中珍品。另外其果实中含有一定数量的蛋白质、脂肪、粗纤维、钙、磷、铁和维生素等营养成分，可谓生食瓜中之上品，深受广大人民的喜爱。

现如今，在北京、香港、广州等地都可以品尝到醇香甘甜的河套蜜瓜。河套蜜瓜是内蒙古自治区西部地区重要经济作物，其经济价值不容小觑。蜜瓜内部出现水渍是河套蜜瓜经济价值降低的原因之一，针对河套蜜瓜果实大、果皮厚、呼吸活跃、很难直接从外观判断其是否有水渍等特点，开展了基于近红外光谱分析的河套蜜瓜水渍判别方法研究。本研究以河套蜜瓜为研究对象，在采集蜜瓜透射光谱基础上，首先研究了蜜瓜透射光谱随蜜瓜贮藏天数的变化；然后利用近红外光谱分析技术对水渍蜜瓜与正常蜜瓜进行判别；另外利用图像处理技术提取水渍败坏部分的图像，为蜜瓜分级提供一定的基础数据。

本研究以河套蜜瓜为研究对象，在采集蜜瓜透射光谱基础上，首先研究了蜜瓜透射光谱随贮藏天数的变化，然后利用近红外光谱分析技术对水渍蜜瓜与正常蜜瓜进行判别；另外利用图像处理技术提取蜜瓜水渍败坏部分的图像，为蜜瓜的分级提供了数据基础。本文得到如下结论：

1.蜜瓜透射光谱随蜜瓜贮藏天数而变化。随着贮藏天数的增加，蜜瓜透射光谱的透射率不断增强，蜜瓜透射光谱在波长600~900nm范围内表现较为明显。

2.构建试验样品集，采用本研究小组设计的光谱采集装置，分别采集正常蜜瓜和水渍蜜瓜赤道方向与果柄一果蒂方向的透射光谱。通过近红外光谱分析软件对采集到的光谱进行预处理，并建立水渍蜜瓜与正常蜜瓜的DA判别（Discriminant Analysis判别分析）模型。

3.在上述研究的基础上，分析了蜜瓜不同摆放方式以及不同光谱预处理方法对DA判别模型的影响，得到了判别正确率较高的DA判别模型，模型校正集的正确率为88.1%，预测集的正确率为90%。

4.本研究通过对水渍图像直方图的显示观察研究、对比度拉伸、中值滤波等预处理过程，最后通过直方图阈值分割方法成功对蜜瓜水渍图像进行了提取。