高光谱成像技术对鲜枣裂纹进行定性和定量检测

本研究应用了400-1000nm的高光谱相机，可采用杭州彩谱科技有限公司产品FS13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）。

鲜枣在成熟期由于降雨，果皮水溶性果胶的增加使得果皮生长应力降低，当果肉迅速膨胀，导致果皮出现裂纹。鲜枣的果皮开裂加速了鲜枣腐烂变质，降低果实的商用价值。目前主要采用手工剔除裂枣，不仅费时费力，而且对人工挑选的要求较高。因此，快速、准确地检测鲜枣裂纹对于提高水果品质具有重要的意义。高光谱成像（HSI）集光谱和数字图像信息于一体。目前，该技术广泛在应用于农产品检测领域，不仅可以定量检测农产品内部品质，还能对农产品的外部特征进行定性分析。

本研究采用高光谱成像技术对鲜枣的裂纹进行定性和定量检测。在获取鲜枣高光谱数据后，提取相关感兴趣区的平均光谱，并采用PLSR，SPA和图像PCA分析得到鲜枣裂纹敏感波段，建立鲜枣裂纹判别的LS-SVM模型以及用ROC 曲线对判别模型进行评判，最终选用最优模型下敏感波段对应的光谱图像进行分析，以获取鲜枣裂纹的位置、大小信息

采用高光谱成像技术对鲜枣裂纹进行定性判别和定量检测。运用PLSR回归系数、SPA和图像PCA来提取鲜枣裂纹敏感波段，采用LS-SVM 建立鲜枣裂纹判别模型以及采用ROC曲线评价判别模型，表明PLSR-LS-SVM模型对鲜枣裂纹判别效果最佳。运用该模型敏感波段下的图像进行PCA分析，对最能表现鲜枣裂纹特征的PC4图像进行裂纹信息的识别，定量地检测出裂纹在鲜枣的位置、大小信息特征，并将鲜枣裂纹识别模型及算法应用于另外8个样本，同样也得到了较好地识别效果，这为鲜枣裂纹的检测仪器开发提供理论基础和依据。