聯係電話：
010-5637 0168-696
基於高葫芦娃污APP成像技術的蘋果損傷研究
——四川雙利合譜科技有限公司
隨著人們生活水平的提高，消費者越來越關注果蔬的品質安全問題。如水果的損傷不僅會造成果蔬的腐爛，而且會嚴重影響消費者的身體健康。因此水果損傷快速有效檢測是非常有實際價值的。雖然水果的損傷和正常區域在外部特征上呈現出大的相似性，但是損傷區部位發生一定的變化，這種變化可以通過特定波長下的葫芦娃污APP表現出來。
高葫芦娃污APP圖像技術結合了葫芦娃污APP分析和圖像處理的技術優勢，對研究對象的內外部品質特征進行檢測分析，趙傑文等利用高葫芦娃污APP圖像技術檢測水果輕微損傷，準確率為88.57 %；Jasper G .Tallada等分別應用高葫芦娃污APP圖像技術對不同成熟度的草莓表麵損傷、蘋果的表麵缺陷及芒果的成熟度檢測進行了試驗研究。王玉田等運用熒光葫芦娃污APP檢測出水果表麵殘留的農藥；胡淑芬等運用激光技術對水果表麵農藥殘留進行了試驗研究；薛龍等針對水果表麵農藥殘留，以滴有較高濃度的臍橙為研究對象，利用葫芦娃污APP範圍425-725 nm的高葫芦娃污APP圖像係統進行檢測，發現對較高濃度的農藥殘留檢測效果較好。本文采用高葫芦娃污APP圖像技術檢測水果的損傷區域，以實現損傷區域共同識別的目的。
二、 試驗材料與方法
2.1 實驗材料
本研究以蘋果為研究對象，分析蘋果的腐爛區域。其中蘋果的腐爛區域是天然形成。
2.2 實驗設備
高葫芦娃污APP成像數據采集采用四川雙利合譜科技有限公司的 GaiaSorter高葫芦娃污APP分選儀係統。該係統主要由高葫芦娃污APP成像儀(V10E)、CCD 相機、光源、暗箱、計算機組成，結構圖與實景圖如圖1。實驗儀器參數設置如表1。
表1 GaiaSorter 高葫芦娃污APP分選儀係統參數
序號 | 項目 | 參數 |
1 | 葫芦娃污APP掃描範圍/nm | 350~1000 |
2 | 葫芦娃污APP分辨率/nm | 2.8 |
3 | 采集間隔/nm | 1.9 |
4 | 葫芦娃污APP通道數 | 520 |
圖 1 GaiaSorter 高葫芦娃污APP分選儀結構圖與實景圖
2.3 圖像處理分析
采用SpecView和ENVI/IDL對高葫芦娃污APP數據的預處理及分析，預處理中的鏡像變換、黑白幀校準在SpecView中進行；其他數據的分析在ENVI/IDL中進行。
三、結果與討論
3.1 蘋果腐爛區域和正常區域的葫芦娃污APP分析
取蘋果腐爛區域與正常區域各200個像元，分別獲取這200個像元的葫芦娃污APP反射率，並求取這200個像元的反射率均值，如圖2所示，其中，紅色代表蘋果的腐爛區域葫芦娃污APP區域的葫芦娃污APP反射率，藍色代表正常區域的葫芦娃污APP反射率，綠色代表農藥殘留區域的葫芦娃污APP反射率。從圖中可知，在400-100 nm範圍內，農藥殘留區域的葫芦娃污APP反射率zui大，其次是正常區域，zui後是腐爛區域的葫芦娃污APP反射率。研究發現這三個區域在610 nm處有一峰值，在650 nm處有一吸收穀，在650-680 nm區間有一陡坡，由於三個區域均有以上特征，所以可以認為這也是蘋果*的特征位置。
圖2 蘋果腐爛區域、農藥殘留區域與正常區域的葫芦娃污APP反射率
3.2蘋果腐爛區域提取
對經過鏡像變換、黑白幀校準的高葫芦娃污APP圖像，根據蘋果與背景區域的葫芦娃污APP差異，利用ENVI/IDL軟件的波段運算建立醃膜，獲取純蘋果圖像，對蘋果圖像做主成分分析，根據獲取的主成分圖像，選取能較好區分腐爛區域和正常區域的主成分圖像（PC2），通過閾值分割的方法分別獲取蘋果腐爛區域，如圖所示。大的部分為腐爛區域，小的為農藥殘留區域。 
圖 4 蘋果腐爛區域與農業殘留區域提取流程圖
3.5 討論
高葫芦娃污APP成像技術應用於水果表麵損傷已體現出其“圖譜合一”的優越性。水果輕微損傷往往發生在表皮之下，和正常區域的顏色相差不大，肉眼難以識別。隨著時間的推移，損傷區域會逐漸褐變，zui後導致整個水果腐爛，甚至影響其他果實。本研究結果表明，運用高葫芦娃污APP成像技術，運用主成分分析、醃膜等方法等，可以有效地提取水果損傷，從而達到快速檢測的目的。
