高光譜相機(jī)簡(jiǎn)介：

高光譜相機(jī)是一種結(jié)合了傳統(tǒng)相機(jī)和光譜儀的儀器，能夠獲取物體的高光譜信息。它可以通過拍攝物體在不同光譜帶的圖像，得到數(shù)以千計(jì)的連續(xù)光譜數(shù)據(jù)，從而反映物體的內(nèi)在屬性和外部特征。由于高光譜相機(jī)具有非破壞性、快速、無損等優(yōu)點(diǎn)，因此在農(nóng)業(yè)、環(huán)境、醫(yī)療等領(lǐng)域具有廣泛的應(yīng)用前景。

高光譜相機(jī)在馬鈴薯內(nèi)外部品質(zhì)檢測(cè)中的應(yīng)用：

1. 內(nèi)部品質(zhì)檢測(cè)：

內(nèi)部品質(zhì)是馬鈴薯品質(zhì)的重要組成部分，主要包括淀粉含量、干物質(zhì)含量、糖分含量等。利用高光譜相機(jī)可以無損地檢測(cè)這些內(nèi)部品質(zhì)指標(biāo)。通過對(duì)馬鈴薯進(jìn)行光譜掃描，可以得到馬鈴薯的光譜反射曲線。通過分析這條反射曲線，可以推斷出馬鈴薯的內(nèi)部品質(zhì)狀況。例如，淀粉含量較高的馬鈴薯反射曲線在近紅外波段有較高的反射率。因此，通過測(cè)量反射率可以估計(jì)馬鈴薯的淀粉含量。

2. 外部品質(zhì)檢測(cè)：

外部品質(zhì)是馬鈴薯的重要生產(chǎn)指標(biāo)，主要包括大小、形狀、色澤、病蟲害等。高光譜相機(jī)在外部品質(zhì)檢測(cè)方面也具有顯著優(yōu)勢(shì)。對(duì)于馬鈴薯的大小和形狀，可以通過計(jì)算圖像中馬鈴薯的面積和周長(zhǎng)等幾何參數(shù)來評(píng)估。對(duì)于馬鈴薯的色澤，可以通過測(cè)量圖像中馬鈴薯的紅色、綠色和藍(lán)色通道的數(shù)值來評(píng)估。例如，色澤較深的馬鈴薯紅色通道的數(shù)值較高。對(duì)于馬鈴薯的病蟲害，可以通過分析圖像中馬鈴薯的紋理、顏色、形狀等特征來識(shí)別。例如，受到真菌病害侵襲的馬鈴薯表面會(huì)出現(xiàn)淺色斑點(diǎn)或斑塊，這些斑點(diǎn)或斑塊會(huì)影響馬鈴薯的紋理和顏色。通過計(jì)算機(jī)視覺技術(shù)和深度學(xué)習(xí)算法，可以訓(xùn)練模型自動(dòng)識(shí)別這些病變特征。

基于高光譜成像技術(shù)的馬鈴薯外部缺陷檢測(cè)案例

本研究應(yīng)用400-1000nm的高光譜相機(jī)，可采用SINESPEC賽斯拜克技術(shù)有限公司產(chǎn)品FS13進(jìn)行相關(guān)研究。光譜范圍在400-1000nm，波長(zhǎng)分辨率優(yōu)于2.5nm，可達(dá)1200個(gè)光譜通道。采集速度全譜段可達(dá)128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

隨著我國(guó)馬鈴薯主糧化戰(zhàn)略的推進(jìn)，馬鈴薯相關(guān)產(chǎn)業(yè)鏈得到了迅速發(fā)展，馬鈴薯品質(zhì)問題也成為關(guān)注的熱點(diǎn)問題。但綠皮、機(jī)械損傷等缺陷馬鈴薯嚴(yán)重影響了馬鈴薯的整體品量，尤其是綠皮馬鈴薯外形復(fù)雜、缺陷不易識(shí)別更增加了檢測(cè)難度。同時(shí)綠皮馬鈴薯龍葵素含量若超出了食用標(biāo)準(zhǔn)，食用后會(huì)導(dǎo)致食物中毒而造成食品安全問題。因此，研究快速無損的綠皮馬鈴薯檢測(cè)方法對(duì)馬鈴薯深加工和延長(zhǎng)產(chǎn)業(yè)鏈具有重要意義。

高光譜成像技術(shù)具有波段范圍廣，且能同時(shí)獲取被測(cè)樣本對(duì)應(yīng)波段范圍內(nèi)的圖像和光譜信息的優(yōu)勢(shì)，因此在農(nóng)產(chǎn)品快速無損檢測(cè)中得到廣泛應(yīng)用。針對(duì)任意放置姿態(tài)下且輕微綠皮馬鈴薯不易識(shí)別的問題，本文分別采用半透射與反射高光譜成像技術(shù)進(jìn)行比較分析，并確定不同高光譜成像方式下的模型識(shí)別精度。采集馬鈴薯樣本任意放置姿態(tài)下的半透射高光譜和反射高光譜圖像，分別建立基于圖像信息與光譜信息的檢測(cè)模型，比較不同模型識(shí)別率。進(jìn)一步建立圖像和光譜融合或不同成像方式融合模型提高模型性能，最終確定最優(yōu)模型。

（1）比較了不同高光譜成像方式的圖像信息識(shí)別模型的精度。采用半透射圖像信息建立的等距映射結(jié)合深度信念網(wǎng)絡(luò)模型識(shí)別率最高僅達(dá)到78.67%；采用反射圖像信息建立的最大方差展開結(jié)合深度信念網(wǎng)絡(luò)模型識(shí)別率最高僅達(dá)到77. 33%。結(jié)果表明，采用單一圖像信息對(duì)輕微綠皮馬鈴薯檢測(cè)的精度不高。

（2）比較了不同高光譜成像方式的光譜信息識(shí)別模型的精度。采用半透射光譜信息建立的局部切空間排列結(jié)合深度信念網(wǎng)絡(luò)模型識(shí)別率最高為93.33%；采用反射光譜信息建立的局部切空間排列結(jié)合深度信念網(wǎng)絡(luò)模型識(shí)別率最高為90. 67%。結(jié)果表明，采用單一光譜信息對(duì)輕微綠皮馬鈴薯檢測(cè)是可行的，但識(shí)別率有待進(jìn)一步提高。

（3）比較了3種多源信息融合方式對(duì)識(shí)別精度的影響。半透射圖像和半透射光譜、反射圖像和反射光譜、半透射光譜和反射光譜3種融合模型精度較單一圖像或者光譜模型均有提高，且半透射光譜和反射光譜的深度信念網(wǎng)絡(luò)融合模型最優(yōu)，對(duì)校正集和測(cè)試集識(shí)別率均達(dá)到100%。結(jié)果表明，半透射光譜和反射光譜的融合模型可實(shí)現(xiàn)輕微綠皮馬鈴薯的無損檢測(cè)。

結(jié)論：

高光譜相機(jī)在馬鈴薯內(nèi)外部品質(zhì)檢測(cè)中具有廣泛的應(yīng)用前景。它能夠無損、快速、準(zhǔn)確地檢測(cè)馬鈴薯的內(nèi)部品質(zhì)和外部品質(zhì)指標(biāo)，為農(nóng)業(yè)生產(chǎn)和管理提供有力支持。然而，高光譜相機(jī)在實(shí)際應(yīng)用中仍存在一些挑戰(zhàn)，如高光譜圖像的分辨率和噪聲問題，以及計(jì)算機(jī)視覺和深度學(xué)習(xí)算法的精度和可靠性問題。未來需要進(jìn)一步研究和改進(jìn)這些技術(shù)，以提高高光譜相機(jī)在馬鈴薯品質(zhì)檢測(cè)中的準(zhǔn)確性和可靠性。