基于高光谱技术的柑橘机械损伤检测模型研究.pdf

摘要

柑橘因具有丰富的营养价值与经济价值深受我国消费者喜爱，在我国西南地区

广泛种植、销售。但在柑橘的采摘、运输及贮藏过程中，不可避免地会产生一些肉

眼难以观测的机械损伤。针对此类损伤，传统的人工筛选法及抽样检测法存在漏检、

少检、误检等问题，难以满足现代农业生产过程对高效、准确检测技术的需求。与

传统破坏性检测方法相比，高光谱技术能够利用高分辨率相机快速获取柑橘在连续

光谱范围内的反射光谱信息，捕捉柑橘损伤区域与正常区域在光谱特性上的差异，

通过差异值的对比实现对柑橘损伤情况的快速判断。此技术提高了检测的效率和准

确性，能够有效减少因损伤导致的柑橘腐坏和果农经济损失。本文以万州特色柑橘

品种“玫瑰香橙”为研究对象，探究玫瑰香橙的力学特性并展开基于高光谱技术的

柑橘机械损伤检测模型研究。具体内容如下：

（1）对于玫瑰香橙的力学特性，测量玫瑰香橙的基本物理特性，利用质构仪研

究玫瑰香橙受到挤压和穿刺后发生的力学特性，结合有限元分析方法研究玫瑰香橙

的损伤机理，为后续研究光谱检测提供参考。结果表明：随着玫瑰香橙受到的压力

增加，玫瑰香橙的内部损伤程度逐渐加重；玫瑰香橙内部的组织破裂越多，越容易

出现腐坏。在采摘、运输过程中，玫瑰香橙宜果梗朝上放置，避免果实中部受到挤

压。

（2）基于光谱信息特征构建柑橘损伤检测模型。利用归一化、均值中心化、标

准正态变换等八种预处理方法消除数据中的噪声和误差。利用竞争自适应重加权采

样方法（CARS）及连续投影算法（SPA）两种方法提取特征波长，建立特征光谱数

据集。分别以全波段及特征波段数据集基于随机森林（RF）、长短期记忆（LSTM）、

门控循环单元（GRU）、最小二乘支持向量机（LS-SVM）等方法建立损伤检测模型，

并以模型准确率为判断标准，对比评价出最优模型。发现以SPA方法提取特征波长

建立长短期记忆模型适用于玫瑰香橙的损伤分类检测，准确率达到98.20%。运用平

滑去噪预处理结合CARS方法选取特征波长建立随机森林模型检测柑橘不同损伤时

间效果较优，准确率达98.72%。

（3）利用图谱融合特征构建不同损伤时间柑橘检测模型。考虑到光谱信息特征

过于单一，运用主成分分析法提取光谱特征图，计算图像中的颜色和纹理特征。对

光谱信息进行预处理和特征波长筛选后，以全波段或特征波段融合图像特征作为输

入变量，基于随机森林（RF）、长短期记忆法（LSTM）、斑马算法优化随机森林

（ZOA-RF）及贝叶斯优化长短期记忆（BO-LSTM）四种方法构建组合模型，对比

模型准确率，找出最优模型。结果表明，以特征波段光谱结合颜色纹理特征作为输

入变量的叶斯优化长短期记忆方法为较优模型，准确率为95.68%。

本研究从光谱特征和图谱融合特征两个维度出发，针对受到轻微机械损伤的柑

橘果实，挑选最适合的预处理和特征波长选取方法构建模型，实现了对柑橘机械损

伤的有效检测。

关键词：柑橘高光谱技术机械损伤无损检测

ABSTRACT

Citrusbecauseofitsrichnutritionalvalueandeconomicvalueloved

byconsumersinChina,widelyplantedandsoldinthesouthwestofChina.

However,intheprocessofpicking,transportationandstorageofcitrus,

itisinevitablethatsomemechanicaldamageswhicharedifficulttobe

observedbynakedeyeswilloccur.Forsuchdamages,thetraditional

manualscreeningmethodandsamplingdetectionmethodhaveproblemssuch

asomission,underdetectionandmisdetection,whicharedifficulttomeet

thedemandforefficientandaccuratedetectiontechnologyinth