張 棣 殷 勇 于慧春 袁云霞 李 欣

(河南科技大學(xué)食品與生物工程學(xué)院，河南 洛陽(yáng) 471023)

高光譜成像技術(shù)作為一種新型檢測(cè)技術(shù)[1-3]，結(jié)合了計(jì)算機(jī)圖像技術(shù)和光譜技術(shù)的優(yōu)點(diǎn)，可以實(shí)現(xiàn)對(duì)檢測(cè)對(duì)象的判別、分類(lèi)與識(shí)別[4-6]。檢索國(guó)內(nèi)外文獻(xiàn)發(fā)現(xiàn)，高光譜技術(shù)已經(jīng)逐漸取代傳統(tǒng)的果蔬檢測(cè)方法[7-9]，廣泛應(yīng)用于果蔬的品質(zhì)檢測(cè)[10-12]。黃瓜作為重要的蔬菜作物，因其在貯藏過(guò)程中易發(fā)生腐敗變質(zhì)，需要及早及時(shí)監(jiān)測(cè)黃瓜在貯藏過(guò)程中的品質(zhì)變化，以實(shí)現(xiàn)黃瓜腐敗變質(zhì)的早期預(yù)警。目前，黃瓜腐敗主要是通過(guò)測(cè)定黃瓜的pH值[13]、失重率[14]、可溶性固形物含量[15]等傳統(tǒng)的理化分析方法，或者通過(guò)觀察黃瓜皮顏色[16]、紋理[17]等表觀特征進(jìn)行判別。但上述方法都存在費(fèi)時(shí)費(fèi)力的缺點(diǎn)，而且測(cè)定結(jié)果受人工操作影響較大，無(wú)法實(shí)現(xiàn)快速監(jiān)測(cè)黃瓜品質(zhì)的變化，更難以實(shí)現(xiàn)黃瓜腐敗的前期快速預(yù)警。然而運(yùn)用高光譜技術(shù)可以克服以上不足，及時(shí)地實(shí)現(xiàn)黃瓜腐敗變質(zhì)的早期預(yù)警。

馬氏距離(Mahalanobis distance, MD)[18]于1936年由印度統(tǒng)計(jì)學(xué)家馬哈拉諾比斯(Mahalanobis P C)提出。它是一種有效計(jì)算1個(gè)樣本與樣本集“重心”的最近距離，或者計(jì)算2個(gè)未知樣本集相似度的方法。MD作為一種新型光譜多元分析模式識(shí)別方法[19]，目前已廣泛應(yīng)用于天文[20]、生態(tài)系統(tǒng)識(shí)別[21]、塑料牌號(hào)識(shí)別[22]等領(lǐng)域，但有關(guān)應(yīng)用MD法檢測(cè)黃瓜貯藏過(guò)程中距離腐敗遠(yuǎn)近的研究尚鮮見(jiàn)。本研究以常溫貯藏過(guò)程中的黃瓜為試驗(yàn)材料，并以高光譜光譜信息為依據(jù)融合MD探究黃瓜貯藏過(guò)程中腐敗變質(zhì)的預(yù)警方法，以期為黃瓜在實(shí)際貯藏過(guò)程中腐敗的早期預(yù)警提供一種新手段，為其他果蔬的腐敗早期預(yù)警提供參考方法。

1 材料與方法

1.1 試驗(yàn)材料

新鮮黃瓜，品種為德瑞特D19，總質(zhì)量為500 kg，于2018年10月16日購(gòu)于當(dāng)?shù)販厥掖笈铮卮娣庞谫A藏庫(kù)中自然腐敗。分別于黃瓜貯藏第1、第2、第3、第5、第7、第8、第9、第10天采集其高光譜數(shù)據(jù)及對(duì)應(yīng)樣本的pH值和失重率數(shù)據(jù)。

1.2 主要儀器與設(shè)備

高光譜圖像采集系統(tǒng)包括高光譜成像儀(IST50-3810型，德國(guó)Inno-Spec公司)，2個(gè)500 W光纖鹵素?zé)?RK90000420108型，德國(guó)Esylux公司)，驅(qū)動(dòng)傳送裝置和計(jì)算機(jī)。高光譜成像儀通過(guò)USB2.0連接計(jì)算機(jī)[23]。該儀器光譜采集范圍為371.05～1 023.82 nm，光譜分辨率為2.8 nm，在光譜范圍內(nèi)共采集1 288個(gè)波段。PHS-3E型pH計(jì)(上海雷磁)。

1.3 樣本數(shù)據(jù)采集

1.3.1 樣本高光譜數(shù)據(jù)采集 在正式試驗(yàn)之前，首先進(jìn)行高光譜黃瓜采集預(yù)試驗(yàn)，調(diào)整高光譜采集系統(tǒng)的參數(shù)[24]。具體調(diào)整方法如下：首先，靜態(tài)調(diào)整物鏡高度，確保采集的黃瓜樣本片高光譜圖像清晰；然后，調(diào)整最佳曝光時(shí)間及平臺(tái)移動(dòng)速度，確保動(dòng)態(tài)采集的黃瓜樣品片高光譜圖像不變形、不失真。經(jīng)過(guò)多次調(diào)整及優(yōu)化，最終確定物鏡高度為350 mm，電荷耦合器件(charge coupled device camera，CCD)相機(jī)的曝光時(shí)間為90 ms，載物平臺(tái)的移動(dòng)速度為2 mm·s-1，采樣波長(zhǎng)間隔為0.51 nm。每次試驗(yàn)當(dāng)天從貯藏庫(kù)中隨機(jī)選取10根黃瓜，統(tǒng)一從每根黃瓜頭部切5片，共計(jì)50片樣本進(jìn)行高光譜數(shù)據(jù)采集。黃瓜樣本片不僅包含黃瓜表皮信息還有黃瓜內(nèi)部果肉信息。每次試驗(yàn)時(shí)將1個(gè)樣本平鋪在高光譜黑色輸送帶上進(jìn)行高光譜數(shù)據(jù)采集。圖1、2分別為貯藏第3天(腐敗前)、貯藏第7天(腐敗當(dāng)天)采集黃瓜樣本的高光譜圖像示例。

圖1 腐敗前黃瓜樣本高光譜圖像Fig.1 Hyperspectral image of cucumber sample before spoilage

圖2 腐敗當(dāng)天黃瓜樣本高光譜圖像Fig.2 Hyperspectral image of cucumber sample on the day of spoilage

由圖1、圖2可知，不同貯藏時(shí)間黃瓜樣本的高光譜圖像是不一樣的。為了減弱或消除高光譜圖像采集過(guò)程暗電流和噪音對(duì)試驗(yàn)結(jié)果的影響，需要對(duì)采集的高光譜圖像用公式(1)進(jìn)行黑白校正[25]。

(1)

式中，R為校正后的高光譜圖像；I為高光譜原始圖像；W為全白標(biāo)定圖像；B為全黑標(biāo)定圖像。

1.3.2 樣本pH值和失重率數(shù)據(jù)采集 用于表征黃瓜腐敗的理化指標(biāo)較多，其中pH值和失重率的檢測(cè)操作較為簡(jiǎn)便，變化趨勢(shì)較明顯，更能直觀反映黃瓜腐敗過(guò)程中理化性質(zhì)的改變。由于高光譜圖像采集和pH值測(cè)定部位均取自黃瓜頭部，pH值測(cè)定后的黃瓜樣本受損嚴(yán)重?zé)o法用于高光譜圖像采集，而高光譜圖像采集后的樣本失水嚴(yán)重同樣影響pH值的測(cè)定結(jié)果；此外，測(cè)定黃瓜失重率時(shí)需要固定樣本。因此，為避免黃瓜樣本個(gè)體差異對(duì)所建立預(yù)警模型的影響，提高模型泛化應(yīng)用能力，采用不同的黃瓜樣本用于高光譜圖像采集和pH值及失重率的測(cè)定。

1)pH值測(cè)定：每次試驗(yàn)當(dāng)天從貯藏庫(kù)中隨機(jī)選取3根黃瓜，每根黃瓜先去除頭部不均勻部位，然后取10 g黃瓜頭部切成小塊放入勻漿機(jī)，再加入90 mL蒸餾水，勻漿80 s，最后將勻漿倒入錐形瓶中，編號(hào)備用。用pH計(jì)測(cè)量樣品的pH值，每個(gè)樣品測(cè)定3次，求平均值。

2)失重率測(cè)定：第一次試驗(yàn)當(dāng)天從貯藏庫(kù)中不同置物架隨機(jī)選取6根黃瓜，用標(biāo)簽紙標(biāo)明樣品架號(hào)和層號(hào)，編號(hào)備用。用電子天平依次測(cè)量每個(gè)樣品的質(zhì)量W，之后每天的質(zhì)量為w，根據(jù)公式(2)計(jì)算樣品的失重率α，6個(gè)黃瓜樣品的平均值作為該天黃瓜樣本的失重率：

(2)。

此外，每次試驗(yàn)當(dāng)天從貯藏庫(kù)中挑選黃瓜樣本進(jìn)行pH值和失重率數(shù)據(jù)采集時(shí)，均對(duì)貯藏庫(kù)中黃瓜進(jìn)行整體感官評(píng)定，并對(duì)黃瓜形態(tài)、瓜皮顏色，萎蔫程度，是否霉變等品質(zhì)特征變化進(jìn)行記錄，以便為之后判斷黃瓜腐敗發(fā)生日提供參數(shù)。

1.4 數(shù)據(jù)處理

1.4.1 感興趣區(qū)域選取 黃瓜樣本形狀不規(guī)則，并且同一樣本不同部位光譜值相差較大，需要用ENVI5.1軟件根據(jù)樣品與背景的光譜差異手動(dòng)將樣品從背景中分離。從ENVI5.1軟件得到的一個(gè)樣本圖像中不同區(qū)域的光譜值如圖3所示，圖中綠線為背景光譜值曲線，藍(lán)色曲線最高點(diǎn)處波長(zhǎng)下樣本與背景光譜差異最大，選擇最高點(diǎn)處波長(zhǎng)為703.69 nm，在此波長(zhǎng)下選取樣本片為感興趣區(qū)域(region of interest，ROI)[26](圖4)；然后提取該ROI的光譜信息。平均光譜值是ROI圖像所有像素點(diǎn)光譜反射值的算術(shù)平均數(shù)，可以反映某一特定波長(zhǎng)下樣本高光譜圖像光譜反射值，能表述整幅圖像。

圖3 黃瓜樣本圖像中不同區(qū)域的光譜特征圖Fig.3 Spectral feature map of different regions in cucumber sample image

圖4 黃瓜樣本圖像感興趣區(qū)域提取Fig.4 Extraction of region of interest from cucumber sample image

1.4.2 原始光譜預(yù)處理 為減少光譜噪聲的影響，剔除信噪比較低的邊緣波段(371.05～480.55 nm及876.97～1 023.82 nm)，保留481.06～876.47 nm范圍內(nèi)的平均光譜。采用Savitzky-Golary卷積平滑法(SG平滑)[27]對(duì)保留的光譜數(shù)據(jù)進(jìn)行預(yù)處理，以減少電流、噪聲等外界因素對(duì)光譜信息的干擾。

1.4.3 特征波長(zhǎng)提取方法 為了簡(jiǎn)化分析，降低預(yù)警模型構(gòu)建的復(fù)雜性，用偏最小二乘回歸系數(shù)法[28-29]進(jìn)行特征波長(zhǎng)提取，確定適合黃瓜腐敗變質(zhì)檢測(cè)的特征波長(zhǎng)。該方法是通過(guò)構(gòu)建表征黃瓜腐敗進(jìn)程的pH值和失重率測(cè)量值對(duì)各波長(zhǎng)光譜反射值的回歸模型，回歸表達(dá)式中每個(gè)波長(zhǎng)的回歸系數(shù)表征各波長(zhǎng)的貢獻(xiàn)比重，回歸系數(shù)的絕對(duì)值越大，表明該波長(zhǎng)越能表征黃瓜的品質(zhì)特征。

1.4.4 預(yù)警模型構(gòu)建方法 MD作為一種新型光譜多元分析模式識(shí)別方法，與其他距離相比，具有排除變量之間相關(guān)性的干擾和不受量綱影響的優(yōu)點(diǎn)。通過(guò)計(jì)算腐敗前不同貯藏天數(shù)(或不同測(cè)試日期)光譜特征值與腐敗黃瓜基準(zhǔn)光譜特征值間的MD來(lái)表征黃瓜在貯藏過(guò)程中距離腐敗基準(zhǔn)的接近度，MD值越大，說(shuō)明該貯藏天數(shù)的黃瓜距離腐敗越遠(yuǎn)；MD值越小，說(shuō)明該貯藏天數(shù)的黃瓜距離腐敗越近，由此實(shí)現(xiàn)黃瓜腐敗的預(yù)警。MD的優(yōu)勢(shì)在于可以小樣本建立預(yù)警模型。為了提高模型的可靠性，該模型通過(guò)計(jì)算每個(gè)貯藏天數(shù)50個(gè)黃瓜樣本數(shù)據(jù)的均值特征值向量與腐敗基準(zhǔn)光譜特征值向量MD實(shí)現(xiàn)預(yù)警。按照公式計(jì)算MD：

dij(M)=(X(i)-X(j))′S-1(X(i)-X(j))

(3)

式中，dij(M)為樣本i與樣本j之間的MD值，S-1為樣本j協(xié)方差陣的逆矩陣。X(i)為黃瓜每個(gè)貯藏天數(shù)50個(gè)樣本的均值向量，X(j)為腐敗基準(zhǔn)貯藏天數(shù)50個(gè)樣本的均值向量。

2 結(jié)果與分析

2.1 光譜預(yù)處理

對(duì)比圖5和圖6可知，經(jīng)SG平滑處理后的光譜曲線平滑很多，說(shuō)明已極大地減少了噪聲和暗電流等環(huán)境因素對(duì)所采集光譜數(shù)據(jù)的影響，更有利于后面預(yù)警模型的構(gòu)建。

圖6 經(jīng)SG平滑處理后黃瓜光譜圖Fig.6 Spectrogram of cucumber after smoothing by SG

2.2 樣本腐敗基準(zhǔn)確定

前人研究表明，黃瓜在貯藏期內(nèi)其品質(zhì)和形態(tài)顏色都在不斷地發(fā)生著變化，其中pH值和失重率均呈上升趨勢(shì)[30]。而本研究中，由表1可知，黃瓜pH值在貯藏期間呈波動(dòng)變化，與期望中的上升趨勢(shì)有差別，這可能是由于每次測(cè)試的樣品是隨機(jī)的；黃瓜的失重率呈上升趨勢(shì)，與預(yù)期的趨勢(shì)一致。感官評(píng)定發(fā)現(xiàn)，黃瓜從貯藏第7天開(kāi)始出現(xiàn)不同程度的腐爛、頭部腫大、尾部發(fā)霉、表皮發(fā)黃等癥狀。由圖7可知，黃瓜樣品不同貯藏天數(shù)的平均光譜反射值曲線趨勢(shì)基本相似，而且在740.37～876.47 nm波長(zhǎng)范圍內(nèi)不同曲線基本成平行狀態(tài)。隨機(jī)取此范圍內(nèi)的波長(zhǎng)——802.3 nm，得到此波長(zhǎng)下黃瓜樣品不同貯藏天數(shù)的平均光譜反射值曲線，如圖8所示。

表1 黃瓜樣本的pH值和失重率Table 1 pH value and mass loss rate of cucumber

圖7 黃瓜的平均光譜反射值曲線Fig.7 The average spectral reflectance curve of cucumber

圖8 802.3 nm波長(zhǎng)下黃瓜的平均光譜反射值曲線Fig.8 Average spectral reflectance curve of cucumber at 802.3 nm wavelength

由圖8可知，貯藏第7天黃瓜的平均光譜反射值最低，這是因?yàn)殡S著貯藏過(guò)程中黃瓜新鮮度的降低，其平均光譜反射值逐漸降低，但黃瓜腐敗之后隨著腐敗產(chǎn)物增多，其平均光譜反射值又升高，結(jié)合感官分析可以確定第7天為黃瓜的腐敗發(fā)生日，故擬定此日光譜信息作為表征黃瓜腐敗的基準(zhǔn)光譜值。

2.3 特征波長(zhǎng)選取

用偏最小二乘回歸系數(shù)法提取表征黃瓜腐敗的特征波長(zhǎng)，得到黃瓜的權(quán)重系數(shù)圖，如圖9所示。

圖9 黃瓜的權(quán)重系數(shù)圖Fig.9 The weight coefficient diagram of cucumber

根據(jù)1.4.3的方法，每個(gè)波長(zhǎng)下所對(duì)應(yīng)的回歸系數(shù)絕對(duì)值越大表明該波長(zhǎng)對(duì)所建模型預(yù)測(cè)性能的影響也就越大。由圖9可知，第1主成分和第2主成分下不同波長(zhǎng)對(duì)應(yīng)的回歸系數(shù)波動(dòng)較小，涵蓋的信息較為全面和常見(jiàn)，不能較好地體現(xiàn)樣本間的差異，第3主成分波動(dòng)明顯，可較好地體現(xiàn)樣本間的差異，所以選取第3主成分回歸系數(shù)波峰和波谷所對(duì)應(yīng)的波長(zhǎng)為特征波長(zhǎng)，分別為554.34、589.69、599.93、627.57、646.50、683.28、716.95、742.40、777.97、823.55 nm。這樣便可獲得每個(gè)測(cè)試日期適合黃瓜腐敗變質(zhì)檢測(cè)的特征光譜信息矩陣，大小均為50個(gè)樣本×10個(gè)特征波長(zhǎng)。腐敗黃瓜基準(zhǔn)光譜特征值即黃瓜貯藏第7天光譜值是通過(guò)使用與其他貯藏天數(shù)一樣的偏最小二乘回歸系數(shù)法提取特征波長(zhǎng)后得到的特征光譜信息矩陣，大小也為50個(gè)樣本×10個(gè)特征波長(zhǎng)。

2.4 樣本預(yù)警模型構(gòu)建

根據(jù)1.4.4的方法，構(gòu)建了基于腐敗基準(zhǔn)的黃瓜腐敗馬氏距離(MD)預(yù)警模型。為了預(yù)警黃瓜常溫貯藏過(guò)程中發(fā)生腐敗，所以本研究只計(jì)算分析了黃瓜腐敗前不同貯藏日期(貯藏第1、第2、第3、第5、第7天)50個(gè)樣本×10個(gè)特征波長(zhǎng)特征光譜信息矩陣與腐敗基準(zhǔn)(貯藏第7天)50個(gè)樣本×10個(gè)特征波長(zhǎng)特征光譜信息矩陣的MD。由表2可知，隨著貯藏天數(shù)增加，MD值的變化呈下降趨勢(shì)，充分印證了貯藏日期越接近腐敗基準(zhǔn)日期黃瓜越接近腐敗這一事實(shí)。因此，基于腐敗基準(zhǔn)的MD模型可有效實(shí)現(xiàn)黃瓜的腐敗預(yù)警。

表2 黃瓜不同貯藏天數(shù)與腐敗基準(zhǔn)的MD值Table 2 MD value of cucumber during different storage days and spoilage benchmark

圖10為黃瓜不同貯藏天數(shù)與腐敗基準(zhǔn)間的MD折線圖，可進(jìn)一步直觀地揭示樣本在貯藏過(guò)程中的變化情況。結(jié)果表明，隨著貯藏天數(shù)的增加，與腐敗基準(zhǔn)黃瓜光譜值的MD值越來(lái)越小，說(shuō)明黃瓜越來(lái)越接近腐敗。黃瓜實(shí)際貯藏過(guò)程中也是越來(lái)越接近腐敗，進(jìn)一步驗(yàn)證了所建立MD預(yù)警模型的正確性。

3 討論

黃瓜采后不僅易受機(jī)械損傷，而且易受到真菌或細(xì)菌侵染，發(fā)生腐敗，造成極大的經(jīng)濟(jì)損失[31]。因此，及早地預(yù)警黃瓜腐敗，可以為即時(shí)處理提供決策，具有重要的現(xiàn)實(shí)意義。本研究在試驗(yàn)數(shù)據(jù)處理中，借鑒了鄒小波等[27]的SG平滑預(yù)處理方法，極大地減少了外界噪聲、暗電流等因素對(duì)黃瓜高光譜數(shù)據(jù)的影響。特征波長(zhǎng)的提取對(duì)減少計(jì)算量、提高檢測(cè)精度至關(guān)重要。本研究運(yùn)用偏最小二乘回歸系數(shù)法提取的特征波長(zhǎng)實(shí)現(xiàn)了預(yù)警，這與殷勇等[29]利用高光譜技術(shù)結(jié)合特征波長(zhǎng)檢測(cè)霉變玉米黃曲霉毒素B1的結(jié)論一致。但特征波長(zhǎng)的選擇方法可能并非最佳，所以針對(duì)高光譜特征波長(zhǎng)的選擇仍需進(jìn)一步研究。在高光譜果蔬品質(zhì)檢測(cè)方面，對(duì)果蔬新鮮度和理化性質(zhì)方面的檢測(cè)報(bào)道較多，如劉晶晶等[32]利用高光譜圖像技術(shù)檢測(cè)了蘋(píng)果外部損傷；孫靜濤等[33]采用高光譜技術(shù)結(jié)合特征波長(zhǎng)篩選的方法對(duì)哈密瓜的可溶性固形物含量、硬度及成熟度進(jìn)行了檢測(cè)研究；由于果蔬腐敗基準(zhǔn)難確定以及缺乏腐敗預(yù)警模型和構(gòu)建方法，在運(yùn)用高光譜技術(shù)及早預(yù)警黃瓜腐敗變質(zhì)方面的研究尚鮮見(jiàn)。所以，本研究以高光譜的光譜信息為依據(jù)，融合MD探究了黃瓜貯藏過(guò)程中腐敗變質(zhì)的預(yù)警方法。預(yù)警結(jié)果表明，在選定黃瓜腐敗基準(zhǔn)光譜數(shù)據(jù)的前提下，通過(guò)計(jì)算不同貯藏天數(shù)黃瓜與腐敗基準(zhǔn)光譜數(shù)據(jù)的MD，判定黃瓜距離腐敗的程度，從而實(shí)現(xiàn)預(yù)警。此外，本研究所建立的MD預(yù)警模型在實(shí)際應(yīng)用中可用于少量樣本的腐敗預(yù)警，為其他果蔬貯藏過(guò)程中的腐敗預(yù)警提供了參考方法。

高光譜成像技術(shù)在果蔬腐敗預(yù)警中的應(yīng)用仍然存在一定的局限性，還需進(jìn)一步完善，另外本研究黃瓜樣本的數(shù)量及種類(lèi)較少,地域、品種覆蓋范圍不夠廣,構(gòu)建的預(yù)警模型泛化能力有待進(jìn)一步提高,后續(xù)工作仍有待深入研究。

4 結(jié)論

本研究采集了黃瓜不同貯藏天數(shù)高光譜數(shù)據(jù)，并在SG平滑處理原始數(shù)據(jù)的基礎(chǔ)上，用偏最小二乘回歸系數(shù)法提取了表征黃瓜腐敗的特征波長(zhǎng)，最后構(gòu)建了基于特征光譜信息的MD預(yù)警模型。結(jié)果表明，偏最小二乘回歸系數(shù)法提取的特征波長(zhǎng)不僅是適合黃瓜腐敗變質(zhì)檢測(cè)的特征波長(zhǎng)，而且大大減少了全波長(zhǎng)龐大的數(shù)據(jù)量，降低了計(jì)算量；建立的MD模型可以較好地度量貯藏黃瓜接近腐敗的程度，以便為即時(shí)處理提供決策。本研究結(jié)果充分說(shuō)明了所提出的黃瓜貯藏過(guò)程中用于腐敗預(yù)警的方法是有效的。