[发明专利]融合光谱形态特征的苹果霉心病检测方法

说明书

本发明一种融合光谱形态特征的苹果霉心病检测方法，取多个苹果样本，采集其透射光谱，之后切开按霉心病果和健康果进行分类；对采集的光谱进行预处理，并提取特征光谱；从平均光谱中选择若干波峰和波谷，每个波峰和每个波谷分别为一个波段，共选择N个波段，通过波段运算方式获取光谱形态特征；所述光谱形态特征包括波段比、波段差和归一化强度差；采用所述特征光谱和任意一种光谱形态特征构建输入样本，建立判别模型。本发明解决了轻微霉心病和健康苹果光谱差异较小，致使基于可见/近红外特征光谱的检测方法对轻微霉心病检测准确率较低的问题，能够提高轻微霉心病的检测精度。

技术领域

本发明属于农产品的无损检测技术领域，特别涉及一种融合光谱形态特征的苹果霉心病检测方法。

背景技术

霉心病是苹果的一种真菌病害，由于没有外部症状出现，这种病害在苹果切开前无法被识别。因此，开展苹果霉心病的无损检测研究是非常必要的。

近年来，可见/近红外光谱、电子鼻和振动声学等多种方法被用于苹果霉心病检测。其中可见/近红外透射光谱检测法有检测速度快和检测准确率高的优点，已成为苹果霉心病无损检测中最热门的方法。基于全光谱进行苹果霉心病判别方法证明了采用可见/近红外透射光谱检测霉心病的可行性(Shenderey C,Shmulevich I,Alchanatis V,etal.Nirs detection of moldy core in apples[J].Food and Bioprocess Technology,2010,3(1):79-86)，但这种方式光谱信息过于冗杂，同时设备成本过高，不利于实际应用。虽然使用小波变换方法、连续投影算法(Araujo M C U,Saldanha T C B,Galvao R K H,etal.The successive projections algorithm for variable selection inspectroscopic multicomponent analysis[J].Chemometrics and IntelligentLaboratory Systems,2001,57(2):65-73)和竞争自适应重加权采样(Li H D,Liang Y Z,Xu Q S,et al.Key wavelengths screening using competitive adaptive reweightedsampling method for multivariate calibration[J].Analytica Chimica Acta,2009,648(1):77-84)可以对光谱数据进行降维(Zhou ZY,Lei Y,Su D,et al.Detection ofmoldy core in apples and its symptom types using transmittance spectroscopy[J].International Journal of Agricultural and Biological Engineering,2016,9(6):148-155)，减少冗余光谱信息对建模效果的影响，但对特征光谱数量的限制比较有限，不能有效降低成本。为减少光谱特征数量并降低开发成本，提高SPA的运行效率，近期研究也出现使用CARS和SPA组合的方法完成霉心病判别模型中特征波长提取的研究(Wang Z L,Fan S X,Wu J Z,et al.Application of long-wave near infrared hyperspectralimaging for determination of moisture content of single maize seed[J].Spectrochimica Acta Part a-Molecular and Biomolecular Spectroscopy,2021,254:12；以及Kamruzzaman M,Kalita D,Ahmed T M,et al.Effect of variable selectionalgorithms on model performance for predicting moisture content in biologicalmaterials using spectral data[J].Analytica Chimica Acta,2022,1202:9)。但是由于苹果果径大小、果心位置等都会影响光谱传播特性，从而影响模型判别效果，因此出现了考虑检测方向差异的全局方向补偿模型和考虑果径大小对透射光谱影响的果径修正模型(Zhang K X,Jiang H Z,Zhang H C,et al.Online detection and classification ofmoldy core apples by VIS-NIR transmittance spectroscopy[J].Agriculture-Basel,2022,12(4):17；以及Tian S J,Zhang J H,Zhang Z X,et al.Effective modificationthrough transmission Vis/NIR spectra affected by fruit size to improve theprediction of moldy apple core[J].Infrared PhysicsTechnology,2019,100:117-124)。其较经典光谱分析方法一定程度上解决了果形差异导致霉心病检测精度降低的问题。虽然该类方法和经典光谱模型均对严重霉心病苹果判别准确率高，但对于轻微霉心病判别准确率较低(张海辉,田世杰,马敏娟等.考虑直径影响的苹果霉心病透射光谱修正及检测[J].农业机械学报,2019,50(01):313-320)。