Supervised classification of slightly bruised peaches with respect to the time after bruising by usi
利用高光谱成像技术对轻度损伤桃子损伤后时间的监督分类
Abstract
桃子对机械冲击和压缩造成的瘀伤很敏感。受损伤的桃子在损伤发生后容易发酵、腐烂或发霉，并感染其他非损伤桃子。适度的擦伤会阻碍消费者的购买欲望，而不是价格。对于早期损伤的桃子，软化和褐变不会立即出现（在2天内），并且很难区分果实损伤的问题。利用高分泌成像仪采集正常桃和碰撞后12、24、36、48h的数据，分析这五种桃的光谱特征，建立碰撞后桃生理指标的PCA分类模型。提取变色区域和正常区域的光谱和图像特征。其次，将采集的图像数据集按3:1的比例划分为建模集和预测集。输入光谱和图像特征，建立桃花瘀伤的时间判别模型。结果表明，当输入变量为光谱特征时，基于PLS-DA算法，在损伤后12、24、36和48h的分类准确率分别为96.67%、96.67%、93.33%和83.33%，模型集的相关系数（Rc）达到0.928；基于LS-SVM算法，当输入变量为光谱特征时，核函数RBF_核的分类正确率分别为80%、96.67%、100%、100%。本研究表明，高渗技术的光谱特征可以识别桃子的早期碰伤，在线检测为预测桃子的短期碰伤提供了理论依据。
Introduction
桃子很容易受到机械冲击和压缩造成的瘀伤。桃子在收获、储存和运输过程中不可避免地受到各种机械损伤[1]，其中掉落是最重要的损伤原因[2]。坠落会对水蜜桃的组织结构造成伤害，不仅会降低外观质量，还会增加微生物侵扰的风险。瘀伤的位置、形状和深度各不相同，损伤检测很困难，尤其是在皮肤颜色较深或瘀伤表面积较小的情况下。此外，受损伤影响的桃子会倾向于发酵、腐烂或发霉，并在发生破坏后感染其他未损伤的桃子[3-5]。一般来说，顾客会挑选桃子，并通过形状、颜色和大小等外部属性来判断桃子的质量[6]。适度的擦伤会阻碍消费者的购买欲望，而不是价格。因此，了解受害水蜜桃的品质变化对于提高受害水蜜桃贮藏期间果业的经济效益具有深远的意义[7]。
Piotr Baranowski等人使用高分泌成像技术对碰伤后储存2周的苹果进行分类。研究发现，在用MSC、SNV和其他预处理方法对高分泌数据进行再处理后，他们预测了苹果碰伤后的储存时间。为果实隆起的研究提供了良好的理论基础[8]。然而，在损伤发生后的最初几小时/几天内，很难区分水果瘀伤[9]。在早期损伤后，桃的软化和褐变不会立即显现，或者外观程度相对较低。碰伤部位的外部颜色难以与背景颜色和周围颜色区分。因此，用肉眼或常规技术很难区分初始阶段。桃子早期的瘀伤[10,11]。
随着人们对果蔬产品质量快速、准确测量的需求不断增加，高光谱成像技术能够获取样品中外部缺陷和内部化合物的信息，受到越来越多的关注。高渗成像技术获取的信息不仅包括二维空间信息，还包括具有波长分布的光谱信息。高分泌成像技术通过选择合适的信息，如高分泌近红外信息或图像传递，可以检测和识别果实的碰伤程度，预测果实的物理特性和生物变异性。高光谱成像技术结合了传统光谱学和图像分析技术，利用多光谱通道进行图像采集、显示、处理和分析，可以同时提供不同波长图像中的样品形貌信息和成分信息。Fang Y等人[12]结合了三种最新的变量选择方法和特征级积分方法来筛选高密光谱变量带。他们用ELM算法来识别受伤的库尔勒梨。而且，取得了较好的效果，但研究中的算法比较单一，除了光谱数据外，没有提及高渗的特征数据，如图像特征数据。Hu Zilong等人[13]采用变换方法，将三维表面网格上的几何信息有效地转换为二维（2D）特征地图，建立了一个预测模型来识别凹凸苹果和正常苹果。Yamin Ji等人[14]，提出并讨论了一种基于超灵敏成像和离散小波变换的纹理识别技术，然而，在这类研究中，在实验设计中没有充分区分损伤的程度，只研究了损伤和正常样本的物理特性，没有考虑时间对损伤结果的影响程度。
高光谱成像技术结合多变量分析方法在水果碰伤检测中的重要性日益增加。建模算法是影响预测模型准确性的关键因素[15]。采用PLS-DA和LS-SVM等监督分类方法，比较了桃子损伤随时间的变化情况。张思杰等[16]，采用主成分分析（PCA）和集对分析（SPA）相结合的方法获得有效波长，并建立最小二乘支持向量机（LS-SVM）模型，有效识别鲜枣的细微划痕。Lu Q等人[17]，使用支持向量机方法，使用高分泌成像技术检测猕猴桃上隐藏的瘀伤。五种不同水平的压缩力导致Razavi等人[18]，通过化学计量学结合磁共振成像对梨损伤体积的静态分析，梨的损伤程度。Zhang等人[19]，使用近红外高渗成像系统获得了970到1400 nm的蓝莓透射图像，并使用支持向量机（SVM）分类器建立了蓝莓内部擦伤检测方法。
近年来，一些研究集中在果实隆起的定性鉴别和损伤条件对果实内部机制的影响。然而，关于水果内部物理和化学反应如何变化以及损伤程度如何变化的一系列研究在水果受到损伤一段时间后相对较少。在果实碰伤后的短期（2天）内，不会立即出现软化和褐变等内部物理和化学反应。很难检测水果碰伤的程度，总体而言，本研究的目标是：
（1） 采集桃子样本，在损伤后的短时间内获得桃子的高分泌图像；
（2） 分析桃子损伤后短时间内生理指标的变化，进行PCA分类，比较损伤桃子和正常桃子的光谱桃子的反射率。
（3） 提取桃的五类光谱特征和图像特征。
（4） 建立PLS-DA模型和LS-SVM定性判别方法，比较六种判别结果，找出与最佳输入特征变量对应的判别模型。
Materials and methods
Experimental materials
实验中使用的桃子来自河北省的一个果园。试验前，对样品进行筛选，以去除受损和变形的桃子。清洁桃子表面后，对每个样品进行编号，并将桃子样品储存在25◦持续12小时。目的是保持样品温度与室温一致。试验所需的桃子表面损伤是在实际生产过程中，通过桃子的撞击和挤压，人工刺激桃子的表面损伤，用聚氯乙烯球撞击已标记的桃子光滑凸出的表面。将碰撞样品放置在室温为24℃的环境中◦C和相对湿度RH=65%的实验室。冲击装置如图1所示。球的重量是0.4公斤。球从斜坡顶部滚下来，击中斜坡底部的桃子。坡度H的高度为108 mm。角度β是13◦, 斜坡表面光滑，忽略球体与斜坡之间的摩擦，小球对桃子的冲击能量约为0.4，与桃子在运输过程中的冲击能量最接近。
实验样品数量为90个，分别放置12小时、24小时、36小时和48小时。然后利用高光谱实验仪采集四个时间节点的损伤光谱数据，最终获得360幅实验样本图像。图2为采集到的不同擦伤时间的实验样品图像，其中从左至右为12小时、24小时、36小时和48小时的擦伤实验样品图像。
Hyperspectral imaging system
高光谱成像系统购自四川双峰光谱图像技术有限公司；该型号为Co.Ttd，GaiaField pro。超光谱成像系统包括计算机（Intel（R）Core（TM）i7-6700 CPU@3.4 GHz 3.4 GHz）、成像光谱仪、四个20 W卤素灯（欧司朗、DECOSTAR51、MR16）、位移平台、步进电机。成像光谱仪由CCD摄像机和光谱仪组成。由于图像获取过程容易受到环境光的影响，图3中示出了高光谱成像系统的示意图。为了消除环境光的影响，将整个成像系统放置在封闭空间中。这种安排有效地防止了自然光的影响，并提高了收集数据的质量。