激光圖像技術在蘋果品質(zhì)分級中的研究進展

屠振華，馮 霖，*，康 穎，孫麗娟，陳紅茜，慶兆珅

（1.食品行業(yè)生產(chǎn)力促進中心，北京100062；2.中國農(nóng)業(yè)大學食品科學與營養(yǎng)工程學院，北京100083；3.中國農(nóng)業(yè)大學網(wǎng)絡中心，北京100083）

蘋果是我國一種重要的水果，2010年我國蘋果產(chǎn)量達3168.1萬t，占國內(nèi)水果總產(chǎn)量（含果用瓜）的15.5%[1]。但是，由于我國的蘋果的采后商品化處理能力較差，采后檢測、分級技術落后，導致我國鮮蘋果在國際市場上缺乏競爭力，出口量和出口金額一直處于較低水平[2]，2008年我國鮮蘋果出口量僅為11.5萬t，且出口價格較低（平均出口價格僅為0.61美元/千克）[3]。所謂蘋果的商品化處理，是指蘋果收獲后的清洗、質(zhì)量檢測、分級、打蠟、包裝等一系列技術處理[4]。通過以上處理，最終達到提高蘋果外觀和內(nèi)部品質(zhì)、延長貨架期、提高商品價值的目的。目前，我國國內(nèi)的蘋果商品化處理中，清潔、打蠟的設備相對較為成熟，應用率也較高。而分級技術雖然近年來發(fā)展較快，也取得了一些技術上的突破，但依舊相對較為落后，使用率也很低。蘋果的品質(zhì)指標包括外部品質(zhì)指標和內(nèi)部品質(zhì)指標，蘋果的外部品質(zhì)主要是考慮大小、形狀、顏色和表面缺陷等，蘋果的內(nèi)部品質(zhì)主要考慮硬度、糖度、酸度及水分等。隨著人們生活水平的不斷提高，基于蘋果的大小、重量、形狀、顏色和缺陷等外部品質(zhì)指標進行的分級已經(jīng)不能滿足要求，消費者在選購蘋果時對于內(nèi)部品質(zhì)如糖度、酸度和成熟度也越來越看重。本文將綜述激光技術近年來在蘋果品質(zhì)分級中的研究進展。

1 激光漫反射圖像技術的原理

各種各樣的物質(zhì)，在一定的外界刺激條件下，都有可能成為激活物質(zhì)，因而可能產(chǎn)生激光。它們有固體、液體、氣體和半導體。這樣的一些能產(chǎn)生激光的物質(zhì)叫激光工作物質(zhì)，因此選擇合適的激光工作物質(zhì)是構成一臺激光器的首要物質(zhì)前提。激光工作物質(zhì)在泵浦源的激勵下，即介質(zhì)處于粒子數(shù)反轉(zhuǎn)狀態(tài)，在粒子數(shù)反轉(zhuǎn)分布的兩能級E2和E1之間，由自發(fā)輻射過程產(chǎn)生很微弱的特定頻率的光輻射。在自發(fā)輻射的光子感應下，在上下能級E2和E1之間產(chǎn)生受激輻射。這種受激輻射光子與自發(fā)輻射光子的性質(zhì)（頻率、相位、偏振、傳播方向）完全相同，很快地，由這些光輻射在介質(zhì)中產(chǎn)生連鎖反應，由于諧振腔的作用，這些光子在腔內(nèi)多次往返經(jīng)過介質(zhì)，產(chǎn)生更多的同類光子。由于受激輻射的幾率取決于粒子數(shù)反轉(zhuǎn)密度和介質(zhì)中的同類光子密度，因此就可能使某類光子的受激輻射成為介質(zhì)中占絕對優(yōu)勢的一種輻射，從光學諧振腔的部分透射鏡端輸出光能，這就是激光[5]。由于輸出的激光是由兩個特征能級之間的受激輻射產(chǎn)生的，而且有諧振腔的模式限制和頻率選擇作用，所以，激光具有良好的方向性、相干性、單色性和高亮度。

具有高亮度特性的一束激光照射在蘋果果面時，可以穿透果皮照射到蘋果內(nèi)部，一部分被組織吸收，一部分發(fā)生后向散射，在蘋果果面形成光暈。這個在蘋果表面形成的光暈信息反映了蘋果內(nèi)部成分的吸收性和散射性。而光的散射現(xiàn)象恰好體現(xiàn)了組織的物理性質(zhì)。因此，沒有被蘋果組織吸收的激光，發(fā)生后向散射在蘋果果面形成的光暈，既能體現(xiàn)蘋果內(nèi)部化學成分的信息，也能表征蘋果的物理性質(zhì)。

由于激光是單色光，因此無法像近紅外光譜一樣，使用單一檢測器（近紅外光譜儀）對其進行接收并分析。鑒于激光在蘋果果面形成后向散射光斑，因此一般通過面陣檢測器（CCD攝像頭）對激光散射光斑的圖像進行采集和處理。激光圖像采集系統(tǒng)（圖1）由CCD攝像頭和激光器組成[6]。激光光束進入蘋果組織后，一部分光發(fā)生后向散射至果面形成光斑，該圖像被攝像頭記錄下來并存儲。正是因為采用了機器視覺技術采集激光果面光斑圖像，可以有效的解決近紅外光譜技術中利用光纖傳輸而造成的對空間和速度的限制，更有利于激光技術應用于在線或手提式檢測系統(tǒng)中。

圖1 蘋果果面激光漫反射圖像采集系統(tǒng)示意圖Fig.1 Schematic diagram of the apple fruit surface laser diffuse reflection image acquisition system

2 國內(nèi)外研究進展

2.1 激光技術在蘋果內(nèi)部品質(zhì)分級中的研究進展

從上個世紀90年代開始，一些研究人員開始嘗試使用激光技術對蘋果內(nèi)部品質(zhì)進行無損檢測研究。由于激光和近紅外光譜相比具有更好的亮度和方向性，日本學者Tu等研究人員首先將激光作為光源對蘋果的硬度進行無損檢測的研究人員。該研究小組[7]利用工作波長為670nm的氦-氖激光器作為光源，使用CCD攝像頭采集蘋果表面的激光散射光斑，并通過光斑的面積分析蘋果的成熟度和硬度。由于這次實驗是第一次使用激光作為光源的嘗試性實驗，實驗采用蘋果的樣品為大小較為一致的樣品，而且，通過CCD采集的光斑圖像也沒有進行去噪處理。該研究報道的實驗結果很不理想，建立水果成熟度的預測模型時，利用偏最小二乘（PLS）算法，建立光斑圖像總像素數(shù)與水果成熟度之間的數(shù)學模型，得到的絕定系數(shù)（R2）為0.64。實驗說明了采用單一波長的激光光斑圖像并不能完整準確地預測蘋果的硬度。

為了能夠較為全面地反映果實的內(nèi)部信息，Lu等[8]首次采用了多個波長的單色光光斑圖像法用于蘋果可溶性固形物含量和硬度的檢測。該方法利用650～1100nm范圍內(nèi)波長為680、880、905、940、1060nm的單色光作為光源，這5個不同波長的單色光輪流工作，照射在蘋果果面，均能夠在果面形成光斑。研究采用CCD攝像頭采集果面的光斑圖像，并通過簡單的圖像處理方法對圖像中的像素平均光強進行計算，將光強均值作為分析蘋果可溶性固形物含量和硬度的指標。其中硬度模型的預測效果較好（r=0.87），而可溶性固形物含量模型的預測效果并不理想（r=0.77）。雖然該研究對光斑圖像法的光源進行了改進，已由單波長變?yōu)榱硕嗖ㄩL，這對更多地獲取蘋果內(nèi)部成分的信息提供了保障。但是研究的水果樣品仍然為大小相似的蘋果，而且研究采用的光強均值法并沒有將果面光斑圖像的亮度信息充分地表現(xiàn)出來，也沒有考慮果面鏡面反射的影響，因此，該研究仍然不能將光斑圖像法應用于大量的蘋果無損檢測的實踐中。

為了能夠進一步改進多個波長的光斑圖像法，Peng和Lu使用朗伯余弦定律（Lambertian Cosine Law）重新計算了光斑圖像中像素的光強均值，并利用該數(shù)據(jù)建立偏最小二乘回歸（PLSR）模型預測蘋果可溶性固形物含量和硬度，得到的模型相關系數(shù)分別為0.82和0.89，交互驗證均方根誤差（RMSECV）分別為0.92°Brix和6.50N，此種方法大大提高了利用光斑圖像的光強均值預測蘋果品質(zhì)的模型精度[9]。但是，該方法對可溶性固形物含量的預測能力仍然不令人滿意。

2.2 激光圖像技術在蘋果品質(zhì)分級中的研究進展

從這些前期研究人員的研究結果可知，前期的研究主要是對激光技術對蘋果進行無損檢測的一些可行性研究，同時，研究者這對多波長的選擇和形狀大小的修正做了一定探索研究，并取得一定的效果。而要真正利用激光圖像技術對蘋果進行實際無損檢測的，就需要和近紅外光譜檢測技術一樣獲得更多有效的信息，以提高檢測的預測精度，這方面的可研究方面一個是在檢測中獲得更多需要檢測的有用信息，在這個部分主要是在檢測是選用合適的多個工作波長，此外，根據(jù)蘋果的組織光學特性優(yōu)化采集條件也顯得十分重要；另外一個就是根據(jù)得到信息，如何提取更多的有效信息，避免各種背景的干擾，在各個部分就包括，圖像的預處理，蘋果大小和形狀的修正，還有就是對采用信息選擇和優(yōu)化。下面的部分將介紹這些研究方向近年來的研究進展。

前期的研究[7-8]均沒對采集系統(tǒng)中激光入射角進行選擇和比較，只是簡單說明激光光束應以一定角度照射在水果果面上。由于激光器與攝像頭處于同一水平面上，為使激光照射在蘋果果面上的光斑能夠被攝像頭清晰地拍攝到，激光光束應與攝像頭的中心線呈一定的角度。慶兆珅等將CCD攝像頭的中心線垂直于蘋果果柄-花萼方向放置。通過比較入射角設為5°、10°、15°、20°、25°時得到激光漫反射圖像的效果和蘋果曲率的影響，最終選定激光光束的入射角均為15°[10]。吳彥紅等的研究表明，當采用632nm的氦-氖激光器作為光源時，激光束以一個較小的入射角（5°～10°）入射到蘋果表面，可以減少垂直入射時樣品表面的鏡面反射對CCD成像的影響[11]。

多數(shù)的研究人員通過光斑的總像素數(shù)[12]或像素強度的平均值[13]對水果的硬度或可溶性固形物含量進行檢測，且被測樣品一般選取大小相似形狀相近的水果，均沒有考慮樣品形狀對果面光斑的影響。然而，實際上蘋果大小不同、形狀各異，因此，若激光射入不同形狀但內(nèi)部成分相同的蘋果樣品，由于光的傳播路徑不同，光在果面上形成的光斑面積和反射光強度均有不同。所以，消除形狀參數(shù)的影響將能夠更為全面、準確地反映蘋果可溶性固形物含量和硬度[14]。慶兆珅等的研究結果表明采用拉普拉斯算子可以有效地提取蘋果和果面光斑的輪廓，并能夠準確地得到光斑上任意點到光斑中心的距離以及該點所對應的蘋果樣品的弧度。而這種方法檢測蘋果外形尺寸的結果與傳統(tǒng)測量法的檢測結果十分接近，誤差僅為5.3%。通過果面光斑和蘋果的半徑可以計算出被測點對應的蘋果曲率，從而獲得蘋果果面反射光強度和光斑面積的修正公式，即蘋果形狀修正算法[10]。

此外，慶兆珅研究小組分別利用光斑的總像素數(shù)/像素強度頻率以及光暈的總像素數(shù)/像素強度頻率建立蘋果內(nèi)部成分的預測模型中，二者體現(xiàn)了相似的預測能力，但后者有將模型預測精度提高的趨勢。研究發(fā)現(xiàn)，通過閾值設定的方法，可以直接去除激光光束的鏡面反射，而且不丟失過多的有效信息，反而對預測蘋果質(zhì)量參數(shù)的效果略有提高作用。而光暈圖像中的像素強度頻率主要反映激光漫反射光的光強，而且通過統(tǒng)計不同灰度值區(qū)間內(nèi)像素的個數(shù)，可以分析出每個像素的強度信息，因此，單獨利用光暈像素強度頻率建模可以更全面地反映蘋果內(nèi)部成分的信息，同時避免了鏡面反射的影響。因此，光暈像素強度頻率預測蘋果質(zhì)量參數(shù)的結果最好，而光斑總像素數(shù)的預測能力最差。利用形狀修正算法校正后的像素強度頻率建模，可以有效地提高蘋果可溶性固形物含量以及硬度模型的預測能力。對比形狀修正算法校正前后的可溶性固形物含量模型，修正之后的模型相關系數(shù)r從0.78提高到0.87，同時預測相對標準差RSD%從11.63%降低到6.46%。經(jīng)過校正后的像素強度頻率建?？梢詫⒂捕饶Ｐ椭械膔從0.80提高到0.89，同時將RSD%從15.60%降低為9.84%[10，15]。

在此基礎上，慶兆珅研究小組利用蘋果果面的光暈信息分別預測‘Elstar’蘋果和‘Pinova’蘋果在整個生長期中可溶性固形物含量和硬度的變化。通過建立蘋果在整個生長成熟期的可溶性固形物含量和硬度與光暈像素強度頻率的偏最小二乘回歸（PLSR）模型，用以監(jiān)測兩個不同品種、不同生長環(huán)境下的蘋果，在生長期中可溶性固形物含量和硬度的變化情況[10]。

2.3 激光技術在蘋果外部品質(zhì)分級中的研究進展

在利用激光技術對蘋果內(nèi)部品質(zhì)分級指標（硬度、糖度等）進行研究的同時，也有學者研究了激光技術對蘋果外部品質(zhì)分級指標如蘋果的顏色、表面損傷，乃至內(nèi)部腐爛情況進行了探索性的研究。Pajuelo等[16]利用5mW的氦氖激光器的激光對蘋果的采后的檫傷進行了分級檢測，取得了較好的效果。南京農(nóng)業(yè)大學的屠康研究小組利用650nm的25mW半導體激光器，以15°的入射角照射的蘋果表面，并采用CCD攝像機獲得激光圖像。研究結果表面，利用激光圖像法對蘋果的表面顏色（a*值和H值）等顏色品質(zhì)可進行很好的預測，特別是對嘎拉蘋果的預測精度很高[17]。此外，該小組同樣采用該技術，探討了激光技術分析蘋果采后表面損傷和內(nèi)部腐爛的可行性。在分別對利用鋼球砸傷，模擬蘋果樣品在采后受到損傷的情況和利用注射器將青霉菌注入蘋果果心，模擬蘋果內(nèi)部腐爛情況的樣品進行研究后的結果表明，激光圖像法檢測蘋果表面的損傷和內(nèi)部腐爛是可行的[18]。

3 展望

激光具有分析蘋果理化特性的能力，激光技術也因此而在蘋果無損檢測領域逐漸成為了熱門研究課題。由于激光的單色性，對其分析不能像近紅外光譜一樣通過光譜儀，利用掃描的光譜分析蘋果內(nèi)部成分及其含量的信息。因此，可結合成熟的機器視覺技術，通過攝像頭采集激光蘋果果面形成的光暈圖像，分析蘋果內(nèi)部成分的信息。而且，依靠機器視覺技術采集激光果面光斑圖像，可以解決近紅外光譜技術中利用光纖傳輸而造成的對空間和速度的限制，更有利于激光技術應用于在線或手提式檢測系統(tǒng)中。在現(xiàn)有的研究中，研究者通過對多個適合的激光工作的選擇和優(yōu)化，入射角等采集參數(shù)的優(yōu)化，利用不同算法進行圖像噪聲去除，對蘋果大小和形狀進行修正，探索更有效的建模信息源等方面工作，使得激光圖像技術在蘋果內(nèi)部品質(zhì)檢測，特別是蘋果的硬度（成熟度）的檢測方面取得了較好的效果。同時，已成功的監(jiān)測了兩個不同品種、不同生長環(huán)境下的蘋果，在生長期中可溶性固形物含量和硬度的變化情況。隨著激光圖像技術研究不斷深入和相關專用儀器的產(chǎn)生和發(fā)展將使激光技術在蘋果的采后商品化處理中的分級過程中實現(xiàn)實用化和產(chǎn)業(yè)化，有效地提高我國蘋果商品化處理的水平。

[1] 中華人民共和國統(tǒng)計局編. 2010中國統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社，2010.

[2] 翟衡，史大川，束懷瑞. 我國蘋果產(chǎn)業(yè)發(fā)展現(xiàn)狀與趨勢[J].果樹學報，2007，24（3）：355-360.

[3] 中國農(nóng)業(yè)年鑒編輯委員會編. 2009中國農(nóng)業(yè)年鑒[M]. 北京：中國農(nóng)業(yè)出版社，2009.

[4] 祁春節(jié). 入世與中國水果業(yè)：影響及應對措施[J]. 國際貿(mào)易問題，2001（1）：6-10.

[5] 周炳坤，高以智，陳倜嶸，等. 激光原理[M]. 北京：國防工業(yè)出版社，2000.

[6] Qing Z S Zude M，Ji B P. Wavelengths selection for predicting physico-chemical apple fruit properties by means of NIRS for automation[C]. In Proceeding of CIGR/ EURAGENG/VDI/FAO workshop on“Processing & Post Harvest Technology and Logistics”，3-7 September 2006，Bonn，Germany.

[7] Tu K，De Busscher R，De Baerdemaeker J，et al. Using laser beam as light source to study tomato and apple quality nondestructively[J].Proceeding of the Food Processing Automation IV Conference，1995，11.

[8] Lu R.Multispectral imaging for predicting firmness and soluble solids content of apple fruit[J].Postharvest Biology and Technology，2004，31：147-157.

[9] Peng Y K，Lu R F. New approaches of analyzing multispectral scattering profiles for predicting apple fruit firmness and solubles solids content [R]. Meeting Presentation of ASABE，9-12 July，2006，7.

[10] 慶兆珅. 蘋果無損檢測的可見-近紅外激光漫反射光譜圖像技術研究[D]. 北京：中國農(nóng)業(yè)大學，2007.

[11] 吳彥紅，趙杰文，陳全勝，等.水果組織光學參數(shù)的激光圖像無損測量技術[J].江蘇大學學報：自然科學版，2007，28（1）：8-11.

[12] Tu K，Jancsok P，Nicolai B，et al. Use of laser-scattering imaging to study tomato - fruit quality in relation to acoustic and compression measurements[J]. International Journal of Food Science and Technology，2000，35：503-510.

[13] Peng Y K，Lu R F.Improving apple fruit firmness predictions by effective correction of multispectral scattering images [J].Postharvest Biology and Technology，2006，41：266-274.

[14] Qing Z S，Ji B P，Zude M. Predicting soluble solid content and firmness in apple fruit by means of laser light scattering images[J]. Journal of Food Engineering，2007，82：58-67.

[15] 慶兆珅，籍保平，史波林，等. 蘋果品質(zhì)檢測的可見-近紅外激光漫反射光譜圖像法的方法研究[J]. 光譜學與光譜分析，2008，28（6）：1273-1277.

[16] Pajuelo M，Baldwin G，Rabal H，et al.Bio-speckle assessment of bruising in fruits[J]. 0pticsand Lasers in Engineering，2003，40：13-24.

[17] 陳育彥，屠康，任珂，等. 基于激光圖像的蘋果品質(zhì)分析與模型[J]. 農(nóng)業(yè)工程學報，2007，23（4）：166-171.

[18] 陳育彥，屠康，柴麗月，等. 基于激光圖像分析的蘋果表面表面損傷和內(nèi)部腐爛檢測[J]. 農(nóng)業(yè)機械學報，2009，40（7）：133-137.