聯系電話：
010-5637 0168-696
基于高光譜成像技術的水果農藥殘留檢測研究
——四川雙利合譜科技有限公司
隨著人們生活水平的提高，消費者越來越關注果蔬的品質安全問題。如
水果表面農藥的殘留等不僅會造成果蔬的腐爛，而且會嚴重影響消費者的身體健康。因此農藥殘留的快速有效檢測是非常有實際價值的。雖然水果的農業殘留區域和正常區域在外部特征上呈現出大的相似性，但是農藥殘留部位發生一定的變化，這種變化可以通過特定波長下的光譜表現出來。
高光譜圖像技術結合了光譜分析和圖像處理的技術優勢，對研究對象的內外部品質特征進行檢測分析，趙杰文等利用高光譜圖像技術檢測水果輕微損傷，準確率為88.57 %；Jasper G .Tallada等分別應用高光譜圖像技術對不同成熟度的
草莓表面損傷、蘋果的表面缺陷及芒果的成熟度檢測進行了試驗研究。王玉田等運用熒光光譜檢測出水果表面殘留的農藥；胡淑芬等運用激光技術對水果
表面農藥殘留進行了試驗研究；薛龍等針對水果表面農藥殘留，以滴有較高濃度的臍橙為研究對象，利用光譜范圍425-725 nm的高光譜圖像系統進行檢測，發現對較高濃度的農藥殘留檢測效果較好。本文采用高光譜圖像技術檢測水果的農藥殘留區域，以實現農藥殘留區域共同識別的目的。
二、 試驗材料與方法
2.1 實驗材料
本研究以蘋果為研究對象，分析蘋果的農藥殘留區域。其中農藥人工涂在蘋果上。
2.2 實驗設備
高光譜成像數據采集采用四川雙利合譜科技有限公司的 GaiaSorter高光譜分選儀系統。該系統主要由高光譜成像儀(V10E)、CCD 相機、光源、暗箱、計算機組成，結構圖與實景圖如圖1。實驗儀器參數設置如表1。
表1 GaiaSorter 高光譜分選儀系統參數
序號 | 項目 | 參數 |
1 | 光譜掃描范圍/nm | 350~1000 |
2 | 光譜分辨率/nm | 2.8 |
3 | 采集間隔/nm | 1.9 |
4 | 光譜通道數 | 520 |
圖 1 GaiaSorter 高光譜分選儀結構圖與實景圖
2.3 圖像處理分析
采用SpecView和ENVI/IDL對高光譜數據的預處理及分析，預處理中的鏡像變換、黑白幀校準在SpecView中進行；其他數據的分析在ENVI/IDL中進行。
三、結果與討論
3.1 蘋果農藥殘留區域和正常區域的光譜分析
取蘋果農藥殘留區域與正常區域各200個像元，分別獲取這200個像元的光譜反射率，并求取這200個像元的反射率均值，如圖2所示，其中，紅色代表蘋果的腐爛區域光譜區域的光譜反射率，藍色代表正常區域的光譜反射率，綠色代表農藥殘留區域的光譜反射率。從圖中可知，在400-100 nm范圍內，農藥殘留區域的光譜反射率zui大，其次是正常區域，zui后是腐爛區域的光譜反射率。研究發現這三個區域在610 nm處有一峰值，在650 nm處有一吸收谷，在650-680 nm區間有一陡坡，由于三個區域均有以上特征，所以可以認為這也是蘋果*的特征位置。
圖2 蘋果腐爛區域、農藥殘留區域與正常區域的光譜反射率
3 蘋果腐爛區域、農藥殘留區域的提取
對經過鏡像變換、黑白幀校準的高光譜圖像，根據蘋果與背景區域的光譜差異，利用ENVI/IDL軟件的波段運算建立腌膜，獲取純蘋果圖像，對蘋果圖像做主成分分析，根據獲取的主成分圖像，選取能較好區分腐爛區域、農藥殘留區域和正常區域的主成分圖像（PC2），通過閾值分割的方法分別獲取蘋果腐爛區域和農藥殘留區域，如圖4所示。大的部分為腐爛區域，小的為農藥殘留區域。 
圖 4 蘋果腐爛區域與農業殘留區域提取流程圖
3.5 討論
高光譜成像技術應用于水果表面損傷、農藥殘留已體現出其“圖譜合一”的*性。水果輕微損傷和農藥的微量殘留往往發生在表皮之下，和正常區域的顏色相差不大，肉眼難以識別。隨著時間的推移，損傷區域會逐漸褐變，zui后導致整個水果腐爛，甚至影響其他果實，而少量的農藥則會滲透進入果實中，消費者吃了會導致中毒。本研究結果表明，運用高光譜成像技術，運用主成分分析、腌膜等方法等，可以有效地提取水果損傷與農藥殘留區域，從而達到快速檢測的目的。
