植被检测的新方式-高光谱相机

砂糖橘因其口感清甜、果皮薄、汁水丰富，成为我国冬季最受欢迎的水果之一。然而，在采摘、运输和分选过程中，砂糖橘极易产生机械损伤或内部隐性损伤。这些损伤往往在早期难以通过肉眼识别，但却会显著影响果实品质、储存寿命以及市场销售价值。因此，如何快速、无损地识别砂糖橘是否损伤，成为当前柑橘产业质量控制的重要问题。近年来，高光谱成像技术为这一问题提供了新的解决方案。

奥谱天成高光谱成像仪

砂糖橘损伤的重要意义

重点

提升果品品质与品牌价值

砂糖橘在采摘和物流过程中容易受到挤压或碰撞，产生轻微损伤。虽然外观可能暂时没有明显变化，但内部组织已经开始发生结构变化，后期容易出现腐烂或变质。如果这些果实进入市场，不仅影响消费者体验，还可能损害产区品牌形象。

通过高光谱技术提前识别损伤果实，可以在分选阶段将其剔除，从而保证进入市场的果品品质更加稳定。

重点

减少运输和仓储损失

损伤的砂糖橘在储存过程中更容易出现霉变和腐烂，并可能对周围果实产生“连锁影响”。在传统分选方式下，许多隐性损伤果实无法被及时发现，导致储运损耗率上升。

通过高光谱检测，可以在早期识别内部组织变化，将潜在问题果实提前筛选出来，有效降低储运损失，提高供应链效率。

重点

推动水果分选自动化

当前水果分选大多依赖颜色、尺寸等外观指标，而无法识别内部损伤。高光谱技术能够获取水果的光谱信息，从而识别内部结构变化，为水果分选系统提供更全面的检测维度。

将高光谱成像系统与自动分选设备结合，可以实现：

这对于规模化柑橘产业具有重要意义。

当砂糖橘受到机械挤压或碰撞时，其内部细胞结构会发生变化，例如：

这些变化会影响果实对不同波长光的吸收和反射特性，从而在光谱上形成特征差异。

高光谱成像系统通过获取多个连续波段的信息，可以检测到这些细微变化，并结合机器学习算法实现损伤识别。

一般检测流程包括：

高光谱数据采集
对砂糖橘进行扫描，获取空间与光谱信息。

光谱数据处理
对原始光谱进行去噪、校正和归一化处理。

特征波段提取

筛选与损伤最相关的关键波段。

建立识别模型

通过机器学习算法建立损伤识别模型，实现自动分类。

通过这一流程，即使是肉眼难以发现的早期损伤，也能够被准确识别。

原始数据

奥谱天成模型识别结果

由于不同砂糖橘表面可能出现裂痕甚至霉变等情况，因此本研究选取了三种典型状态进行对比分析：表面完整、表面裂痕以及表面霉变，分别获取其对应的光谱曲线。结果表明，这三种状态在光谱特征上存在较为明显的差异。

从原始光谱曲线来看，表面裂痕区域与表面完整区域的整体光谱走势较为接近，但在部分特定波段上仍表现出明显的反射率差异。其中，在若干关键波段处，表面完整区域的反射率数值明显高于裂痕区域，说明裂痕会对果皮结构及其光学特性产生一定影响。

进一步对光谱曲线进行一阶微分处理后可以更加清晰地观察到差异特征。在900 nm 波段附近，表面完整区域的曲线峰值明显高于表面裂痕区域，这表明在该波段下，完整果皮的反射率变化幅度更大，而裂痕区域由于组织结构受损，其光谱响应相对减弱。

此外，表面霉变区域的光谱曲线与前两种状态相比表现出更为显著的差异。霉变导致果皮内部成分和结构发生明显变化，从而使其光谱特征发生明显偏移，这也为利用高光谱技术识别砂糖橘表面霉变提供了可靠依据。

整体来看，不同表面状态的砂糖橘在光谱特征上具有可区分性，为后续基于高光谱数据建立损伤与霉变识别模型提供了重要基础。