蔬菜是人类日常饮食中最重要的食物之一，不仅可以提供人体所必需的多种维生素，还能补充膳食纤维等营养物质。在蔬菜生长发育过程中，对蔬菜性状的检测至关重要。高光谱成像技术作为一种新型无损检测技术，融合了传统光谱学和机器视觉技术，不仅可以获取图像维度信息，还能更深层次地挖掘蔬菜内部的光谱维度信息，从而从蔬菜图像维度层面和光谱维度层面同时探究蔬菜性状的变化。从蔬菜内在品质检测、营养元素监测、病害诊断三个方面对高光谱成像在蔬菜性状无损检测上的研究成果进行了综述，并结合目前存在的问题，对未来的发展方向提出了展望。

西甜瓜(西瓜和甜瓜)味甘多汁, 营养丰富, 其内部品质的检测对其生产和流通具有重要意义。 西甜瓜内部品质的传统检测方法检测时间长, 成本高且为有损检测, 不能满足现代生产的需要。 随着光谱分析技术的快速发展, 应用近红外光谱分析和高光谱成像进行西甜瓜内部品质的无损检测已成为研究热点。 为跟踪国内外最新研究进展并分析研究现状, 介绍了近红外光谱分析和高光谱成像的技术特点和系统组成, 归纳了光谱信息预处理、 变量筛选、 模型建立和模型评价等光谱信息解析方法, 综述了近红外光谱分析和高光谱成像在西甜瓜内部品质(可溶性固形物含量、 坚实度、 总酸含量、 成熟度、 水分等)无损检测中的应用, 并从技术难点和实际应用两方面讨论了光谱分析技术在西甜瓜内部品质无损检测中的发展趋势, 指出利用深度学习进行光谱信息解析、 建立多特征信息融合的综合评价模型、 开发基于人工智能与移动终端深度融合的快速无损检测系统等将成为新的研究方向。

为了建立稳定可靠的鲜枣品质检测模型, 利用光谱和水分补偿方法进行鲜枣内部品质的检测。 首先, 针对鲜枣各品质指标(水分含量、 可溶性固形物含量、 维生素C含量、 蛋白质含量、 硬度值), 采用回归系数法(RC)提取特征波段并建立最小二乘支持向量机(LS-SVM)检测模型, 预测集的决定系数(R2P)均在0.8261以上, 预测均方根误差(RMSEP)均在3.324 9以下。 在提取各项品质指标特征波段的基础上, 剔除其他四项单一品质特征波段中与水分特征波段(包含利用RC法所提取到的水分特征波长和鲜枣中具有明显水分特征的吸收峰)重叠或接近的波段, 并与鲜枣水分含量值进行数据融合建立了各项指标的水分补偿模型。 结果表明, 硬度值的水分补偿模型精度有一定提高, R2P和RMSEP分别为0.830 5和0.055 3； 可溶性固形物含量、 维生素C含量、 蛋白质含量的水分补偿模型精度均有所下降, R2P分别为0.804 1, 0.878 2和0.837 8, RMSEP分别为1.347 3, 0.638 0和3.503 2。 然后, 分析各品质指标间的相关性, 结果表明, 水分含量在0.05水平上与硬度值呈现显著的相关性, 在0.01的水平上与其余三项品质指标之间存在极显著的相关性, 相关性强弱与水分补偿模型的建模结果相互支持。 研究表明, 水分补偿法所建的预测模型可用于鲜枣内部品质的检测, 水分含量与其他四项品质指标之间有相互作用并影响其他品质指标所建立的预测模型。 该研究为进一步探讨光谱检测中各内部品质指标间交互作用的解耦提供了新思路。

水果内部品质影响着消费者的感官偏好, 直接决定消费者的购买倾向。 为此, 可见-近红外光谱技术检测巨峰葡萄内部品质以及感官偏好等级。 试验比较了漫反射、 透射两种光谱采集方式对葡萄内部品质的检测准确性, 结果表明透射光谱更能表征巨峰葡萄的内部品质信息, 偏最小二乘(PLS)模型对鲜食葡萄可溶性固形物、 总酸度的预测均方根误差分别为0.598%brix, 0.048 g·L-1。 将鲜食葡萄的透射光谱主成分信息与消费者的感官偏好等级之间建立非线性分类模型, 得到主成分法结合极限学习机(PCA-ELM)模型分类准确率最好, 为78.7%。 结果认为反映水果内部信息的光谱可用于消费者感官偏好的初步分类, 但其间关系还有待进一步研究。

Watercore and sugar content are internal qualities which are impossible for exterior determination. Therefore the aims of this study were to develop models for nondestructive detection of watercore and predicting sugar content in pear using Near Infrared Spectroscopy (NIR) technique. A total of 93 samples of Asian pear variety “SH-078" were used. For sugar content, spectrum of each fruit was measured in the short wavelength region (700–1100 nm) in the reflection mode and the first derivative of spectra were then correlated with the sugar content in juice determined by digital refractometer. Prediction equation was performed by multiple linear regression. The result showed Standard Error of Prediction (SEPT = 0.58°Bx, and Bias = 0.11. The result from t-test showed that sugar content predicted by NIR was not significantly different from the value analyzed by refractometer at 95% confidence. For watercore disorder, NIR measurement was performed over the short wavelength range (700–850 nm) in the transmission mode. The first derivative spectra were correlated with internal qualities. Then principle component analysis (PCA) and partial least squares discriminant analysis (PLSDA) were used to perform discrimination models. The accuracy of the PCA model was greater than the PLSDA one. The scores from PC1 were separated into two boundaries, one predicted rejected pears with 100% classification accuracy, and the other was accepted pears with 92% accuracy. The high accuracy of sugar content determining and watercore detecting by NIR reveal the high efficiency of NIR technique for detecting other internal qualities of fruit in the future.

基于光谱分析的甜橙内在品质检测技术近年得到较快发展, 但目前采用的大多为单一品质指标的光谱分析, 而甜橙果实品质往往取决于果实多项品质指标的共同作用。 本研究的目的在于研究甜橙果实反射光谱与果实内在品质的相关性, 筛选与哈姆林甜橙果实多个品质指标同步相关的特征光谱, 为建立甜橙果实在内品质的实时检测技术提供依据。 以哈姆林甜橙(Citrus sinensis (L) cv. Hamlin sweet orange)成熟果实为试材, 逐个果实进行果实反射光谱和果实可溶性固形物(TSS)、 柠檬酸、 维生素C(Vc)含量和固酸比等在内品质主要参数的分析, 对所获数据采用Excel, Spss Statg和View SpecPro软件进行统计与分析。 结果表明, 哈姆林甜橙果实TSS、 固酸比和Vc均与波长988 nm近红外光反射光谱呈极显著或显著正相关, 相关系数分别为0.387**, 0.440**和0.309*, TSS和固酸比与该波长反射率的最佳拟合方程分别为y＝13.957x+5.405和y＝75.120x+37.256; 可见光429 nm光谱二阶导数与TSS和Vc呈显著和极显著正相关, 相关系数分别为0.350 72*和0.386 9**。 波长944 nm近红外光谱倒数对数与固酸比呈显著正相关(r＝0.304*)。 试验结果为柑结果实内在品质主要参数的同步、 快速无损检测奠定了基础。

随着高光谱成像技术的日趋成熟与高光谱成像硬件、 软件成本的不断下降, 以及高光谱图像数据处理算法的不断改进, 应用高光谱成像技术对水果品质进行无损检测成为当前研究热点之一。 为了能跟踪国内外的最新研究成果, 对高光谱成像在水果内部品质(成熟度、 坚实度、 可溶性固形物、 水分)检测研究进行综述, 以期对我国相关研究人员的研究工作提供参考。