農業(yè)行業(yè)
果蔬表面的農藥殘留檢測已經有了許多成熟可行的方法，但大都費時、速度慢，而且是破壞性的檢測。高光譜成像分析技術不同于光譜分析技術，可以同時處理樣品的圖像信息和光譜信息，采集樣品高光譜成像數據時，樣品的每個波段都有一幅灰度圖像與之對應，樣品的每個像素點都有一條光譜與之對應。高光譜成像技術具備圖像和光譜的雙重優(yōu)勢，作為一種無損檢測分析技術，檢測過程無損、無污染、樣品無需預處理，在現代農業(yè)檢測分析中得到了大量應用。
本工作主要基于高光譜900～1700 nm近紅外波段成像系統，討論臍橙表面不同濃度農藥殘留隨時間變化(0,4和20 d)情況，提取并分析涂抹農藥后果面農藥殘留及未涂抹農藥的果皮感興趣區(qū)域光譜曲線，基于光譜所有波段進行主成分處理，根據分析權重系數獲取一定數量的特征波段，然后基于這些特征波段進行第二次主成分分析處理，以簡化檢測農藥殘留波段數量，實現贛南臍橙農藥殘留圖像識別。
1 實驗部分
1.1 材料
試驗用贛南臍橙購于杭州某批發(fā)市場，試驗農藥為38%惡霜密銅菌酯，可防治臍橙霜霉病、炭疽病和潰瘍病。用蒸餾水把農藥分別配置成1:20,1:100和1:1000倍的溶液。然后把相同濃度的溶液分別滴到30個洗凈的臍橙表面，每個濃度滴10個果，每個果面農藥殘留為2個橢圓形區(qū)域，溶液量約為500μL。將水果分別放置0,4和20d,拍攝圖像。
1.2 高光譜成像系統
高光譜成像數據采集系統可采用杭州彩譜的fs-15，該光譜儀可獲取的波長范圍為900～1700 nm,CCD相機的作用主要是獲取900～1700 nm波長范圍內每個波長的灰度圖像，近紅外光源由兩個150W的光纖鹵素燈構成，可提供的波長范圍為400～1780 nm,由于高光譜成像儀采用線掃描工作方式，而高光譜成像儀一旦在光箱內調整好位置和高度后，就保持固定不動，因此，為獲取到整個樣品高光譜成像數據，運行平臺作相對于高光譜成像儀垂直水平運動，運行速度由平臺控制裝置控制電機轉速，速度通過上位機采集軟件調節(jié)。
2 光譜數據分析
提取光譜數據通過軟件完成，在臍橙圖像上選取感興趣區(qū)域提取光譜數據，ROI包括的像素點在80個左右，軟件會自動計算ROI內每個像素點光譜的平均值，以此平均值作為每個臍橙樣品的光譜數據，圖2給出不同濃度農藥殘留果贛南臍橙和正常果的ROI在900～1700 nm平均光譜曲線，臍橙樣品的光譜曲線如圖3所示。由圖3可知：(1)臍橙樣品在近紅外區(qū)域的反射率大于可見光波長范圍的反射率；(2)在1080～1700 nm光譜區(qū)域幾乎呈單調遞減趨勢；(3)與正常果樣本相比，滴過農藥的水果ROI光譜曲線在1000 nm波段處出現光譜吸收峰。
圖7為贛南臍橙不同濃度的農藥殘留及放置不同時間樣本掩模去背景后部分PC-2圖像。從圖7可以看出，采用高光譜成像技術可以檢測出3個時間段較高濃度的農藥殘留。考慮到經原始圖像變化后的PC2圖像中農藥殘留區(qū)域和其他區(qū)域差異明顯，因此，無需對PC-2圖像進行預處理，先將PC-2圖像轉換為灰度圖，然后再將灰度圖進行二值化處理，閾值為0.5,可以看出農藥殘留區(qū)域從其他區(qū)域中有效的被識別出來。
圖9是結合掩模算法、特征波段主成分法以及簡單圖像處理算法(如域值分割等)的流程圖。為了進一步檢驗算法的有效性，特征波段主成分分析法應用于本試驗中其他樣本，發(fā)現高光譜成像技術對檢測3個時間段較高濃度的農藥殘留都比較明顯。考慮到篇幅所限，部分樣品識別結果如圖8所示。
3 結 論
(1)基于高光譜成像系統利用主成分分析法對農藥殘留區(qū)域識別，結果表明高光譜成像技術對檢測各個時間段較高濃度的農藥殘留都比較明顯。
(2)原始高光譜成像數據量大，不適合用于在線分析檢測。對原始高光譜成像數據進行PCA處理，得到930,980,1100,1210,1300,1400,1620和1680nm共8個特征波長可以用于檢測，大大簡化了模型，減少了數學運算量，使得采用高光譜成像技術應用于農藥殘留在線檢測成為可能。
(3)基于本文得到的結果，應基于930,980,1100,1210,1300,1400,1620和1680 nm波長進行PCA處理，利用得到的PC-2圖像進行農藥殘留檢測。另外，本工作用到的樣品數量較少，共24個缺陷樣品，以后應加大樣品數量，以驗證本研究結論的可行性。
