高光譜相機簡介：

高光譜相機是一種結合了傳統(tǒng)相機和光譜儀的儀器，能夠獲取物體的高光譜信息。它可以通過拍攝物體在不同光譜帶的圖像，得到數(shù)以千計的連續(xù)光譜數(shù)據，從而反映物體的內在屬性和外部特征。由于高光譜相機具有非破壞性、快速、無損等優(yōu)點，因此在農業(yè)、環(huán)境、醫(yī)療等領域具有廣泛的應用前景。

高光譜相機在馬鈴薯內外部品質檢測中的應用：

1. 內部品質檢測：

內部品質是馬鈴薯品質的重要組成部分，主要包括淀粉含量、干物質含量、糖分含量等。利用高光譜相機可以無損地檢測這些內部品質指標。通過對馬鈴薯進行光譜掃描，可以得到馬鈴薯的光譜反射曲線。通過分析這條反射曲線，可以推斷出馬鈴薯的內部品質狀況。例如，淀粉含量較高的馬鈴薯反射曲線在近紅外波段有較高的反射率。因此，通過測量反射率可以估計馬鈴薯的淀粉含量。

2. 外部品質檢測：

外部品質是馬鈴薯的重要生產指標，主要包括大小、形狀、色澤、病蟲害等。高光譜相機在外部品質檢測方面也具有顯著優(yōu)勢。對于馬鈴薯的大小和形狀，可以通過計算圖像中馬鈴薯的面積和周長等幾何參數(shù)來評估。對于馬鈴薯的色澤，可以通過測量圖像中馬鈴薯的紅色、綠色和藍色通道的數(shù)值來評估。例如，色澤較深的馬鈴薯紅色通道的數(shù)值較高。對于馬鈴薯的病蟲害，可以通過分析圖像中馬鈴薯的紋理、顏色、形狀等特征來識別。例如，受到真菌病害侵襲的馬鈴薯表面會出現(xiàn)淺色斑點或斑塊，這些斑點或斑塊會影響馬鈴薯的紋理和顏色。通過計算機視覺技術和深度學習算法，可以訓練模型自動識別這些病變特征。

基于高光譜成像技術的馬鈴薯外部缺陷檢測案例

本研究應用400-1000nm的高光譜相機，可采用SINESPEC賽斯拜克技術有限公司產品FS13進行相關研究。光譜范圍在400-1000nm，波長分辨率優(yōu)于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

隨著我國馬鈴薯主糧化戰(zhàn)略的推進，馬鈴薯相關產業(yè)鏈得到了迅速發(fā)展，馬鈴薯品質問題也成為關注的熱點問題。但綠皮、機械損傷等缺陷馬鈴薯嚴重影響了馬鈴薯的整體品量，尤其是綠皮馬鈴薯外形復雜、缺陷不易識別更增加了檢測難度。同時綠皮馬鈴薯龍葵素含量若超出了食用標準，食用后會導致食物中毒而造成食品安全問題。因此，研究快速無損的綠皮馬鈴薯檢測方法對馬鈴薯深加工和延長產業(yè)鏈具有重要意義。

高光譜成像技術具有波段范圍廣，且能同時獲取被測樣本對應波段范圍內的圖像和光譜信息的優(yōu)勢，因此在農產品快速無損檢測中得到廣泛應用。針對任意放置姿態(tài)下且輕微綠皮馬鈴薯不易識別的問題，本文分別采用半透射與反射高光譜成像技術進行比較分析，并確定不同高光譜成像方式下的模型識別精度。采集馬鈴薯樣本任意放置姿態(tài)下的半透射高光譜和反射高光譜圖像，分別建立基于圖像信息與光譜信息的檢測模型，比較不同模型識別率。進一步建立圖像和光譜融合或不同成像方式融合模型提高模型性能，最終確定最優(yōu)模型。

（1）比較了不同高光譜成像方式的圖像信息識別模型的精度。采用半透射圖像信息建立的等距映射結合深度信念網絡模型識別率最高僅達到78.67%；采用反射圖像信息建立的最大方差展開結合深度信念網絡模型識別率最高僅達到77. 33%。結果表明，采用單一圖像信息對輕微綠皮馬鈴薯檢測的精度不高。

（2）比較了不同高光譜成像方式的光譜信息識別模型的精度。采用半透射光譜信息建立的局部切空間排列結合深度信念網絡模型識別率最高為93.33%；采用反射光譜信息建立的局部切空間排列結合深度信念網絡模型識別率最高為90. 67%。結果表明，采用單一光譜信息對輕微綠皮馬鈴薯檢測是可行的，但識別率有待進一步提高。

（3）比較了3種多源信息融合方式對識別精度的影響。半透射圖像和半透射光譜、反射圖像和反射光譜、半透射光譜和反射光譜3種融合模型精度較單一圖像或者光譜模型均有提高，且半透射光譜和反射光譜的深度信念網絡融合模型最優(yōu)，對校正集和測試集識別率均達到100%。結果表明，半透射光譜和反射光譜的融合模型可實現(xiàn)輕微綠皮馬鈴薯的無損檢測。

結論：

高光譜相機在馬鈴薯內外部品質檢測中具有廣泛的應用前景。它能夠無損、快速、準確地檢測馬鈴薯的內部品質和外部品質指標，為農業(yè)生產和管理提供有力支持。然而，高光譜相機在實際應用中仍存在一些挑戰(zhàn)，如高光譜圖像的分辨率和噪聲問題，以及計算機視覺和深度學習算法的精度和可靠性問題。未來需要進一步研究和改進這些技術，以提高高光譜相機在馬鈴薯品質檢測中的準確性和可靠性。