高光谱反射成像技术用于同时检测和分类蓝莓表面的缺陷

《Journal of Food Measurement and Characterization》：Hyperspectral reflectance imaging for simultaneous detection and classification of surface defects in blueberries

　　本研究提出结合高光谱反射成像与智能算法的蓝莓表面缺陷自动检测方法，通过PCA与二维Otsu阈值算法实现94%缺陷检测准确率，并利用CARS、SPA、UVE提取关键波长。PLSR、BPNN、LS-SVM模型分类准确率达98.5%，验证方法高效可靠，适用于大规模工业检测并降低产后损失。

　　

摘要

蓝莓富含花青素和维生素，但极易受到表面缺陷的影响，如干燥、碰伤和腐烂，这些都会影响其品质和安全性。本研究提出了一种结合高光谱反射成像技术和智能算法的方法，用于自动检测和分类蓝莓的表面缺陷。通过使用PCA结合带比率成像（W_{691.44/819.31}）分析了可见光到近红外（Vis-NIR）范围内的图像，二维Otsu阈值算法的缺陷检测准确率为94.0%。通过CARS、SPA和UVE方法提取了关键波长，并开发了包括PLSR、BPNN和LS-SVM在内的分类模型，以将蓝莓分为正常、干燥、碰伤或腐烂四种类型。其中，基于UVE和PLSR的模型在119个波长下实现了最高的准确率（98.5%），而基于SPA的模型仅使用了5.68%的特征却仍保持了97%的准确率，显示出在精确度和效率之间的良好平衡。这些结果证明了该方法在大规模工业检测中的稳健性和实用性，为提高蓝莓生产的质量控制以及减少采后损失提供了有价值的框架。