激光图像技术在苹果品质分级中的研究进展

屠振华，冯 霖，*，康 颖，孙丽娟，陈红茜，庆兆珅

（1.食品行业生产力促进中心，北京100062；2.中国农业大学食品科学与营养工程学院，北京100083；3.中国农业大学网络中心，北京100083）

苹果是我国一种重要的水果，2010年我国苹果产量达3168.1万t，占国内水果总产量（含果用瓜）的15.5%[1]。但是，由于我国的苹果的采后商品化处理能力较差，采后检测、分级技术落后，导致我国鲜苹果在国际市场上缺乏竞争力，出口量和出口金额一直处于较低水平[2]，2008年我国鲜苹果出口量仅为11.5万t，且出口价格较低（平均出口价格仅为0.61美元/千克）[3]。所谓苹果的商品化处理，是指苹果收获后的清洗、质量检测、分级、打蜡、包装等一系列技术处理[4]。通过以上处理，最终达到提高苹果外观和内部品质、延长货架期、提高商品价值的目的。目前，我国国内的苹果商品化处理中，清洁、打蜡的设备相对较为成熟，应用率也较高。而分级技术虽然近年来发展较快，也取得了一些技术上的突破，但依旧相对较为落后，使用率也很低。苹果的品质指标包括外部品质指标和内部品质指标，苹果的外部品质主要是考虑大小、形状、颜色和表面缺陷等，苹果的内部品质主要考虑硬度、糖度、酸度及水分等。随着人们生活水平的不断提高，基于苹果的大小、重量、形状、颜色和缺陷等外部品质指标进行的分级已经不能满足要求，消费者在选购苹果时对于内部品质如糖度、酸度和成熟度也越来越看重。本文将综述激光技术近年来在苹果品质分级中的研究进展。

1 激光漫反射图像技术的原理

各种各样的物质，在一定的外界刺激条件下，都有可能成为激活物质，因而可能产生激光。它们有固体、液体、气体和半导体。这样的一些能产生激光的物质叫激光工作物质，因此选择合适的激光工作物质是构成一台激光器的首要物质前提。激光工作物质在泵浦源的激励下，即介质处于粒子数反转状态，在粒子数反转分布的两能级E2和E1之间，由自发辐射过程产生很微弱的特定频率的光辐射。在自发辐射的光子感应下，在上下能级E2和E1之间产生受激辐射。这种受激辐射光子与自发辐射光子的性质（频率、相位、偏振、传播方向）完全相同，很快地，由这些光辐射在介质中产生连锁反应，由于谐振腔的作用，这些光子在腔内多次往返经过介质，产生更多的同类光子。由于受激辐射的几率取决于粒子数反转密度和介质中的同类光子密度，因此就可能使某类光子的受激辐射成为介质中占绝对优势的一种辐射，从光学谐振腔的部分透射镜端输出光能，这就是激光[5]。由于输出的激光是由两个特征能级之间的受激辐射产生的，而且有谐振腔的模式限制和频率选择作用，所以，激光具有良好的方向性、相干性、单色性和高亮度。

具有高亮度特性的一束激光照射在苹果果面时，可以穿透果皮照射到苹果内部，一部分被组织吸收，一部分发生后向散射，在苹果果面形成光晕。这个在苹果表面形成的光晕信息反映了苹果内部成分的吸收性和散射性。而光的散射现象恰好体现了组织的物理性质。因此，没有被苹果组织吸收的激光，发生后向散射在苹果果面形成的光晕，既能体现苹果内部化学成分的信息，也能表征苹果的物理性质。

由于激光是单色光，因此无法像近红外光谱一样，使用单一检测器（近红外光谱仪）对其进行接收并分析。鉴于激光在苹果果面形成后向散射光斑，因此一般通过面阵检测器（CCD摄像头）对激光散射光斑的图像进行采集和处理。激光图像采集系统（图1）由CCD摄像头和激光器组成[6]。激光光束进入苹果组织后，一部分光发生后向散射至果面形成光斑，该图像被摄像头记录下来并存储。正是因为采用了机器视觉技术采集激光果面光斑图像，可以有效的解决近红外光谱技术中利用光纤传输而造成的对空间和速度的限制，更有利于激光技术应用于在线或手提式检测系统中。

图1 苹果果面激光漫反射图像采集系统示意图Fig.1 Schematic diagram of the apple fruit surface laser diffuse reflection image acquisition system

2 国内外研究进展

2.1 激光技术在苹果内部品质分级中的研究进展

从上个世纪90年代开始，一些研究人员开始尝试使用激光技术对苹果内部品质进行无损检测研究。由于激光和近红外光谱相比具有更好的亮度和方向性，日本学者Tu等研究人员首先将激光作为光源对苹果的硬度进行无损检测的研究人员。该研究小组[7]利用工作波长为670nm的氦-氖激光器作为光源，使用CCD摄像头采集苹果表面的激光散射光斑，并通过光斑的面积分析苹果的成熟度和硬度。由于这次实验是第一次使用激光作为光源的尝试性实验，实验采用苹果的样品为大小较为一致的样品，而且，通过CCD采集的光斑图像也没有进行去噪处理。该研究报道的实验结果很不理想，建立水果成熟度的预测模型时，利用偏最小二乘（PLS）算法，建立光斑图像总像素数与水果成熟度之间的数学模型，得到的绝定系数（R2）为0.64。实验说明了采用单一波长的激光光斑图像并不能完整准确地预测苹果的硬度。

为了能够较为全面地反映果实的内部信息，Lu等[8]首次采用了多个波长的单色光光斑图像法用于苹果可溶性固形物含量和硬度的检测。该方法利用650～1100nm范围内波长为680、880、905、940、1060nm的单色光作为光源，这5个不同波长的单色光轮流工作，照射在苹果果面，均能够在果面形成光斑。研究采用CCD摄像头采集果面的光斑图像，并通过简单的图像处理方法对图像中的像素平均光强进行计算，将光强均值作为分析苹果可溶性固形物含量和硬度的指标。其中硬度模型的预测效果较好（r=0.87），而可溶性固形物含量模型的预测效果并不理想（r=0.77）。虽然该研究对光斑图像法的光源进行了改进，已由单波长变为了多波长，这对更多地获取苹果内部成分的信息提供了保障。但是研究的水果样品仍然为大小相似的苹果，而且研究采用的光强均值法并没有将果面光斑图像的亮度信息充分地表现出来，也没有考虑果面镜面反射的影响，因此，该研究仍然不能将光斑图像法应用于大量的苹果无损检测的实践中。

为了能够进一步改进多个波长的光斑图像法，Peng和Lu使用朗伯余弦定律（Lambertian Cosine Law）重新计算了光斑图像中像素的光强均值，并利用该数据建立偏最小二乘回归（PLSR）模型预测苹果可溶性固形物含量和硬度，得到的模型相关系数分别为0.82和0.89，交互验证均方根误差（RMSECV）分别为0.92°Brix和6.50N，此种方法大大提高了利用光斑图像的光强均值预测苹果品质的模型精度[9]。但是，该方法对可溶性固形物含量的预测能力仍然不令人满意。

2.2 激光图像技术在苹果品质分级中的研究进展

从这些前期研究人员的研究结果可知，前期的研究主要是对激光技术对苹果进行无损检测的一些可行性研究，同时，研究者这对多波长的选择和形状大小的修正做了一定探索研究，并取得一定的效果。而要真正利用激光图像技术对苹果进行实际无损检测的，就需要和近红外光谱检测技术一样获得更多有效的信息，以提高检测的预测精度，这方面的可研究方面一个是在检测中获得更多需要检测的有用信息，在这个部分主要是在检测是选用合适的多个工作波长，此外，根据苹果的组织光学特性优化采集条件也显得十分重要；另外一个就是根据得到信息，如何提取更多的有效信息，避免各种背景的干扰，在各个部分就包括，图像的预处理，苹果大小和形状的修正，还有就是对采用信息选择和优化。下面的部分将介绍这些研究方向近年来的研究进展。

前期的研究[7-8]均没对采集系统中激光入射角进行选择和比较，只是简单说明激光光束应以一定角度照射在水果果面上。由于激光器与摄像头处于同一水平面上，为使激光照射在苹果果面上的光斑能够被摄像头清晰地拍摄到，激光光束应与摄像头的中心线呈一定的角度。庆兆珅等将CCD摄像头的中心线垂直于苹果果柄-花萼方向放置。通过比较入射角设为5°、10°、15°、20°、25°时得到激光漫反射图像的效果和苹果曲率的影响，最终选定激光光束的入射角均为15°[10]。吴彦红等的研究表明，当采用632nm的氦-氖激光器作为光源时，激光束以一个较小的入射角（5°～10°）入射到苹果表面，可以减少垂直入射时样品表面的镜面反射对CCD成像的影响[11]。

多数的研究人员通过光斑的总像素数[12]或像素强度的平均值[13]对水果的硬度或可溶性固形物含量进行检测，且被测样品一般选取大小相似形状相近的水果，均没有考虑样品形状对果面光斑的影响。然而，实际上苹果大小不同、形状各异，因此，若激光射入不同形状但内部成分相同的苹果样品，由于光的传播路径不同，光在果面上形成的光斑面积和反射光强度均有不同。所以，消除形状参数的影响将能够更为全面、准确地反映苹果可溶性固形物含量和硬度[14]。庆兆珅等的研究结果表明采用拉普拉斯算子可以有效地提取苹果和果面光斑的轮廓，并能够准确地得到光斑上任意点到光斑中心的距离以及该点所对应的苹果样品的弧度。而这种方法检测苹果外形尺寸的结果与传统测量法的检测结果十分接近，误差仅为5.3%。通过果面光斑和苹果的半径可以计算出被测点对应的苹果曲率，从而获得苹果果面反射光强度和光斑面积的修正公式，即苹果形状修正算法[10]。

此外，庆兆珅研究小组分别利用光斑的总像素数/像素强度频率以及光晕的总像素数/像素强度频率建立苹果内部成分的预测模型中，二者体现了相似的预测能力，但后者有将模型预测精度提高的趋势。研究发现，通过阈值设定的方法，可以直接去除激光光束的镜面反射，而且不丢失过多的有效信息，反而对预测苹果质量参数的效果略有提高作用。而光晕图像中的像素强度频率主要反映激光漫反射光的光强，而且通过统计不同灰度值区间内像素的个数，可以分析出每个像素的强度信息，因此，单独利用光晕像素强度频率建模可以更全面地反映苹果内部成分的信息，同时避免了镜面反射的影响。因此，光晕像素强度频率预测苹果质量参数的结果最好，而光斑总像素数的预测能力最差。利用形状修正算法校正后的像素强度频率建模，可以有效地提高苹果可溶性固形物含量以及硬度模型的预测能力。对比形状修正算法校正前后的可溶性固形物含量模型，修正之后的模型相关系数r从0.78提高到0.87，同时预测相对标准差RSD%从11.63%降低到6.46%。经过校正后的像素强度频率建模可以将硬度模型中的r从0.80提高到0.89，同时将RSD%从15.60%降低为9.84%[10，15]。

在此基础上，庆兆珅研究小组利用苹果果面的光晕信息分别预测‘Elstar’苹果和‘Pinova’苹果在整个生长期中可溶性固形物含量和硬度的变化。通过建立苹果在整个生长成熟期的可溶性固形物含量和硬度与光晕像素强度频率的偏最小二乘回归（PLSR）模型，用以监测两个不同品种、不同生长环境下的苹果，在生长期中可溶性固形物含量和硬度的变化情况[10]。

2.3 激光技术在苹果外部品质分级中的研究进展

在利用激光技术对苹果内部品质分级指标（硬度、糖度等）进行研究的同时，也有学者研究了激光技术对苹果外部品质分级指标如苹果的颜色、表面损伤，乃至内部腐烂情况进行了探索性的研究。Pajuelo等[16]利用5mW的氦氖激光器的激光对苹果的采后的檫伤进行了分级检测，取得了较好的效果。南京农业大学的屠康研究小组利用650nm的25mW半导体激光器，以15°的入射角照射的苹果表面，并采用CCD摄像机获得激光图像。研究结果表面，利用激光图像法对苹果的表面颜色（a*值和H值）等颜色品质可进行很好的预测，特别是对嘎拉苹果的预测精度很高[17]。此外，该小组同样采用该技术，探讨了激光技术分析苹果采后表面损伤和内部腐烂的可行性。在分别对利用钢球砸伤，模拟苹果样品在采后受到损伤的情况和利用注射器将青霉菌注入苹果果心，模拟苹果内部腐烂情况的样品进行研究后的结果表明，激光图像法检测苹果表面的损伤和内部腐烂是可行的[18]。

3 展望

激光具有分析苹果理化特性的能力，激光技术也因此而在苹果无损检测领域逐渐成为了热门研究课题。由于激光的单色性，对其分析不能像近红外光谱一样通过光谱仪，利用扫描的光谱分析苹果内部成分及其含量的信息。因此，可结合成熟的机器视觉技术，通过摄像头采集激光苹果果面形成的光晕图像，分析苹果内部成分的信息。而且，依靠机器视觉技术采集激光果面光斑图像，可以解决近红外光谱技术中利用光纤传输而造成的对空间和速度的限制，更有利于激光技术应用于在线或手提式检测系统中。在现有的研究中，研究者通过对多个适合的激光工作的选择和优化，入射角等采集参数的优化，利用不同算法进行图像噪声去除，对苹果大小和形状进行修正，探索更有效的建模信息源等方面工作，使得激光图像技术在苹果内部品质检测，特别是苹果的硬度（成熟度）的检测方面取得了较好的效果。同时，已成功的监测了两个不同品种、不同生长环境下的苹果，在生长期中可溶性固形物含量和硬度的变化情况。随着激光图像技术研究不断深入和相关专用仪器的产生和发展将使激光技术在苹果的采后商品化处理中的分级过程中实现实用化和产业化，有效地提高我国苹果商品化处理的水平。

[1] 中华人民共和国统计局编. 2010中国统计年鉴[M]. 北京：中国统计出版社，2010.

[2] 翟衡，史大川，束怀瑞. 我国苹果产业发展现状与趋势[J].果树学报，2007，24（3）：355-360.

[3] 中国农业年鉴编辑委员会编. 2009中国农业年鉴[M]. 北京：中国农业出版社，2009.

[4] 祁春节. 入世与中国水果业：影响及应对措施[J]. 国际贸易问题，2001（1）：6-10.

[5] 周炳坤，高以智，陈倜嵘，等. 激光原理[M]. 北京：国防工业出版社，2000.

[6] Qing Z S Zude M，Ji B P. Wavelengths selection for predicting physico-chemical apple fruit properties by means of NIRS for automation[C]. In Proceeding of CIGR/ EURAGENG/VDI/FAO workshop on“Processing & Post Harvest Technology and Logistics”，3-7 September 2006，Bonn，Germany.

[7] Tu K，De Busscher R，De Baerdemaeker J，et al. Using laser beam as light source to study tomato and apple quality nondestructively[J].Proceeding of the Food Processing Automation IV Conference，1995，11.

[8] Lu R.Multispectral imaging for predicting firmness and soluble solids content of apple fruit[J].Postharvest Biology and Technology，2004，31：147-157.

[9] Peng Y K，Lu R F. New approaches of analyzing multispectral scattering profiles for predicting apple fruit firmness and solubles solids content [R]. Meeting Presentation of ASABE，9-12 July，2006，7.

[10] 庆兆珅. 苹果无损检测的可见-近红外激光漫反射光谱图像技术研究[D]. 北京：中国农业大学，2007.

[11] 吴彦红，赵杰文，陈全胜，等.水果组织光学参数的激光图像无损测量技术[J].江苏大学学报：自然科学版，2007，28（1）：8-11.

[12] Tu K，Jancsok P，Nicolai B，et al. Use of laser-scattering imaging to study tomato - fruit quality in relation to acoustic and compression measurements[J]. International Journal of Food Science and Technology，2000，35：503-510.

[13] Peng Y K，Lu R F.Improving apple fruit firmness predictions by effective correction of multispectral scattering images [J].Postharvest Biology and Technology，2006，41：266-274.

[14] Qing Z S，Ji B P，Zude M. Predicting soluble solid content and firmness in apple fruit by means of laser light scattering images[J]. Journal of Food Engineering，2007，82：58-67.

[15] 庆兆珅，籍保平，史波林，等. 苹果品质检测的可见-近红外激光漫反射光谱图像法的方法研究[J]. 光谱学与光谱分析，2008，28（6）：1273-1277.

[16] Pajuelo M，Baldwin G，Rabal H，et al.Bio-speckle assessment of bruising in fruits[J]. 0pticsand Lasers in Engineering，2003，40：13-24.

[17] 陈育彦，屠康，任珂，等. 基于激光图像的苹果品质分析与模型[J]. 农业工程学报，2007，23（4）：166-171.

[18] 陈育彦，屠康，柴丽月，等. 基于激光图像分析的苹果表面表面损伤和内部腐烂检测[J]. 农业机械学报，2009，40（7）：133-137.