摘 要：为了实现对苹果品质的等级评价，对果梗的完整性进行检测是必不可少的。本文选取了苹果样本260个，其中果梗完整果104个、果梗不完整果92个、没有果梗果64个。利用高光谱成像技术提取苹果感兴趣区域光谱信息。采用逐步多元回归算法（Stepwise multiple linear regression,SMLR）从全波段（450～970nm）提取了5个特征波长（594.78nm，572.08nm，599.84nm，626.48nm和666nm），采用连续投影算法（Successive Projections Algorithm,SPA）从全波段（450～970nm）提取了7个特征波长（467.5nm，672.4nm，695.4nm，730.2nm，840.4nm，952.6nm和969.6nm）。然后，提取感兴趣区域的4个纹理特征（惯性矩、相关性、能量和熵）。本试验将光谱特征、纹理特征、光谱特征结合纹理特征三组数据，分别作为输入矢量，采用支持向量机（Support Vector Machine,SVM）、BP人工神经网络（BP Artificial Neural Network,BPANN）对苹果果梗完整性进行识别，并且对比分析结果。试验结果表明：纹理特征用于识别果梗效果不佳，采用光谱特征作为输入矢量识别效果最好，且数据计算量小。SPA-SVM方法识别效果最好，识别正确率达到91.6%。该研究为苹果品质等级评价提供了理论依据。
关键词：果梗完整性；高光谱成像；连续投影法；支持向量机
引言
苹果在采摘的过程中果梗容易脱落或者折断。果梗的完整性是评价苹果品质的一项重要指标[1]，果梗分为果梗完整、果梗不完整、无果梗三种情况。传统识别果梗完整性的方法主要靠人工判定，但是人工判断效率较低且容易出现误判。利用成像技术和光谱分析检测水果品质具有无损、快速、可靠的优点[2-4]。徐旭艳等[5]应用成像技术针对酥梨果梗检测方法的普适性问题，提出了一种利用像素点分析法识别果梗的算法。总体上果梗判别正确率可达97%。Zhang等[6]根据果梗和花萼在苹果中呈现凹陷特征，提出使用计算机视觉系统结合近红外线阵结构照明和3D重建技术的识别方法。结果具有97.5％的总体识别准确度。由此可知，成像技术对果梗的识别有一定的效果，且该方法只获取了水果表面的图像信息，而在采集到的图像中，果梗和坏损可能会很相似,在识别果梗的时候容易和损坏产生混淆[7]。光谱技术能够获取水果内部品质信息，可以对水果品质进行无损检测[8]，在水果可溶性物质、损伤、硬度等品质的检测中已得到广泛应用[9-11] 。由于完整果梗和无果梗区域的光谱信息不同，所以利用光谱技术可以识别果梗的完整性，但光谱技术检测的区域只是果梗这一个区域，得到的光谱是果梗区域的平均光谱，而该平均光谱并不能代表果梗本身的光谱信息，而是果梗以及周围区域的光谱信息，从而使果梗识别效果不佳。
作者：赖兴涛