为实现苹果在贮藏过程中有效的腐败预警, 提出一种基于高光谱图像灰度值均值融合方差的二维高光谱信息表征方法, 并构建了苹果样本的巴氏距离(BD)预警模型。 首先, 为获得有效的光谱信息, 对高光谱图像的感兴趣区域(ROI)进行了选择; 同时, 为减少噪声影响, 通过对比分析6种光谱信息的预处理方法, 最终采用Savitzky-Golary(SG)平滑方法, 分别对均值和方差表征的两种光谱信息进行全波段(371.05~1 023.82 nm)光谱曲线降噪处理。 其次, 为获得特征波长, 从降噪后的光谱曲线中运用连续投影算法(SPA)结合样本色调角和失水率2个理化指标, 提取了高光谱图像共同的特征波长, 分别得到了两种表征方式下的7个(均值表征)和8个(方差表征)特征波长。 然后, 通过分析样本色调角随贮藏天数变化的折线图, 确定了图中发生明显转折的数据点所对应的贮藏日期, 并结合样本贮藏期间实际观察的情况, 初步界定第21贮藏日为样本腐败的基准日。 另外, 依据苹果样本表皮叶绿素特征吸收波长(675 nm左右), 绘制出平均光谱反射值变化趋势图, 发现趋势图在第21日升至最高点, 吻合色调角的分析结果, 这表明样本确实从第21日开始腐败。 因此, 第21贮藏日对应的特征波长可用来建立腐败基准日的光谱信息表征向量。 最后, 分别建立基于均值表征、 方差表征及二者相融合表征下的光谱信息巴氏距离腐败预警模型。 结果表明: 基于均值融合方差的光谱表征信息所建立的预警模型相较于它们各自建立的预警模型, 波动性进一步减弱, 可更好地反映苹果样本在贮藏过程中接近腐败的程度。 因此, 融合灰度值均值和方差的光谱表征信息更能全面的表征苹果贮藏过程中的品质变化, 模型预警的稳健性及泛化能力更强, 为利用高光谱图像信息对苹果贮藏进行腐败预警提供了新思路。

为了实现香蕉在贮藏过程中的腐败预警, 对不同贮藏时间的香蕉进行高光谱数据采集。 应用Savitzky-Golar(SG)平滑对原始光谱进行降噪处理, 以获得少噪声干扰的光谱数据。 提出一种基于Wilks Λ统计量结合主成分信息融合的高光谱特征波长提取方法。 该方法可描述为: 先对降噪后的高光谱数据进行主成分分析(PCA), 然后对获取的主成分数据分别构建Wilks Λ统计量, 进而可选出Wilks Λ值最小的主成分变量(第3主成分, PC3), 绘制出该主成分对应于原始变量(各波长)下的组合权重系数图, 将权重系数图中的波峰、 波谷所对应的波长变量提取出来即为该法提取出的特征波长。 按此方法共提取出9个特征波长。 同时, 对香蕉的色差数据进行分析, 通过分析测试样本的L^*, a^*, b^*, ΔE值随贮藏时间的变化趋势, 找到数据异常点(拐点)所在位置, 并结合实际感官情况初步确定了腐败基准为第6个贮藏日。 为了进一步说明所确定的腐败基准的合理性, 应用特征光谱数据做出不同贮藏时间样本平均光谱反射值曲线, 对比发现在不同特征波长下光谱反射值均在贮藏第6天达到最小值, 与色差指标分析结果一致, 进一步证明了腐败基准选取的正确性。 所以, 可用第6个贮藏日的特征光谱信息来表征基准信息, 以生成腐败基准的特征光谱表征向量及其对应的协方差矩阵。 最后, 以表征腐败基准的光谱特征向量为基点, 采用马氏距离(MD)构建了香蕉贮藏过程中基于高光谱特征波长信息的腐败预警模型, 并对模型进行了验证。 结果表明: 随着香蕉贮藏时间的延长, 该预警模型给出的测试样本与腐败基准的距离越来越近, 吻合香蕉腐败的实际进程。 因此, 所提出的高光谱特征波长提取方法、 腐败基准的确定及其表征方法以及腐败预警高光谱模型是合适的, 能有效地预警香蕉腐败。