通过调控采收日期和1-MCP的应用来调节采后苹果的生理机能

《Postharvest Biology and Technology》：Modulating postharvest apple fruit physiology by managing the harvest date and 1-MCP application

苹果早期压痕检测方法融合三维点云与光谱数据，通过参数自适应拉普拉斯几何校正模型解决曲面导致的边缘光谱失真问题，显著提升检测准确率至93%，在多个苹果品种中验证有效。

　　在农业产品无损检测领域，苹果作为一种重要的水果，其表面的机械损伤（如碰伤和压伤）对品质和市场价值有着显著影响。传统方法依赖人工视觉观察，不仅效率低下，而且难以准确识别早期损伤。近年来，高光谱成像技术因其能够获取丰富的空间和光谱信息，成为早期损伤检测的重要工具。然而，苹果等曲面水果表面的曲率变化导致不同区域与固定光源之间的入射角差异，进而造成边缘区域光谱反射率的畸变，这对早期损伤检测提出了严峻挑战。本文提出了一种融合三维点云数据与高光谱数据的方法，旨在解决因光谱畸变导致的损伤检测不准确问题，从而为几何不规则农业产品的质量检测提供新的技术思路。

### 方法概述

本文的核心方法是通过融合三维点云与高光谱数据，构建一个同步获取异构数据的融合架构。该架构首先对原始数据进行联合配准处理，利用空间几何约束建立映射模型。随后，基于该映射模型，进一步提出一种参数自适应的基于Lambert模型的几何影响校正方法。该方法通过引入自适应多项式核函数，对每个像素点进行自适应校正系数调整，实现像素级的动态补偿，从而提高光谱反射率的均匀性。最终，利用校正后的高光谱数据设计早期损伤检测模型，以提高检测的准确性。

### 方法创新点

1. **多模态数据融合机制**
本文构建了一种基于高光谱成像和双目结构光深度相机的多模态数据融合机制。该机制利用空间几何约束校准算法处理原始多模态数据，并通过Otsu阈值分割方法优化点云切割过程。基于三维物体表面矢量场的动态映射数据和光谱反射特性，建立像素点局部空间几何特征与校正后的反射光谱之间的非线性模型。这一机制不仅提高了数据的对齐精度，还有效排除了背景干扰和边缘区域的光谱混叠现象。

2. **几何影响校正方法**
本文提出了一种基于参数自适应多项式核函数的几何影响校正方法。该方法通过引入自适应的多项式核函数，对不同入射角区域进行自适应校正，克服了传统固定系数校正方法的局限性。具体而言，通过计算点云数据的表面矢量，结合双光源几何光学模型，确定每个像素点的入射角，并利用自适应多项式核函数对光谱进行校正。校正后的光谱数据能够更准确地反映实际的反射特性，减少因曲率变化引起的光谱畸变。

3. **多目标优化策略**
在优化多项式核函数参数时，本文采用了一个多目标优化函数，综合考虑了光谱相关系数（SSC）、光谱角映射（SAM）和均方根误差（RMSE）等三个评价指标。通过网格搜索和经验验证，选择合适的权重系数，使得校正效果在光谱相关性、形状特征和光谱强度之间达到最佳平衡。这一策略不仅提高了校正的准确性，还增强了校正的稳定性。

### 方法优势

1. **提高边缘区域的检测精度**
在传统的光谱校正方法中，固定系数往往难以准确描述非理想漫反射表面的复杂非线性关系，导致在大入射角区域（如θ > 35°）出现过校正或欠校正的问题。本文提出的自适应多项式核函数校正方法能够根据局部表面特征动态调整校正参数，从而更有效地补偿几何影响。实验结果表明，该方法在多个苹果品种的边缘区域检测精度提升了高达26%。

2. **增强光谱信息的统一性**
通过融合三维点云和高光谱数据，本文方法不仅提高了光谱反射率的均匀性，还有效减少了因表面曲率变化引起的光谱响应畸变。校正后的光谱数据在边缘区域与中心区域的光谱值高度一致，这表明方法在光谱信息的统一性方面具有显著优势。

3. **提升分类模型的性能**
在损伤检测模型的构建中，本文采用了随机森林算法，通过校正后的光谱数据进行分类。实验结果显示，该方法在三个苹果品种的检测中均表现出色的分类性能，特别是在边缘区域的检测中，检测准确率和召回率均有显著提升。校正后的光谱数据为分类模型提供了更可靠的特征输入，从而提升了检测的准确性和鲁棒性。

### 方法实现

在数据处理阶段，本文采用了多步骤的流程。首先，对高光谱图像和点云数据进行预处理和配准，以确保数据的一致性和准确性。然后，通过计算表面矢量和入射角，建立几何影响校正模型。最后，利用随机森林算法进行损伤检测，并通过多目标优化策略优化模型参数，以实现最佳的分类效果。

### 实验结果

实验结果表明，本文提出的方法在多个苹果品种的边缘区域检测精度上均有显著提升。通过对比分析不同校正方法的效果，发现传统的固定系数校正方法在边缘区域的检测效果较差，而本文的自适应多项式核函数校正方法能够有效减少光谱畸变，提高检测的准确性。此外，校正后的光谱数据在不同入射角区域的分布更加均匀，光谱曲线的连续性和特征完整性得到显著改善。

### 方法的意义

本文提出的方法不仅在技术上具有创新性，还具有重要的实际应用价值。通过融合三维点云和高光谱数据，该方法能够有效克服因几何因素导致的光谱畸变，从而提高损伤检测的准确性。这一技术的推广和应用，有望为农业产品的无损检测提供新的解决方案，推动智能化、精准化的质量检测技术发展。

### 方法的局限性与未来方向

尽管本文的方法在多个方面表现出色，但仍存在一些局限性。例如，点云数据的采样密度不足和噪声干扰可能影响表面矢量的准确性，而校正模型的复杂性可能导致计算资源的消耗增加。因此，未来的研究应进一步优化数据采集和处理流程，提高点云数据的质量和校正模型的效率。此外，探索更复杂的模型结构和更高效的优化算法，也有助于提升方法的性能和适用性。

综上所述，本文提出的方法在提高苹果早期损伤检测的准确性方面具有显著优势，为农业产品的无损检测提供了新的技术思路和实践路径。