基于VIS–NIR和SWIR高光谱图像的黄瓜可溶性固形物无损检测

《Food Science & Nutrition》：Nondestructive Evaluation of Soluble Solid Content of Cucumbers Based on VIS–NIR and SWIR Hyperspectral Images

黄瓜可溶性固形物（SSC）的非破坏性检测研究，采用VIS–NIR和SWIR光谱技术，结合PLSR模型优化预处理（SG、MSC）和波长选择（SPA、CARS、UVE），建立最佳预测模型，VIS–NIR的SG全波段模型R2p达0.827，SWIR的MSC-CARS模型R2p为0.818，验证双波段技术有效性，并指出VIS–NIR更适合在线监测。

　　在中国，黄瓜是重要的农产品之一，年产量超过6000万吨，占全国黄瓜总产量的80%。黄瓜以其脆嫩、多汁和便于食用的特性，深受消费者喜爱，并已成为国民饮食中的常见蔬菜。然而，黄瓜的品质受到多种因素影响，其中可溶性固形物（Soluble Solid Content, SSC）是衡量其风味和市场价值的重要指标。高SSC的黄瓜不仅口感更佳，而且保鲜期更长，具有更高的市场竞争力。传统的SSC检测方法通常依赖于随机抽样和破坏性检测，这不仅耗时耗力，而且无法满足大规模、连续化的检测需求。因此，如何实现非破坏性、高效率的SSC检测成为当前研究的热点。

近年来，随着光谱成像技术的发展，人们开始探索其在农业产品品质检测中的应用。其中，可见光-近红外（VIS–NIR）和短波红外（SWIR）光谱技术因其非接触、非破坏、高精度等优势，成为黄瓜SSC检测的理想工具。本研究旨在通过对比VIS–NIR和SWIR两种光谱范围在黄瓜SSC检测中的表现，探索适用于黄瓜分选工厂的非破坏性检测方案，为在线监测技术的发展提供科学依据和技术支持。

黄瓜的SSC含量会随着其生长阶段的变化而波动。在生长初期，由于黄瓜仍在快速积累糖分，其SSC含量较高，但个体差异也较大。随着生长周期的延长，黄瓜的水分含量增加，糖分代谢加快，SSC逐渐下降并趋于稳定。这一趋势表明，黄瓜在不同生长阶段的SSC变化具有一定的规律性，可以作为非破坏性检测的参考依据。为了全面评估不同光谱范围在SSC检测中的效果，本研究收集了黄瓜在不同生长阶段的高光谱图像数据，并通过多种光谱预处理方法（如多变量散射校正MSC、标准正态变量变换SNV、光滑Savitzky–Golay滤波SG）进行数据优化，进一步结合不同的敏感波长选择算法（如SPA、UVE、CARS）提取关键波长信息，最终构建并优化基于偏最小二乘回归（PLSR）的SSC预测模型。

研究结果表明，在VIS–NIR光谱范围内，SG-全波段-PLSR模型表现最佳，其预测集的决定系数R2p为0.827，均方根误差RMSEP为0.176，残差预测偏差RPD为2.403。而在SWIR光谱范围内，MSC-CARS-PLSR模型具有最佳的预测效果，R2p为0.818，RMSEP为0.177，RPD为2.344。这些结果表明，尽管两种光谱技术都能有效用于SSC的非破坏性检测，但VIS–NIR在预测精度和成本方面更具优势，更适合应用于黄瓜分选工厂的在线监测系统。

在VIS–NIR光谱范围内，SG滤波方法显著提升了光谱数据的质量，使得模型预测性能更优。而MSC方法则在SWIR光谱中表现出良好的优化效果，有效去除了光谱中的散射干扰，提高了预测的稳定性。此外，敏感波长选择方法对模型的性能也有重要影响。在VIS–NIR中，全波段模型的预测性能优于其他方法，而SPA方法虽然能有效减少计算量，但预测精度相对较低。在SWIR中，CARS方法表现出较高的预测能力，能够准确提取与SSC相关的敏感波长，从而提升模型的预测效率和实用性。

黄瓜的表面结构复杂，具有一定的凹凸不平和蜡质层，这使得在SWIR波段中光谱反射率较高。光谱数据中，不同波长区域对应不同的化学成分和物理结构特性。例如，400–500 nm波段主要反映类胡萝卜素和叶黄素的吸收特性，而680 nm附近的波段则与叶绿素的吸收相关。在700–750 nm范围内，反射率的增加反映了“红边效应”，这通常与植物叶片中叶绿素含量变化有关。在960 nm附近，由于水分子和糖类中羟基（O-H）的二阶吸收，出现明显的波谷。而在SWIR波段中，1000–1150 nm的波段反映了水分子和糖类中C-H、O-H等官能团的吸收，1200、1450、1600、1800 nm波段则与水的吸收特性相关，而2100–2400 nm波段则包含了更多的与SSC相关的特征信息。

通过比较不同光谱范围的预处理方法和敏感波长选择方法，研究发现VIS–NIR和SWIR均能有效用于SSC的非破坏性检测，但VIS–NIR在预测精度和成本方面更优。因此，对于黄瓜分选工厂而言，采用VIS–NIR光谱技术进行在线监测具有更高的可行性。同时，本研究构建了一个包含多个生长阶段的黄瓜高光谱图像数据集，并通过对比实验验证了不同方法对模型性能的影响，为后续研究提供了丰富的数据支持和方法论基础。

本研究的创新之处在于，首次系统地从双波段高光谱角度对黄瓜SSC进行了预测研究。同时，通过实验得出的结论，也为其他类似农产品的品质检测提供了借鉴。然而，研究也指出了一些局限性，例如目前仅使用PLSR方法进行建模，未能充分探索其他更先进的算法在光谱数据处理中的潜力。此外，本研究主要关注SSC这一单一指标，未涉及水分、维生素C等其他营养成分的检测，未来可以进一步拓展研究范围，建立多指标联合预测模型。最后，研究还建议，未来可以结合深度学习技术，利用大样本数据集进行多光谱重构，从而提升模型的鲁棒性和检测效率。

综上所述，本研究通过高光谱成像技术，系统评估了VIS–NIR和SWIR在黄瓜SSC检测中的应用效果。结果表明，VIS–NIR在预测精度和成本方面更优，适合用于黄瓜分选工厂的在线检测。这一研究不仅为黄瓜品质检测提供了科学依据，也为其他农产品的光谱检测技术发展提供了新的思路。