香蕉作為大宗水果，在運輸和貯存時，通常會采摘處于綠硬期、未經催熟且暫無法食用的青果，即青香蕉。但青香蕉在采收及運送過程中極易遭受機械性損傷，這不僅有損產品外觀，還會降低消費者的購買意愿。故而，對香蕉的碰撞損傷程度進行檢測十分必要。本文將闡述高光譜成像技術在香蕉碰撞損傷檢測中的應用。
香蕉是中國嶺南特色水果之一。據統計，2020 年中國香蕉產量達 1151.3 萬噸。在采收和運輸階段，香蕉多處于綠硬期（青香蕉），這一時期它們極易受到各種碰撞損傷。不同類型的碰傷都會加速香蕉果皮活性氧的積累，進而促使香蕉果實衰老腐敗。青香蕉受到碰撞損傷后，微生物容易侵入損傷部位，在催熟過程中，隨著乙烯釋放和果實軟化，會出現瘀傷腐爛或黑斑花臉的情況，嚴重影響香蕉的色澤品質與銷售價格。所以，迫切需要一種快速、無損檢測青香蕉碰撞損傷的方法。
傳統的青香蕉碰撞損傷檢測方法主要有人工肉眼識別和常規 RGB 圖像識別。然而，人工識別主觀性強，常規 RGB 圖像識別難以發現碰撞初期的損傷。鑒于傳統檢測方法的這些缺陷，利用高光譜技術進行無損檢測的應用得到了快速發展。高光譜成像技術融合了傳統圖像和光譜技術的長處，能夠同時獲取被檢測物體的空間信息與光譜信息，通過測定物體內外部的品質參數，并建立這些參數與青香蕉碰撞損傷之間的聯系，實現對碰傷程度的區分，彌補了傳統檢測方法的不足。
高光譜成像技術融合了光譜和圖像兩種技術，能同時獲取待檢測對象的空間及光譜信息。這意味著它不僅可以檢測出果品的相關圖像信息，還包含豐富的光譜信息。高光譜圖像技術能夠檢測水果的內外品質信息以及食品安全性等綜合性品質信息，原因在于圖像檢測技術可全面反映果品的外在特征，光譜檢測技術則能檢測果品的化學成分和物理結構等信息。因此，高光譜圖像檢測技術是一種操作簡便、快速且無損的新型檢測技術。借助高光譜成像技術和相應分析方法，提取特征波長，再建立相應的預測模型，便可判斷香蕉的碰撞損傷程度。其具體步驟如下：
高光譜圖像數據采集：運用高光譜成像儀采集數據時，需先開啟儀器預熱，隨后進行黑白校正。儀器校正完成后，對樣本進行高光譜數據采集。
光譜數據提取：對獲取的高光譜數據進行感興趣區域的光譜提取，將每個感興趣區域中所有像素點的平均光譜作為該區域的原始光譜。
光譜數據的預處理：由于原始光譜數據包含大量冗余信息和噪音，所以要對提取的光譜數據進行預處理。通過預處理，可避免其他因素降低預測模型的準確性。
預測模型的建立：采用偏最小二乘法、支持向量機、人工神經網絡、多元線性回歸等方法，構建基于光譜圖像的預測模型。接著將光譜圖像信息輸入模型，就能準確檢測出香蕉的損傷程度，并判斷該樣品是否合格。
