APPS | 基于mMSI的雪梨损伤检测及损伤程度分类研究

本文系Agricultural Products Processing and Storage原创编译，欢迎分享，转载请授权。

01

Introduction

梨子被誉为“百果之宗”，在水果市场的地位非常重要。梨子果肉中富含多种维生素，有清热解毒、止咳化痰、清心润肺的功效。另外，梨子还可以改善呼吸系统和肺部功能，保护肺部免受空气中灰尘和烟尘的影响。随着人力成本越来越昂贵和人工智能时代的来临，开展一种快速无损的雪花梨品质检测和分类方法具有重要的科学意义。近年来，MSI技术已被国内外大量学者应用于农产品的检测研究，并在农产品检测范畴取得了丰硕的成果，但运用MSI技术进行雪花梨缺陷检测并对其分类的研究还比较少，因而应用MSI技术开展雪花梨缺陷的检测及分类研究具备巨大的潜力。

02

Results

实验所使用的多光谱图像采集系统由搭载5个不同波长的滤波片的近红外相机、环形光源、遮光篷、样品载物台、计算机组成，系统结构如图1所示。

图1 多光谱图像采集系统

完好与损伤程度不同的雪花梨的平均光谱的趋势非常相似。从而，基于4种不同损伤程度的雪花梨的光谱值具有相似性。观察上图可知，完好雪花梨的平均光谱反射率均高于损伤雪花梨，而且损伤程度越大，反射率越低，而在522 nm处，四个标签差异明显，因此本研究在前文选用522 nm为基础波长对雪花梨多光谱图像进行批量处理获取感兴趣区域。在460、842 nm处，完好与损伤程度不同的雪花梨的平均光谱的反射率均呈现下降趋势，而其他波段则恰恰相反。表明4种不同损伤程度的雪花梨的光谱反射率具有区分度，即4条光谱曲线具有差异性。进一步分析，在460处和842 nm的光谱曲线的反射率迅速降低。在522、660、762 nm处的光谱曲线的反射率迅速增长。

图2 不同损伤程度的雪花梨在5个波段下的平均光谱

本研究选择了Linear SVM和RF还有abdboost来与Spectral CNN模型进行对比。本研究使用网格搜索法找到SVM和RF模型在各个数据集上的最佳参数，在6种预处理方法中，SG平滑可以使Spectral CNN模型达到最高准确率97.06%，SVM在SNV预处理下达到最高准确率87.19%，RF在DET预处理下达到模型最高准确率86.98%，而Adaboost模型在SNV预处理下达到93.16%，这三个模型的准确率均远远低于基于原始光谱的Spectral CNN模型的准确率，相比传统的SVM、RF、和Adaboost方法，基于原始数据的Spectral CNN模型仍然属于最优模型。

图3 各类模型预测准确率示意图

03

Conclusion

研究结果表明，该模型的精度明显优于传统计量模型，在测试集上的预测准确率可达97.06%。多光谱成像技术可以准确、有效、快速的识别轻微损伤的雪花梨，并对损伤程度不同的雪花梨进行分类，为基于多光谱成像技术的雪花梨损伤检测及其损伤程度分类实际应用提供了新思路。

MSI-based damage detection and damage degree classification study of snow pear

Yang Su1, Jiaying Wang2,*, Songning Bai3

1 School of Life Sciences, Heilongjiang University, Harbin, 15000, China

2 School of Information Engineering, Dalian University, Dalian, 116000, China

3 School of Electronic Engineering, Heilongjiang University, Harbin, 15000, China

*Corresponding author.

Abstract

Accurate classification of snow pear damage enables optimized utilization, enhancing economic value. Multispectral image (MSI) has the advantages of efficient, non-destructive, and accurate detection. Thus, the study was based on MSI to achieve accurate detection and degree classification of snow pear damage. The quantitative damage device was used to create the sample damage of snow pear. The MSIs of snow pear were captured by the near-infrared industrial camera equipped with 5 optical band-pass filters. Then, the Euclidean distance between their average spectral values was calculated. The damage degree of snow pear was classified comprehensively according to the relative position of Euclidean distance in the coordinate system, the clustering analysis result of the K-means clustering algorithm (K-means). The collected MSIs of snow pears are processed by binarization, morphology, and contour extraction in turn. Besides, the datasets were categorized by selecting the average spectral values of snow pear’s region of interest (ROI) under different numbers of impacts. Support vector machine (SVM) model, random forest (RF) model, and adaptive boosting (AdaBoost) model were built to classify them respectively. The performance of the above-built model was evaluated based on the test set, where the performance of the AdaBoost model was higher, with a detection accuracy of 93.16%. The research results show that MSI technology can accurately, effectively, and quickly identify the slightly damaged snow pears, and classify the snow pears with different degrees of damage, which provides a new method for the practical application of snow pear damage detection and damage degree classification.

Reference:

Su, Y., Wang, J. & Bai, S. MSI-based damage detection and damage degree classification study of snow pear. Agric. Prod. Process. Sto. 1, 8 (2025). https://doi.org/10.1007/s44462-025-00007-7

本文编译内容由作者提供

编辑：梁安琪；责任编辑：孙勇

封面图片来源：图虫创意

为进一步促进动物源食品科学理论的完善与创新，加速科研成果向实际生产力的转化，助力产业实现高质量、可持续发展，由北京食品科学研究院、中国肉类食品综合研究中心、中国食品杂志社将与江西农业大学、江西科技师范大学、 南昌师范学院、 家禽遗传改良江西省重点实验室 共同举办的“ 2025年动物源食品科学与人类健康国际研讨会 ”，将于 2025年10月25-26日 在 中国 江西 南昌 召开。

长按或微信扫码进行注册

北京食品科学研究院、中国食品杂志社和全国糖酒会组委会将于2025年10月16-18日在江苏省南京市南京国际博览中心举办第113 届全国糖酒会食品科技成果交流会。食品科技成果交流会期间举办食品科技成果展，本届科技成果展以我国当前食品产业科技需求为导向，重点邀请“十四五”以来获得国家和省部级重要科研项目支持产出的食品科技新成果、新技术、新产品参展，并针对企业技术需要开展精准对接服务。

长按或微信扫码进行注册

以上会议招商招展

联系人：杨红；电话：010-83152138；手机：13522179918（微信同号）

APPS感谢您的关注

欢迎广大作者积极撰写论文，踊跃投稿！

（点击左侧二维码查看期刊主页）