萝卜(Raphanus sativus L.),是十字花科萝卜属的一年生或两年生草本双子叶植物。栽培范围广,种植面积大,是我国的第三大蔬菜。随着人们生活水平的提高和生产的发展,消费者对萝卜产品质量的要求也逐步提高,然而病虫害及内部缺陷是萝卜优质、高产的主要威胁。萝卜的内部缺陷主要表现为糠心和黑心,糠心表现为萝卜内部出现木质化,水分损失,最后产生空洞;黑心表现为萝卜表面光滑无异样,内部变黑、腐烂,最后成空心干腐状。目前国内对萝卜品质的检测主要停留在人工检测上,通常是采收过程中对样本随机抽样,然后采用目测法检测,对有明显糠心、黑心症状或症状不明显的样品进行剖开检验,此种方法费时费力效果不好。高光谱图像是一种先进的无损检测技术,已被成功用于农产品的质量和安全检测。本文利用高光谱图像技术对萝卜内部缺陷进行检测,期望通过光谱信息结合筛选的特征波段提高识别萝卜内部缺陷的精度,达到无损鉴别糠心、黑心萝卜的目的,为萝卜自动化分级提供理论和技术支持。1.高光谱图像检测系统的构建为了识别萝卜内部缺陷,以白萝卜为对象,构建了透射、反射和半透射三种高光谱图像采集单元,并通过反复实验,确定了包括光照强度、曝光时间、传送带运行速度、光源高度和角度等系统检测参数。2.白萝卜贮藏过程中糠心原因的分析分析了不同等级糠心白萝卜的水分含量、硬度、脆度、可溶性固形物、粗纤维和木质素等理化指标,对理化指标变化与糠心等级进行了相关性分析研究,探讨了白萝卜理化指标与糠心之间的关系。结果表明,水分含量和木质素与糠心等级的相关系数分别为0.982和0.985,显示了水分含量和木质素的变化是引起白萝卜采后糠心的主要原因。3.高光谱图像对白萝卜糠心的检测为了实现白萝卜糠心的无损检测,利用透射、反射和半透射3种高光谱图像采集模式来获取白萝卜的高光谱图像信息,提取了白萝卜中心部位感兴趣区域的光谱信息,采用不同光谱预处理方式对光谱进行处理,运用连续投影算法(successive projections algorithm,SPA)方法选出了 4 个特征波长:623、685、747 和 796 nm。比较全波段和特征波段建模结果,结合偏最小二乘分析(partial least squares discriminant analysis,PLS-DA)、支持向量机(support vector machine,SVM)、人工神经网络(artificial neural network,ANN)三种算法分别建立识别白萝卜糠心的模型,并对模型的性能进行了比较,最后利用算法建立识别白萝卜5个糠心等级的模型。结果表明:3种采集模式中,透射采集模式优于其他采集模式,更适合白萝卜糠心的检测。全波段建模和特征波段建模结果差别不大,但特征波段可以减少冗余信息,提高模型运算速度,故选择特征波长进行进一步研究。3种识别模型中,ANN模型得到的结果更加稳定,识别白萝卜糠心效果好,建模集和验证集识别白萝卜糠心的总体准确率分别为94.9%和95.6%。识别白萝卜5个糠心等级的模型效果较差,建模集和验证集准确率分别为64.3%和60.2%,对白萝卜进行5个糠心等级的识别需要模型进一步改进。4.高光谱图像对白萝卜黑心的检测本研究利用高光谱图像透射采集模式对白萝卜黑心进行检测,样本通过接种黑心病原菌并培养一周后获得,选取样本中心25000个pixels的矩形区域作为感兴趣区域,提取原始光谱数据,利用SPA方法选出五个特征波长,为别为580 nm、673 nm、747nm、805nm和877nm。比较全波段和特征波长,结合PLS-DA、SVM、ANN三种算法建立识别白萝卜黑心的模型。结果表明:特征波段建模不仅去除冗余信息,提高运算速度,还提高了模型准确率。ANN模型识别白萝卜黑心效果最好,建模集和验证集整体准确率分别达到99.1%和97.6%。