桃果实通常是在炎热多雨的夏季成熟采摘,其质地柔软,风味诱人,营养物质丰富,且在其采摘、运输、流通和销售过程中易受到机械碰伤,因此新鲜的桃果实采后极易受真菌的感染。一般来说,新鲜采摘的桃果实在常温下放置3-5天,品质会迅速变化,此时果肉易变质。桃果实采后常见的采后病害有:灰霉病、软腐病和炭疽病,它们分别由灰葡萄孢霉(Botrytis cinerea)、匍枝根霉(Rhizopus stolonifer)、炭疽菌(Colletotrichum acutatum)引起。为了避免潜在的健康风险,防止更大范围的交叉感染,必须尽快检测并剔除染病的桃果实。因此,本文以水蜜桃为研究对象,研究基于高光谱成像技术的桃果实采后病害感染的检测,分析不同病原菌生长过程的光谱特性,研究桃果实发病过程中光学参数及相关品质指标的变化,探索高光谱检测桃果实病害的机理,具体研究内容和结果如下:(1)利用高光谱成像系统获取三种病原菌在马铃薯葡萄糖琼脂板上培养期间不同时间段的高光谱图像,提取菌落生长区域光谱值,采用三种不同方法提取光谱信息:400-1000 nm全波段的光谱响应平均值,波峰716 nm处的光谱值及全波段内光谱响应值的主成分得分,通过上述三种方法得到的参数构建真菌生长拟合模型。结果表明,三种方法建立的模型测试集的决定系数(R2)为0.7223-0.9914,平方误差(SSE)和均方根误差(RMSE)分别为2.03-53.40×10-4、0.011-0.756。建立的生长模型与传统菌落计数法建立的生长模型之间的相关系数(R)为0.887-0.957。另外,采用主成分分析(PCA)和偏最小二乘法判别分析(PLS-DA)可以区分三种不同菌种和对照组的空白平板。其中,PLS-DA模型对培养36 h的三种真菌及对照组的区分准确率为97.5%。可见,高光谱图像技术能够模拟真菌生长并对不同真菌进行分类。(2)以水蜜桃果实为研究对象,将三种病原菌接种在水蜜桃上模拟桃果实的采后真菌感染情况,研究高光谱技术对真菌感染样本的检测情况并对不同病害进行区分。为了减少高光谱的数据维度,应用主成分分析(PCA)对整个波长图像进行分析,选取第一个主成分图像提取图像特征,提取38个参数(颜色信息、灰度直方图信息及灰度共生矩阵信息)作为单个样本的图像特征。在本研究中,基于图像(38图像参数)及光谱特征(420波段信息)采用偏最小二乘判别分析(PLS-DA)模型分别研究了 3个发病阶段(轻微、一般和严重腐烂)的桃果实的识别和分类。光谱信息建立的模型比图像信息模型显示出更好的区分结果,结合光谱和图像信息共同建模后,对病害桃果实的最高的区分准确率可达95%,但对三种病害的分类效果不够理想,尤其是早期病害阶段的三种病的分类。结果表明,高光谱成像技术可以有效地检测出不同类型的染病桃果实,特别是在一般腐烂和重度腐烂的样本。(3)为了研究高光谱光谱数据与相关品质指标之间的关系,通过空间高光谱成像技术及反演算法计算得到了桃果实在真菌感染过程中吸收系数(μa)与减少散射系数(μs’)的变化,并检测了真菌感染过程中桃果实的理化指标变化(病斑直径、L*值、叶绿素、Vc、可滴定酸、可溶性糖、总酚、膜渗透率、细胞微观结构等)。通过皮埃尔森线性相关性分析结果表明L*值、Vc、可溶性糖、叶绿素含量与μa及μs’成正相关性,而可滴定酸、细胞膜渗透性、总酚含量与光学特性成负相关性。比较结果可知,μa与桃果实理化指标密切相关,μs’与样本结构的完整性相关性更大,且叶绿素含量与光学特性相关性最显著(0.902-1),可以进一步研究叶绿素与病害的相关关系。(4)当病原菌侵染果实时,叶绿素作为与果实品质相关的重要指标之一,其含量出现显著降低。为研究高光谱成像技术结合叶绿素含量检测病害桃果实的可行性,采集桃果实样本腐烂过程中,高光谱数据及叶绿素含量。根据叶绿素含量利用连续投影算法,选择3个最佳波长(617 nm、675 nm、818 run)。接着通过全光谱和特征波段建立偏最小二乘回归模型来预测叶绿素含量,预测集的相关系数分别为0.904和0.854。利用特征波长计算得到了三个波段比值,可以提高图像的对比度,同时也将化学成分信息与光谱特征相结合。最终通过波段比参数建模得到98.75%的分类准确率,并清楚地显示病斑部位的空间分布。可见,结合叶绿素含量的连续投影算法,为选择高光谱图像的最佳波长提供了一个新的视角,从而能够更准确快速的检测桃果实的真菌病害。(5)开发了结合动态实验台的高光谱成像系统,能更适合于工业在线应用,采集了全果实的高光谱图像。采用统计方法选取了 3个有效单波段图像(709 nm,807nm,874 nm),并通过阈值分割的方法,建立了基于波段比的图像分割算法,对“健康”、“轻度腐烂”、“一般腐烂”和“严重腐烂”的桃果实的检测精度分别为99%、66%、100%和100%。结合病斑区域光谱信息后,从全光谱范围选择了六个特征波长,结果显示对健康和腐烂桃果实的分类精度达100%。