摘要：針對傳統(tǒng)的果蔬品質(zhì)檢測方法中樣本數(shù)量不足導(dǎo)致檢測誤差大的問題，提出了一種基于面光源下光子傳輸模擬的蘋果品質(zhì)檢測的方法。以蘋果為研究對象，采用蒙特卡洛方法仿真光子在蘋果雙層平板模型的運動軌跡，快速得到20000幅蘋果組織表面光亮度分布圖，以光學(xué)參數(shù)作為標簽，輸入卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，得到的模型進行微調(diào)遷移應(yīng)用到少量實測蘋果光譜圖像的數(shù)據(jù)集上實現(xiàn)光學(xué)特性參數(shù)的反演。最終將該網(wǎng)絡(luò)模型全連接層的輸出結(jié)果與蘋果品質(zhì)建立關(guān)聯(lián)，實現(xiàn)對蘋果糖度及硬度的無損檢測。最終結(jié)果為：果肉吸收系數(shù)μ反演準確率為93.24%、果肉散射系數(shù)μ反演準確率為92.54%;蘋果品質(zhì)分類模型糖度和硬度的預(yù)測準確率與效果最好的傳統(tǒng)光學(xué)參數(shù)的方法相比提高了5.87和6.48個百分點，蘋果品質(zhì)回歸模型糖度和硬度的相關(guān)系數(shù)與效果最好的傳統(tǒng)光學(xué)參數(shù)的方法相比提高了0.1397和0.088，與基于點光源的預(yù)訓(xùn)練模型相比也達到了更好的效果。

　　關(guān)鍵詞：蘋果;品質(zhì)檢測;光學(xué)參數(shù);卷積神經(jīng)網(wǎng)絡(luò);遷移學(xué)習;蒙特卡洛模擬

　　引言

　　近年來，我國蘋果產(chǎn)業(yè)發(fā)展較為迅速，總產(chǎn)量穩(wěn)步上升，但是進入國外市場的數(shù)量與產(chǎn)量卻不成正比，除了種植品質(zhì)不合理等原因之外，還在于蘋果的品質(zhì)檢測和分級技術(shù)較落后[13]。在這種背景下，實現(xiàn)蘋果品質(zhì)的無損檢測對于提升我國蘋果出口的競爭力具有重要意義。水果組織的光學(xué)特性參數(shù)[45]包括吸收系數(shù)μ和散射系數(shù)μ，與水果所含成分密切相關(guān)。其中吸收系數(shù)主要反映組織內(nèi)部化學(xué)信息，而散射系數(shù)與表面的組織結(jié)構(gòu)或物理特性相關(guān)。

　　因此，測得的光學(xué)特性參數(shù)可用于水果品質(zhì)的無損檢測。然而，用于研究果蔬組織光學(xué)特性參數(shù)的理論模型在表征果蔬組織異質(zhì)性方面存在缺陷，每次測量只能得到一個像素點的光學(xué)特性參數(shù)[6]。而高光譜圖像技術(shù)結(jié)合了光譜檢測和二維圖像的優(yōu)點[78]。目前，高光譜圖像技術(shù)在農(nóng)產(chǎn)品品質(zhì)分析領(lǐng)域具有較大的優(yōu)勢。高光譜成像系統(tǒng)拍攝得到的高光譜圖像包含大量光譜信息和圖像信息，光譜信息反映水果的物理結(jié)構(gòu)及化學(xué)成分圖像信息反映水果的外在特征[9]。因此采用高光譜成像技術(shù)與光學(xué)特性參數(shù)關(guān)聯(lián)是一種比較有效的檢測手段。

　　目前大多數(shù)研究在實際測量中存在樣本數(shù)量不足及耗費大量人力物力的問題，可以使用光子傳輸模擬的方法得到大量無噪聲的數(shù)據(jù)。蒙特卡洛模擬方法可以作為光子在水果組織模型傳輸模擬的標準算法，石舒寧[10]用蒙特卡洛方法模擬雙層蘋果模型在808nm波長下的光子傳輸過程。李細榮等[11]測量了蘋果、番茄和桃子幾種水果的組織光學(xué)特性參數(shù)，研究表明利用蒙特卡羅方法有助于更深層次地了解影響水果無損檢測精度的相關(guān)因素。

　　多年來學(xué)者們對光學(xué)特性參數(shù)的反演進行了研究，BARMAN等[12]利用最小二乘支持向量機算法建立了光學(xué)特性參數(shù)求解模型，能夠較好地預(yù)測光學(xué)特性參數(shù)的值。謝丹丹等[13]使用偏最小二乘法建立了基于光學(xué)參數(shù)的草莓糖度及含水率的預(yù)測模型，吸收系數(shù)和散射系數(shù)的平均相對誤差為8.23%和3.71%。

　　趙會娟等[14]利用蒙特卡洛模擬實現(xiàn)了單層和雙層的薄層組織光學(xué)參數(shù)的反演，單層組織的相對誤差為3%，兩層組織相對誤差為10%,由實驗結(jié)果可以看出當反演的組織模型層數(shù)超過層時，反演效果會下降。深度學(xué)習方法在光學(xué)參數(shù)反演任務(wù)中取得了較好的效果，但卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量數(shù)據(jù)且時間長，訓(xùn)練成本大，遷移學(xué)習可以很好地彌補深度學(xué)習的缺陷。許景輝等[15]、余小東等[16]和趙立新等[17]將遷移學(xué)習應(yīng)用到農(nóng)業(yè)領(lǐng)域，提高了模型的魯棒性。徐煥良等[18]建立了基于遷移學(xué)習方法的蘋果光學(xué)參數(shù)反演模型，反演結(jié)果高于其他算法。

　　但是仿真及實測數(shù)據(jù)都是基于點光源條件，而使用點光源實際采集數(shù)據(jù)時入射光強度較低導(dǎo)致探頭捕獲的信息并不充分，測量存在誤差，因此效果提升有限。本文以蘋果為研究對象，提出一種基于光子傳輸模擬的蘋果品質(zhì)檢測方法。首先，使用高光譜成像系統(tǒng)采集面光源條件下的蘋果光譜圖像，同時構(gòu)造雙層平板模型，利用蒙特卡洛方法仿真得到大量面光源條件下的蘋果表面光亮度分布圖。將仿真圖像輸入卷積神經(jīng)網(wǎng)絡(luò)得到預(yù)訓(xùn)練模型，再將模型遷移到蘋果實測數(shù)據(jù)上進行微調(diào)，最后建立品質(zhì)預(yù)測模型實現(xiàn)無損檢測。

　　1材料與方法

　　1.試驗數(shù)據(jù)采集

　　1.1.1試驗材料

　　試驗選取的是產(chǎn)自山東省煙臺市的紅富士蘋果，樣本共118個，均為表面光滑、大小均勻、無明顯損壞的正常樣本。試驗前將其標號后在低溫環(huán)境下存儲。在進行數(shù)據(jù)采集前，先將蘋果樣本取出置于試驗環(huán)境下一段時間，使其達到室溫(20℃。測量過程中避免周圍環(huán)境的溫度及濕度發(fā)生變化。

　　1.2基于面光源下光子傳輸模擬的雙層生物組織模型

　　蒙特卡洛(MonteCarlo，MC)方法又稱隨機抽樣技巧或統(tǒng)計實驗方法，它的基本思想是通過產(chǎn)生一系列隨機數(shù)的方法，構(gòu)造一個與實際物理過程一致的隨機概率模型，并根據(jù)實驗計算將其作為問題的解。蒙特卡洛方法[19]因其對生物組織的光源和邊界條件沒有限制、不需要解傳輸方程、對組織的光學(xué)特性參數(shù)要求沒有限制、計算簡單等優(yōu)點，在生物組織的光傳輸領(lǐng)域被廣泛應(yīng)用。

　　1.3基于卷積神經(jīng)網(wǎng)絡(luò)的光學(xué)特性參數(shù)反演模型

　　卷積神經(jīng)網(wǎng)絡(luò)是用來處理二維數(shù)據(jù)而設(shè)計的一種特殊的神經(jīng)網(wǎng)絡(luò)，與其他的神經(jīng)網(wǎng)絡(luò)相比，最大的不同點是卷積層和池化層的引入。卷積神經(jīng)網(wǎng)絡(luò)包含輸入層、卷積層、池化層、全連接層和輸出層，卷積神經(jīng)網(wǎng)絡(luò)具有更少的權(quán)值參數(shù)[2225]，因此降低了模型的復(fù)雜度。圖像可以直接作為網(wǎng)絡(luò)的輸入，減少了復(fù)雜的特征提取過程。

　　2結(jié)果與分析

　　2.1基于仿真數(shù)據(jù)的光學(xué)參數(shù)反演結(jié)果

　　由文獻[18]可知，當光學(xué)參數(shù)發(fā)生變化時，蘋果果肉比果皮表面逸出光子數(shù)變化更為明顯，表明果肉光學(xué)參數(shù)的變化對光子傳輸?shù)挠绊懜�大，研究果肉的光學(xué)參數(shù)結(jié)果更有實際應(yīng)用價值。故在本研究中只對μ和μ兩個指標進行反演。

　　農(nóng)藝師論文投稿刊物：《中國果樹》是中文科技核心期刊 是中國農(nóng)業(yè)科學(xué)院果樹研究所主辦的果樹技術(shù)類期刊，主要刊登果樹新品種、栽培新技術(shù)、新農(nóng)藥和病蟲害防治新方法、果品貯藏加工等內(nèi)容。

　　3結(jié)論

　　(1)采用蒙特卡洛模擬的方法快速得到大量蘋果仿真面光源的亮度分布圖像，彌補了實測數(shù)據(jù)量少且噪聲大的缺陷。與點光源條件相比，在面光源條件下進行測量能夠獲得更多圖像和光譜信息，減少了實驗誤差，更好地模擬了實際情況下光子的傳輸軌跡，提高了模型的普適性。

　　(2)基于模型的遷移學(xué)習能夠有效提高光學(xué)參數(shù)反演的精度，解決了實測數(shù)據(jù)不足而導(dǎo)致準確率無法提高的問題。

　　(3)使用卷積神經(jīng)網(wǎng)絡(luò)提取的深度特征作為輸入，能夠較好地預(yù)測蘋果品質(zhì)。結(jié)果優(yōu)于通過高光譜信息和光學(xué)特性參數(shù)信息直接關(guān)聯(lián)蘋果品質(zhì)的方法，且使用面光源的預(yù)訓(xùn)練模型效果優(yōu)于點光源，證明了基于面光源下光子傳輸模擬的光學(xué)參數(shù)反演方法在蘋果品質(zhì)檢測領(lǐng)域的可行性和有效性。

　　參考文獻：

　　[1]程存剛趙德英新形勢下我國蘋果產(chǎn)業(yè)的發(fā)展定位與趨勢[J].中國果樹2019(1):17.CHENGCungang,ZHAODeying.Developmentorientationandtrendoftheappleindustryunderthenewsituation[J].ChinaFruits,2019(1):17.(inChinese)

　　[2]曹玉棟祁偉彥李嫻等蘋果無損檢測和品質(zhì)分級技術(shù)研究進展及展望[J].智慧農(nóng)業(yè)2019,1(3):2945.

　　作者：徐煥良孫云曉曹雪蓮季呈明陳龍王浩云