谷物有大宗谷物與小宗谷物之分，大宗谷物包括小麥、玉米、稻谷，小宗谷物包括高梁、粟、黍、養(yǎng)麥、筱麥、薯類、豆類等。谷物及谷物加工制品提供了人類所需能量物質的50%~80%，蛋白質的40%~70%，B族維生素60%以上，以及膳食纖維、碳水化合物、脂肪、鐵、鋅、維生素E、維生素C以及多種抗氧化活性成分等。谷物品質的好壞直接影響到民眾的健康及其加工特性，因此谷物品質的檢測方法研究意義重大。

目前，谷物品質檢測的方法包括：蛋白質檢測的DNA分子標記法、凱氏定氮法、近紅外光譜分析法等，水分檢測的烘干法、近紅外光譜分析法等，淀粉檢測的分光光度法、熱重分析法等，品種鑒別的人工檢測法、蛋白電泳鑒定法等，活力檢測的電導率法、電子鼻法、發(fā)芽試驗法、葉綠素熒光檢測技術、激光檢測技術等，不完善籽粒檢測的聲學原理法、人工檢測法等。其中，傳統(tǒng)的谷物品質檢測的方法包括：人工檢測法、烘干法、凱氏定氮法、分光光度法、DNA分子標記法、蛋白電泳鑒定法等，而傳統(tǒng)的谷物品質檢測方法存在工作量大、主觀性強、效率低、操作繁瑣、時效性差、成本高、危害人體健康等缺點?，F代儀器法包括：電子鼻、機器視覺技術、葉綠素熒光檢測技術、激光檢測技術、近紅外光譜分析法等，但上述方法存在測定結果易受其他因素干擾、穩(wěn)定性差的缺點。因此，研發(fā)一種簡便、快速、有效、穩(wěn)定的谷物品質檢測技術一直是本學科的研究重點和熱點。

高光譜成像（Hyperspectral?imaging，HSI）技術融合了傳統(tǒng)的光譜技術（反映化學組成等）和圖像技術（反映物理特性），具有高分辨率、無損、快速等特點。隨著化學計量學的發(fā)展，HIS技術作為一種新興的快速、無損檢測方式，已經廣泛應用于谷物無損檢測中。

針對近五年來HSI技術在谷物無損快速檢測方面的研究，分析了HIS技術在小麥、玉米、稻谷3種大宗谷物的化學成分檢測、品種鑒別、種子活力檢測、不完善籽粒檢測中的應用進展，提出了現有研究中存在的問題，并對HSI技術在谷物品質檢測應用中的研究進行了展望，以期為今后的研究提供參考。

1 HIS技術的基本原理與光譜信息數據處理方法

1.1?基本原理與主要構成

HIS技術是在一定的波長范圍內，將二維的平面圖像按照光譜分辨率連續(xù)地組成一個三維的數據立方體結構，其中的二維數據是圖像像素的橫縱坐標x軸和y軸，第三維是波長信息λ。HSI系統(tǒng)主要由光源、成像高光譜儀、相機、圖像采集系統(tǒng)和計算機等組成，其分辨率△λ/λ=0.01數量級，波長范圍可在紫外（200~400nm）到可見光-近紅外（400~1000nm），再到近紅外（900~1700nm，1000~2500nm）以及波長大于2500nm的區(qū)域。按照HIS系統(tǒng)掃描方式不同可將其分為點掃描式、線掃描式以及區(qū)域掃描式3種，其中線掃描式為最常用的一種方式。

1.2?光譜信息數據處理方法

高光譜信息量巨大，采用化學計量學算法可挖掘詳細且重要的信息。目前，相關數據處理軟件有ENVI、MATLAB和Unscramble。

1.2.1?圖像數據處理與分析

圖像處理和分析包括了圖像預處理、圖像分割和特征提取。圖像預處理可以通過直方圖均值化或主成分分析法（PCA）移除壞點、背景信息和邊緣效應，也可通過小波變換（WT）減少圖片噪聲和模糊邊緣，為后續(xù)的處理提供高質量的圖像。圖像分割的目的是將有差異的區(qū)域分割出來，使它們互不相交，從而為感興趣區(qū)域的提取、定性、定量分析提供基礎，常用的方法有大津閥值分割算法（OSTU）等。

圖像特征包括紋理、顏色和形態(tài)特征，紋理特征的提取方法有灰度共生矩陣（GLCM）、WT等，顏色特征的提取方法有顏色直方圖等，形態(tài)特征的提取方法有傅里葉變換、幾何參數法等。

1.2.2?光譜數據預處理與分析

高光譜數據中除了包含樣品的自身信息外，還包含其他無用的信息和噪聲，為了消除這些因素的影響，以優(yōu)化增強光譜信息、提高模型的穩(wěn)健性，在建模之前，需對原始光譜數據進行預處理。光譜預處理的方法有很多種，包括平滑法[移動平均平滑法（MAS）和卷積平滑法（SG）]、導數法[光譜的一階（1stDer）和二階導數（2ndDer）]、散射效應校正[多元散射校正（MSC）和標準正態(tài)變量變換（SNV）]、數據增強算法[均值中心化（MC）、標準化（AL）和歸一化（NL）]、基線校正（BL）、WT、正交信號校正（OSC）、去趨勢算法（Dt）等。

1.2.3?特征波長提取

高光譜數據的特點是波段多、數據量大、冗余性強，對高維數據分類時，由于可獲取的樣本數量是有限的，所以分類精度會隨著波段數量的增加出現先上升后下降的現象，也就是Hughes現象，導致所建模型性能差、效率低。故提取特征波長、消除無關信息，是提高模型穩(wěn)健性和準確性的關鍵步驟。常用的特征波長提取的方法有連續(xù)投影算法（SPA）、PCA、變量投影重要性（VIP）、無信息變量消除法（UVE）、競爭性自適應重加權算法（CARS）、間隔偏最小二乘算法（IPLS）、組合偏最小二乘波段選擇算法（SiPLS）、隨機蛙跳（RF）算法、遺傳算法（GA）等。

1.2.4模型建立與驗證

由于高光譜數據冗余，需要應用統(tǒng)計學方法進行定性定量分析。其中定性分析中主要有監(jiān)督分類與非監(jiān)督分類、參數分類與非參數分類、確定性分類與非確定性分類等，常用的方法包括線性判別（LDA）、最小二乘判別（PIS-DA）、隨機森林（RF）、支持向量機（SVM）、人工神經網絡（ANN）、BP神經網絡（BPNN）、卷積神經網絡（CNN）、Fisher判別分析（FDA）、極限學習機（ELM）；定量分析模型中多采用多元變量回歸，可分為線性回歸和非線性回歸，線性回歸包括逐步線性回歸（SLR）多元線性回歸（MLR）、主成分回歸（PCR）、偏最小二乘回歸（PLS）等，非線性回歸包括人工神經網絡（ANN）、支持向量機（SVM）等。

模型驗證是用來評估模型的穩(wěn)健性和準確性，由于不同測試數據計算出的模型預測誤差有較大的差別，所以化學計量學中經常使用多次重復選擇不同的測試數據來綜合評價模型的預測結果，即交叉驗證（CV）法，常用的交叉驗證方法有留一交叉驗證、K折交又驗證和蒙特卡洛交叉驗證等。交叉驗證法評估模型的魯棒性和預測能力的參數包括校準系數（R2C）、交叉驗證（R2CV）和預測（R2P）以及校準的均方根誤差（RMSEC）、交又驗證的均方根誤差（RMSECV）和預測的均方根誤差（RMSEP）。通常，一個好的模型應具有較高的R2C、R2CV、R2P，而具有較低的RMSEC、RMSECV和RMSEP。

2在谷物品質檢測中的應用

高光譜技術發(fā)展迅速，在軍事、地質、農業(yè)領域都得到了廣泛的研究。近年來HSI技術用于谷物品質檢測主要集中在種子化學成分檢測、品種鑒別、種子活力檢測、不完善籽粒檢測等方面。

2.1?化學成分檢測

谷物化學成分含量是評價谷物品質的重要指標。谷物中含水分、淀粉、蛋白質、纖維素、維生素等營養(yǎng)成分。近幾年HSI技術已經被作為一種快速無損技術用于谷物化學成分定性和定量的分析，并取得一定成果。

目前最常用的高光譜波長范圍為可見-近紅外（VNIR）（400~1000nm）、近紅外（NIR）（900~1000nm）、短波紅外（WNIR）（1000~2500nm），其中近紅外譜段（780~2500nm）反映的是分子倍頻和組合頻吸收的特征，倍頻是伴隨中紅外區(qū)的分子基頻振動產生的，基頻的強度會隨倍頻的增大而降低；組合頻是多個基頻之和，其強度隨頻率之和的增大而降低。近紅外區(qū)域最常觀測到的譜帶是O-H、N-H、C-H和S-H化學鍵基頻振動的組合頻以及一級、二級和三級倍頻吸收，主要基團組合頻與各級倍頻吸收帶的近似位置見表1。

表1?主要基團組合頻與各級倍頻吸收帶的近似位置

小麥化學成分測定的研究表明，使用高光譜近紅外波段預測小麥蛋白質、水分、濕面筋含量的性能優(yōu)于傳統(tǒng)的近紅外光譜。玉米水分含量測定研究表明，用NIR光譜建立的模型比用VNIR光譜建立的模型的進行測定玉米種子含水量更具潛力。種子不同部位的化學成分的種類和含量不同，研究發(fā)現，玉米胚結構區(qū)域高光譜的特征波長建立的模型優(yōu)于全表面區(qū)域。Zhang等將得到的定量模型傳遞到每個像素從而實現大米淀粉含量的可視化圖像，從可視化圖像可以了解大米淀粉的分布情況，為實現在線檢測提供了基礎。HSI技術在小麥蛋白質、水分、濕面筋含量指標，水稻和玉米的水分含量定量檢測方面取得了一定的成果，但在小麥的穩(wěn)定時間、纖維素、千粒重、沉淀值、淀粉、濕面筋等，玉米的淀粉、脂肪、蛋白質等，水稻的淀粉、蛋白質等化學指標的較少甚至沒有。

表2?HSI技術在谷物化學成分檢測中的應用

2.2?谷物品種鑒別

小麥、水稻、玉米等谷物品種眾多，不同品種的谷物其生長條件、抗病蟲害情況、產量及加工品質等存在差異，對種植、收購、流通、儲運和加工均具有重要影響。然而大部分品種在缺乏經驗前提下憑肉眼無法鑒別，且部分品種外觀極其相似。近年來，基于高光譜成像技術在小麥、水稻、玉米等谷物品種鑒別方面已有探索性研究（表3）。

表3?HSI技術在谷物品種鑒定中的應用

小麥、水稻品種鑒別研究中均發(fā)現NIR?波長范圍所建模型的品種鑒別效果優(yōu)于VNIR波長范圍所建模型。谷物品種鑒別的研究中，采用光譜和圖像信息結合進行建模，所建模型性能優(yōu)于單一使用光譜或圖像信息。模型的準確性和穩(wěn)定性是評價模型性能的重要指標，Guo等為了保持模型的準確性和穩(wěn)定性，提出了一種基于高光譜成像結合預標記方法的不同年份玉米種子品種的模型更新算法。Qiu等使用不同數量的訓練樣本進行建模，模型性能隨著訓練樣本數量的增加而提高。目前國內外研究均表明基于HIS技術進行小麥、水稻、玉米品種鑒別的可行性，但同時也發(fā)現HIS技術存在有效性和穩(wěn)定性差等問題。此外，樣本在儲運和流通環(huán)節(jié)產生的不一致性也增加了高光譜建模的難度和不確定性。

2.3?種子活力檢測

種子活力檢測種子活力是評估種子品質的一個重要指標，高活力的種子耐儲藏、發(fā)芽率高、具有較強的抗逆性。

成熟時的種子活力最高，但會隨著貯藏時間的增加而降低。故在使用種子進行播種或食品加工前進行及時、準確的種子活力檢測具有重要的意義。目前，HIS技術在小麥、水稻、玉米種子活力檢測上都獲得了有效性驗證，但同時也表明種子活力受品種、種植區(qū)域、貯藏年份等的影響，需要對不同品種、種植區(qū)域、貯藏年份等的樣本建立檢測模型。

表4?HSI技術在谷物活力檢測中的應用

2.4?不完善籽粒檢測

不完善籽粒檢測不完善籽粒主要在生產、存儲、包裝等過程中產生，不完善籽粒的存在會降低谷物質量甚至影響糧食安全。目前我國谷物不完善籽粒檢測多以人工分選為主，存在主觀性較強，費時費力等問題。因此，如何快速準確鑒別谷物不完善粒是現階段提高生產率和保證糧食安全的重要問題，HSI技術作為一種無損和快速的光學成像分祈技術可以解決這一重要問題。目前，HSI技術在谷物不完善籽粒檢測主要應用于小麥破損粒、黑胚粒、發(fā)芽、發(fā)霉、干癟、蟲蝕、病斑粒等檢測并取得一定進展，但由于不同品種小麥的特征波長可能有所不同，需大量的研究數據來建立可靠的識別模型，故仍存在樣本量少而導致模型可信度低的問題。

表5?HSI技術在谷物不完善籽粒檢測中的應用

3 問題和展望

HSI技術在谷物品質無損檢測研究與應用中已經取得一定的成果，但其應用于實際仍存在許多問題。HSI技術在小麥蛋白質、水分、濕面筋含量指標，水稻和玉米的水分含量檢測方面取得了一定的成果，但在小麥的穩(wěn)定時間、纖維素、千粒重、沉淀值、淀粉等，玉米的淀粉、脂肪、蛋白質等，水稻的淀粉、蛋白質等化學指標較少甚至沒有。HSI技術在品種鑒別的研究上存在有效性和穩(wěn)定性差等問題。此外，樣本在種植區(qū)域、儲藏年份、生產條件、儲運和流通環(huán)節(jié)產生的不一致性也增加了高光譜建模的難度和不確定性。HSI技術在種子活力檢測上都獲得了有效性驗證，但同時也發(fā)現模型的準確性和可信度受樣本的品種、種植區(qū)域、儲藏年份等的影響。HSI技術在谷物不完善籽粒檢測的研究中，由于不同品種的小麥的特征波長可能有所不同，需大量的研究數據來建立可靠的識別模型，故仍存在樣本量少而導致模型可信度低的問題。缺乏集光譜采集、數據處理、智能判別為一體的相關設備。目前實驗室用和室外用HSI成像設備，體積過于龐大、不易攜帶。

高光譜設備和數據處理軟件操作難度大，大量數據通過不同數據軟件分析速度顯著不同，所構建的模型不具通用性，致使該技術的應用受限。

將高光譜成像技術成功應用于谷物無損快速檢測仍需做大量工作：建立多化學指標的高光譜定量模型；增加樣本來源和數量，嘗試不同數據處理方法，有助于提高模型的

推薦：

萊森光學- iSpecHyper-VM系列無人機機載高光譜成像系統(tǒng)

萊森光學-多旋翼無人機高光譜成像系統(tǒng)iSpecHyper-VM系列是一款基于小型旋翼無人機的高性能機載高光譜成像系統(tǒng)。

萊森光學-多旋翼無人機高光譜成像系統(tǒng)光譜范圍400-1000nm/900-1700nm，由高性能高光譜相機、穩(wěn)定云臺、高清相機、GNSS模塊、機載控制與數據采集模塊、機載供電模塊、地面站模塊等部分組成。核心載荷高光譜相機完全自主研發(fā)，采用1英寸大靶面CCD圖像傳感器具有高光譜分辨率、高靈敏度、大視場及優(yōu)異的成像性能，配合定制開發(fā)的高性能穩(wěn)定云臺，能夠有效降低飛行過程中無人機抖動引起的圖像扭曲與模糊；同時與GPS同步觸發(fā)，實現可見光照片匹配同步GPS信息；通過地面實時數據平臺實時觀測飛行器采樣點并可利用地面端設置采集的航線預覽及矯正功能；有輻射度校正、反射率校正、區(qū)域校正等批處理能力。輔助相機可實時可見、監(jiān)控拍攝效果，有圖像實時回傳功能；有輻射度校正、反射率校正、區(qū)域校正等批處理能力，光譜相機控制、數據采集、自動曝光、自動掃描速度匹配、輔助攝像頭功能、支持遠程遙控、支持巡航、慣導采集模式，數據支持Envi等主流遙感軟件，實時常用植被指數計算功能、光譜及圖像數據預覽、建庫、建立指標解譯庫等功能。

萊森光學-多旋翼無人機高光譜成像系統(tǒng)與大疆M600 pro/M300RTK無人機完美適配，支持同類型的多種無人機；系統(tǒng)支持配件升級及定制化開發(fā)，為教育科研、智慧農業(yè)、林業(yè)調查、水環(huán)境監(jiān)測、目標識別、軍事反偽裝等行業(yè)高端應用領域提供高性能解決方案。

萊森光學- iSpecHyper-VS系列高光譜成像相機/便攜式高光譜成像系統(tǒng)

萊森光學-iSpecHyper-VS系列高光譜成像相機是萊森光學（LiSen Optics）專門用于公安刑偵、物證鑒定、精準農業(yè)、礦物地質勘探等領域的最新產品，主要優(yōu)勢具有體積小、幀率高、獨有高光通量分光設計、信噪比靈敏度高、大靶面探測器、高像質等特點。iSpecHyper-VS采用了透射光柵外置推掃或內置原理高光譜成像，系統(tǒng)集成高性能數據采集與分析處理系統(tǒng)，高速接口傳輸，全靶面高成像質量光學設計，物鏡接口為標準C-Mount，可根據用戶需求更換物鏡。iSpecHyper-VS系列高光譜成像相機，廣泛應用于公安刑偵、物證鑒定、精準農林、遙感遙測、?工業(yè)檢測、?醫(yī)學醫(yī)療、采礦勘探等各領域。

萊森光學-iSpecHyper-VS系列高光譜成像相機/便攜式高光譜成像系統(tǒng)主要技術特點

光譜范圍400-1000nm或900-1700nm，分辨率優(yōu)于3nm

獨有高光通量分光成像設計、信噪比靈敏度高

高性能CMOS/CCD/InGaAs（TE Cooled）圖像傳感器，數據格式支持ENVI，支持多區(qū)域ROI

可選配電控自動對焦技術、自動曝光、自動成像掃描匹配

全靶面高成像質量光學設計，點列斑直徑小于0.5像元

多種焦距物鏡鏡頭（12.5/25mm/35mm/75mm）可根據用戶需求更換物鏡

多種光學附件可選：戶外太陽光源、實驗室太陽勻化光源工作臺、三腳架（野外專用）、數據線、電源線、電源（外置電源模塊）、儀器便攜式手提箱（定制三防箱）、專業(yè)高光譜采集軟件

?

萊森光學- iSpecField-系列手持式/便攜式地物光譜儀

萊森光學-iSpecField系列地物光譜儀是萊森光學（LiSen Optics）專門用于野外遙感測量、土壤環(huán)境、礦物地質勘探等領域的最新明星產品，由于其操作靈活、便攜方便、光譜測試速度快、光譜數據準確是一款真正意義上便攜式地物光譜儀。iSpecField系列地物光譜儀光譜范圍250-1100nm/250-1700nm/250-2500nm，采用了工業(yè)級觸控顯示屏手柄探頭，手柄探頭同時采用了獨有光學設計內置攝像頭（相機）、GPS、激光指示器、內置光學快門控制，同時地物光譜儀主機與工業(yè)級觸控顯示屏手柄探頭一體化設計，可野外現場直接進行地物光譜操作測量，野外操作更加便捷方便，非常適合復雜的野外地物光譜測量。

萊森光學-iSpecField系列地物光譜儀主要技術特點

光譜范圍250-1100nm/250-1700nm/250-2500nm，固定全息光柵一次性快速掃描分光

2048像素面陣BT-CCD，256/512像元InGaAs，高像素雙路探測器同步測量，光譜精度高、分辨率高

主機與工業(yè)級觸控顯示手柄探頭一體化結構，野外測量無需額外電腦，操作靈活

最短積分時間30微秒，測量動態(tài)范圍大，7吋高清觸控顯示遠程觸發(fā)一鍵測量

內置＞800萬像素自動對焦攝像頭（相機）、GPS、激光指示器、內置光學快門控制

GPS定位、地物圖像、角度測量、距離測量、空氣溫濕度測量與光譜實時對應同步

SpecAnalysis專用地物分析軟件，兼容ENVI、TSG、Arcgis等第三方工具軟件，嵌入了USGS數據庫和NDVI等13個植被指數

豐富測量光學配件：標準白板/灰板、葉片透射夾、礦物土壤專用探頭、手槍式光纖探頭、室內太陽光源、視場角鏡頭、BRDF測量附件、透反射實驗室支架裝置、遠程觸發(fā)器等可滿足野外和實驗室測量需求，可實現透射反射率、輻照度、輻亮度等測試

大容量電池，續(xù)航時間4-5小時，供電電池模塊可拆卸，可配置備用電池模塊，滿足長時間野外測量
?