
近年、食品の安全性の問題が注目を集めており、果物や野菜の品質と安全基準に対する人々の要求はますます高くなっており、社会の関心の的となっています。一般的に、
果物や野菜の品質には、形、色、大きさ、表面の欠陥などの外部品質と、糖度、酸度、硬度、可溶性固形分、デンプン含有量、水分と成熟度、その他の栄養素の含有量な
どの内部品質が含まれます。品質は市場での販売において重要な要素です。
化学的方法、高性能液体クロマトグラフィー、質量分析法などの従来の果物や野菜の品質検出方法は、通常、検査対象物を破壊し、時間がかかります。マシンビジョンと
スペクトル技術は、高速、非破壊、信頼性などの利点があり、近年、果物や野菜の品質検出に広く使用されています。その中で、マシンビジョン技術は、果物や野菜の形
状、サイズ、色、表面欠陥などの空間情報を抽出して分析し、外部品質を検出します。一方、近赤外線分光技術は、主に果物や野菜の内部品質を検出します。
ハイパースペクトルイメージング技術は、画像とスペクトル技術を組み合わせて、検査対象物の内部および外部品質を反映するスペクトル情報と空間情報を同時に取得し
ます。近年、国内外で果物や野菜の品質の非破壊検査で広く研究されています。この記事では、ハイパースペクトルイメージング技術の基本原理から、果物や野菜の品質
の非破壊検査における研究と応用まで、この分野の最新の研究の進歩を紹介します。
1. ハイパースペクトルイメージング技術の原理
ハイパースペクトルシステムの各ピクセルは、同じスペクトル範囲で数十から数百の連続した狭帯域情報を取得でき、滑らかで完全なスペクトル曲線を取得できます。
同時に、画像システム全体では測定対象物の空間情報も取得でき、スペクトルの連続性と高解像度という特徴を備え、測定対象物の内部構成と外観特性の同時検出を実
現します。

システムによって取得されるハイパースペクトル画像は、図 2 に示すように、連続した光学画像の帯で構成された立体的な 3 次元画像で表すことができます。XY 平面の 2 次元画像は、形状、サイズ、欠陥などの物体の空間情報を表します。物体の外部変化は反射スペクトルに影響を与えるため、特定の波長で形状、色、欠陥が変化します。λ 座標は物体のスペクトル情報を表し、これは、組成や構造など、検査対象物体の内部品質を反映します。

この研究では400-1000nmハイパースペクトルカメラを採用し、杭州彩普科技有限公司のFS13製品が関連研究に使用できる。スペクトル範囲は400-1000nm、波長分解能は2.5nm以上、スペクトルチャネルは最大1200。取得速度は全スペクトルで128FPSに達し、バンド選択後の最高速度は3300Hz(マルチリージョンバンド選択をサポート)である。

2. 果物や野菜の外部品質の検出
人々が市場で果物や野菜について直接感じるものは、その外部品質の品質、つまり色、鮮度、サイズ、機械的損傷、凍傷、腐敗の判断です。従来のマシンビジョン技術は、精度が低く操作が複雑なため、果物や野菜の外部品質の検出において機械的損傷、凍傷、腐敗、鮮度などの外部特性を区別することが困難でした。ハイパースペクトルイメージング技術は、この欠点を克服し、全方位の非破壊検出を実現できます。また、精度が高く、操作が簡単です。近年、果物や野菜の外部品質の検出に徐々に使用されています。
鮮度は果物や野菜の品質を反映する重要な指標です。新鮮な果物や野菜は、通常、消費者に届く前に保管および輸送する必要があります。このプロセスは、果物や野菜の鮮度と品質に影響を与えます。一般的に、果物や野菜の鮮度に関する人々の主観的な判断は不正確です。白菜、ほうれん草、菜種、ベビーキャベツの4種類の野菜の葉の分光画像を、0、10、24、48時間の乾燥時にイメージング分光計で収集し、比較しました。その中で、異なる水分損失時間におけるパクチョイの葉のハイパースペクトル画像とマシンビジョン画像の比較分析を図3と図4に示します。2つの画像の葉の状態は時間の変化とともに大きく変化していることがわかりますが、マシンビジョン画像は水分損失状態しか表示できませんが、ハイパースペクトル画像はスペクトル情報の変化を分析し、水分損失の過程で葉の外観と内部のクロロフィルが変化したことがわかります。クロロフィル相対含有量値予測モデルの相関係数はr = 0.76であり、ハイパースペクトル技術が野菜の葉の鮮度を効果的に識別できることを示しています。

図5に示すように、ハイパースペクトル技術とANN予測モデルを使用してリンゴの凍傷を研究しました。実験では図6に示すプロセスを使用し、400〜1000 nm帯域の凍傷リンゴのハイパースペクトル画像から5つの主成分帯域(717、751、875、960、980 nm)を選択してANNモデルを確立しました。トレーニングセット、テストセット、検証セットの相関係数はそれぞれ0.93、0.91、0.92で、最終的に98%を超える認識精度を達成しました。



3. 結論
生活水準の向上に伴い、人々の健康食品の品質に対する要求はますます高まっています。従来のマシンビジョン技術と物理化学的方法は、果物や野菜の品質を測定する上で複雑で破壊的であり、検出ニーズを満たすことは困難です。ハイパースペクトルイメージング技術は、マシンビジョン、分光法、画像処理技術を統合したものです。生成される画像は「スペクトルの組み合わせ」の3次元データキューブであり、検査対象物の空間情報特性だけでなく、検査対象物のスペクトル情報も含まれています。農産物の品質を正確かつ迅速かつ非破壊的に検出でき、操作も簡単です。近年、果物や野菜の品質検出に広く使用されています。ただし、画像データの収集と処理のプロセスでは、ハイパースペクトルイメージング技術は機器の性能と処理速度によって制限されます。この技術は現在、主に基礎研究に使用されており、産業用オンラインリアルタイム検出には広く使用されていません。果物や野菜の品質の商用オンライン検出を実現するためには、これらの問題を解決するために次の 2 つの点を達成する必要があります。1 つ目は、イメージング分光計などのハイパースペクトル画像化技術の関連機器を改良およびアップグレードして、その性能を向上させ、生産コストを削減し、果物や野菜の品質検出におけるハイパースペクトル画像化技術の推進に役立てることです。2 つ目は、フルバンドおよびさまざまな種類の果物や野菜のハイパースペクトル画像に特徴的な波長を選択して、データの冗長性を減らし、ハイパースペクトル画像の取得および処理時間を短縮することです。ただし、社会の発展と科学の進歩に伴い、ハイパースペクトル画像化技術は今後も改良と向上を続け、将来的には農産物や食品安全の分野でより広い開発空間と応用の見通しを持つことになります。