基于高光谱成像技术的柑橘果实成熟度原位无损检测方法研究及其在精准农业中的应用

本研究针对柑橘果园缺乏有效无损检测方法导致采收决策不准确的问题，采用高光谱成像技术（400-1000 nm）结合五种感兴趣区域（ROI）选择方法（x轴、y轴、四象限、阈值分割和原始法），通过小波变换（WT）-多元散射校正（MSC）预处理和连续投影算法（SPA）特征波长提取，构建了反向传播神经网络（BP）和卷积神经网络（CNN）成熟度预测模型。结果表明，x轴ROI选择法结合SPA-BP模型仅需0.03%波长即可实现校正集99.19%和预测集100%的准确率，为田间柑橘成熟度评估提供了创新性技术方案，对推动精准农业发展具有重要意义。

　　

柑橘作为全球重要的经济作物，其采收时机的精准判断直接影响果实品质和产业效益。然而，传统依赖人工抽样和破坏性检测的方法存在样本代表性不足、评估误差大等问题，尤其对于"不知火"柑橘（Citrus reticulata var. austera）这类具有特殊果型（顶部凸起、果心空洞）的品种，成熟度判别更缺乏有效手段。现有实验室光谱技术难以满足果园现场检测需求，制约了柑橘产业的精细化发展。

为解决这一技术瓶颈，来自成都的研究团队在《Plant Methods》发表研究，创新性地将高光谱成像技术应用于田间柑橘成熟度原位检测。研究人员在四川成都果园对22棵"不知火"柑橘树进行光谱数据采集（400-1000 nm），通过对比五种ROI选择方法，结合WT-MSC数据优化和SPA特征提取，建立了基于16个特征波长的SPA-BP预测模型。研究发现，贯穿果囊区的x轴ROI选择法最能反映成熟度特征，模型仅用16个波长（占全谱0.03%）即实现近乎完美的分类准确率，显著优于传统阈值分割等方法。该技术突破为果园级柑橘成熟度智能监测提供了可靠工具，标志着光谱技术从实验室走向田间应用的重要跨越。

关键技术方法包括：（1）使用凝视式高光谱相机（SHIS-N220）采集400-1000 nm范围光谱数据；（2）采用五种ROI选择法提取25×25像素区域的平均光谱；（3）通过WT-MSC组合算法优化数据质量；（4）SPA筛选16个特征波长；（5）构建BP和CNN分类模型对比性能。

光谱特性分析
研究发现不同成熟阶段柑橘在400-600 nm（类胡萝卜素和叶绿素特征峰）和700-900 nm（水分吸收带）呈现显著差异。未成熟果（CLASS A）在675 nm处叶绿素降解产物吸收峰明显，而过熟果（CLASS C）在840 nm水分振动带反射率差异最大，这些特征为模型构建提供了生物学依据。

特征波段筛选
SPA算法确定的16个关键波长中，478 nm（类胡萝卜素）、552 nm（叶绿素）和731 nm（水分）最具判别力。研究首次发现x轴ROI覆盖的果囊区光谱信息与成熟度相关性最强，而贯穿果心空洞的y轴ROI因组织结构干扰导致模型准确率下降20.59%。

成熟度分类性能
全谱BP模型在x轴ROI的预测集达100%准确率，而SPA-BP模型仅用16个波长即保持同等性能，计算效率提升显著。对比显示，CNN模型（93.55%准确率）不及BP模型，表明传统神经网络更适合处理本研究的特征波长数据。

该研究开创性地验证了高光谱技术在复杂田间环境下的适用性，提出的x轴ROI选择策略解决了特殊果型柑橘的光谱采集难题。WT-MSC-SPA-BP的技术路线将波长维度从509个压缩至16个，大幅降低了设备成本与计算负担，为开发便携式果园检测设备奠定基础。研究结果不仅适用于柑橘产业，其"特征波长-果型适配"方法论对其它非跃变型水果的成熟度检测具有重要借鉴意义。随着精准农业技术的发展，这种原位无损检测模式有望重塑果园管理范式，推动农产品品质控制从经验判断向数据驱动转型。