基于计算机视觉系统(CVS)和高光谱成像(HSI)的无损非接触式坎东加草莓成熟度指数与维生素C含量估算

《Smart Agricultural Technology》：COMPUTER VISION SYSTEM AND HYPERSPECTRAL IMAGING FOR NON-DESTRUCTIVE AND CONTACTLESS ESTIMATION OF MATURITY INDEX AND VITAMIN C IN CANDONGA STRAWBERRY

　　

果实成熟度与营养品质的快速、无损及非接触评估是精准采收与采后管理的关键挑战。本研究评估了利用高光谱分光辐射计和基于校准彩色图像的计算机视觉系统(CVS)预测采自三个农场、两个成熟阶段（近成熟，果面50–70%红色着色；成熟，100%果面红色着色）的坎东加草莓(Candonga strawberry)成熟度指数(Maturity Index, MI = 总可溶性固形物TSS/可滴定酸度TA)与维生素C含量的潜力。果实先进行无损非接触测量，随后进行破坏性实验室化验。成熟果实表现出高呼吸速率和高成熟度指数，而近成熟草莓则表现出高可滴定酸度(Titratable Acidity, TA)与高维生素C含量。高光谱数据经预处理后采用多元回归方法建模，线性回归对成熟度指数和维生素C含量预测效果最佳（R2＝0.81±0.03 和 R2＝0.69±0.05）。特征重要性分析一致识别出与颜色变化及抗氧化物质相关的关键光谱区域。此外，基于校准彩色图像和随机森林(Forest regression / Random Forest Regression)的CVS也展现出适宜的预测能力，成熟度指数和维生素C的决定系数分别达R2＝0.71和R2＝0.63。由于RGB通道的累积光谱特性，CVS性能低于高光谱分析，但色彩分析更简单、快速且廉价，是供应链特定环节中一项有吸引力的替代方案。实验证明高光谱与CVS均能有效无损估算草莓内部品质属性，结果支持光学传感技术用于草莓供应链实时品质监测与决策优化。

论文解读：《COMPUTER VISION SYSTEM AND HYPERSPECTRAL IMAGING FOR NON-DESTRUCTIVE AND CONTACTLESS ESTIMATION OF MATURITY INDEX AND VITAMIN C IN CANDONGA STRAWBERRY》（发表于《Smart Agricultural Technology》）

草莓（Fragaria × ananassa Duch.）是全球重要的小果类经济作物，富含抗坏血酸（Ascorbic Acid, AA，即维生素C/Vitamin C）、酚类物质及花青素等生物活性成分，其风味与营养品质高度依赖成熟度。传统品质评定依赖破坏性理化检测——测定总可溶性固形物（Total Soluble Solids, TSS，单位°Brix）、可滴定酸度（Titratable Acidity, TA，以柠檬酸%表示）、成熟度指数（Maturity Index, MI = TSS/TA）及维生素C（AA + Dehydroascorbic Acid, DHAA），这些方法耗时费力且无法对同一批次重复测量，难以满足采后分级与精准采收对高通量、实时检测的需求。现有近红外光谱、电子鼻及高光谱成像（Hyperspectral Imaging, HSI，通常涵盖可见光Visible—近红外Near-Infrared—短波红外Short-Wave Infrared, VIS-NIR-SWIR 350–2500 nm）等无损技术在果蔬品质检测中已有应用，但基于校准RGB图像的计算机视觉系统（Computer Vision System, CVS）能否可靠预测草莓内部营养成分（特别是维生素C）尚缺乏系统验证。为此，Palumbo M等研究人员采集意大利南部三个商业农场两个成熟阶段的坎东加草莓，结合便携式高光谱分光辐射计与校准CVS获取光谱及颜色特征，联用参数与非参数机器学习回归算法建立模型，同步预测MI与维生素C含量，并对比两种光学传感技术的预测精度与应用价值。

研究人员选取坎东加草莓（Fragaria × ananassa Duch. var. Sabrosa）于三个农场（F1、F2、F3）按近成熟（果面50–70%红）与完全成熟（100%红）采摘，每农场×每成熟度设10个生物学重复，每重复15枚外观完好果实。先以便携式高光谱分光辐射计（Spectral Evolution RS 5400，350–2500 nm）对非接触点位采集反射光谱并经Spectralon?板校正；同期以校准CVS（JAI AP3200T-PGE 3-Chip CMOS RGB相机+ColorChecker色卡线性变换校正）拍摄双面图像，经HSV hue阈值分割提取ROI，构建CIE Lab空间a、b通道（弃用受光照不均影响的L）各261 bin的颜色直方图特征向量。破坏性质控测定包括：密闭系统气相色谱测呼吸速率（Respiration Rate, RR, mL CO₂kg^-1h^-1）；匀浆后折射仪测TSS、电位滴定测TA与pH、烘箱干燥测干物质（Dry Matter, DM %）；HPLC-荧光法测总维生素C（AA+DHAA, mg/100 g FW）。高光谱数据经重采样、平滑去噪及边界裁剪后，用LazyPredict初筛，保留R²>0.5模型（线性回归Linear Regression、Lasso/Ridge/LassoLars CV、支持向量回归Support Vector Regression, SVR、随机森林Random Forest Regressor, RF、梯度提升Gradient Boosting Regressor, GBR）做10折交叉验证；CVS颜色直方图特征配对的MI与维生素C分别用RF回归并做5次重复10折交叉验证评估稳定性，分析特征重要性及预测波段/颜色分布。

3.1. Quality parameters assessed by destructive analysis

破坏性检测显示成熟草莓呼吸速率较近成熟平均升高约29%，TA显著降低（+20.7%降幅），pH升高，TSS微升约10%，MI（TSS/TA）由近成熟约6.83升至成熟约9.52（增幅~40%），符合有机酸呼吸代谢消耗与糖积累规律。近成熟草莓维生素C含量（约106–111 mg/100 g FW）高于成熟草莓（F1显著低，F2、F3约90 mg/100 g FW），表明本试验近成熟阶段处于维生素C积累峰值期。不同农场间DM、TSS、MI存在显著差异，说明小范围产地环境仍致果实性状异质性。

3.2.1. Hyperspectral analysis

高光谱线性回归（Ordinary Least Squares）对MI预测最优（R²＝0.81±0.03，RMSE＝0.07），维生素C预测R²＝0.69±0.05（RMSE≈89.19 mg/100 g FW）。特征重要性表明MI预测主要依赖近紫外/蓝光380–420 nm（叶绿素降解关联）、绿黄580–600 nm（类胡萝卜素—花青素转化，峰值~585 nm）、红650–700 nm（尤其670–685 nm花青素吸收区）及近红外885–915 nm（组织结构与水分变化）；维生素C预测关键波段集中于585 nm、680 nm附近及380–420 nm（与酚类等抗氧化物共变），具生物学合理性。

3.2.2. Computer Vision System

CVS结合RF回归预测MI最佳R²＝0.710（均值0.708±0.002），维生素C最佳R²＝0.643（均值0.637±0.002）。5次重复交叉验证标准差极小，表明模型对训练/测试集划分不敏感，方法稳健。

3.2.3. Comparison between hyperspectral analysis and CVS

高光谱因全波段连续光谱分辨率更高，MI（R²＝0.81）与维生素C（R²＝0.69）预测精度均优于CVS（MI R²＝0.71，Vit C R²＝0.63）；后者受RGB通道波长积分限制信息量减少，但设备廉价、采集处理快捷，适合产线在线分级。两者均可实现无损非接触内部品质预估。

研究人员在讨论中指出，破坏性分析确认了近成熟草莓较高TA与维生素C、成熟草莓较高RR与MI的特征，且邻近农场间存在显著品质差异。高光谱便携分光辐射计结合线性回归可有效预测MI（R²＝0.81）与维生素C（R²＝0.69），特征波段对应色素转化及抗氧化化合物吸收区；校准CVS—RF模型对MI（R²＝0.71）与维生素C（R²＝0.63）具稳定预测力，虽精度略低但成本低、速度快，适合供应链广泛部署。结论如下：本研究证明高光谱成像与计算机视觉系统均为有效的无损非接触式坎东加草莓成熟度指数与维生素C含量估算手段；高光谱提供更深生化—光谱关系洞察但成本较高，CVS为经济可扩展替代方案；未来需扩大样本跨季节/品种验证，并探索数据融合（Data Fusion）策略以提升预测精度与大尺度应用可行性。