基于高光譜成像技術對桑椹品質無損檢測的研究進展

孟留偉 ，楊 良，王靜禹，黃凌霞 ，2＊

（1.浙江大學 應用生物資源研究所，浙江 杭州 310058；2.浙江大學-湖州南太湖農業技術推廣中心，浙江 湖州 313000）

基于高光譜成像技術對桑椹品質無損檢測的研究進展

孟留偉1，楊 良1，王靜禹1，黃凌霞1，2＊

（1.浙江大學 應用生物資源研究所，浙江 杭州 310058；2.浙江大學-湖州南太湖農業技術推廣中心，浙江 湖州 313000）

高光譜成像技術是近幾年研究較多的一種檢測技術，其通過將計算機成像技術和光譜技術進行有機結合而發展起來的一種新型無損檢測技術。為進一步了解高光譜成像技術在桑椹無損檢測中的研究進展，我們對相關的文獻進行了檢索、分析和學習，最后對基于高光譜成像技術的桑椹無損檢測的研究進行了總結，并分析和展望了高光譜成像技術的未來。

高光譜成像技術；桑椹品質；無損檢測；研究進展

隨著當前社會經濟的發展和人民群眾生活水平的提高，人們對于農產品品質的要求也更加嚴格，不僅要品質優良，還要綠色健康，這就為當前農產品品質的檢測提出了一大難題。當前對農產品品質的檢測主要是通過傳統的化學方法進行，不僅費時費力，而且還不符合檢測的無損要求，因此在實際應用中也有很大的局限性。因此發展新型的快速無損檢測技術就成了當前的一項緊迫任務。目前的無損檢測主要基于檢測物的聲學、電學、光學等特性進行，而其中高光譜成像技術是目前在農產品品質無損檢測中研究最多的，高光譜成像技術不僅具有計算機成像技術和光譜技術的雙重優點，而且相對于其他技術來說還具有快速準確等優點［1～4］，因此可以用來對農產品進行在線檢測，目前的許多研究已經將其應用在蔬菜和水果的研究中，并取得了良好的檢測效果。

桑椹作為第三代水果，其具有酸甜可口、營養物質豐富、藥用價值較高等優點［5］，但由于桑椹皮薄肉軟多汁，極易發生腐爛變質，因此對桑椹進行及時快速的無損檢測是避免其品質降低和經濟損失的有效手段。當前桑椹成熟度和品質的評價主要是通過對顏色、質地、紋理、尺寸、香味等指標進行主觀判斷進行的［6］，由于評價人員在進行判斷時存在個人主觀性和經驗偏差，使得品質評價結論存在誤差甚至錯誤，因此需要一種更準確更客觀地無損檢測方法。最近幾年隨著高光譜成像技術的研究越來越成熟，已經有許多研究人員將其應用到農產品品質的無損檢測中來［7］，而桑椹作為第三代水果的代表，應用高光譜成像技術對其品質進行檢測，也成為了當前無損檢測研究的熱點之一。因此本文以桑椹作為檢測對象，通過文獻檢索和學習總結來介紹高光譜成像技術在桑椹品質無損檢測中的研究進展。

1 高光譜成像技術的原理和裝置

1.1 高光譜成像原理

光譜根據分辨率的高低可以將其分成多光譜、高光譜、超光譜三種類型，這三種類型對應的光譜分辨率分別為10-1λ以內、10-2λ以內、10-3λ以內［8］，而高光譜圖像就是由一系列連續的光波波長組成的光學圖像。因此高光譜成像就是指在特定的波長范圍內獲得由一系列連續的窄波段圖像組成的包含三維圖像數據塊的過程［9］。一個典型的高光譜數據塊示意圖如圖1所示，進行高光譜成像時，成像儀通過接收被測物體表面反射和透射光以及在X軸上進行分光，在Y軸上進行成像，從而獲得包含一維光譜和二維圖像的高光譜三維數據塊。通常高光譜的光譜范圍主要包括可見光譜區域（400～760 nm）和近紅外光譜區域（760～2560 nm），目前其光譜分辨率可以達到2～3nm［10］。在利用高光譜成像技術在獲得樣品圖像的同時，還能夠為圖像上每個像素點提供上千個波長點的光譜信息，因此包含了樣品內部豐富的成分含量信息，可以達到實現樣品的成分、含量、空間分布的無損測量的目的。

圖1 典型高光譜數據塊示意圖Figure 1 Sketch map oftypical hyperspectral data block

1.2 高光譜成像系統裝置

一個典型的高光譜成像系統主要包含硬件和軟件這兩部分［11］。硬件系統包括：電荷耦合器件探測器、成像光譜儀、鏡頭、光源及其控制器、可調載物臺、移動步進機等，而軟件系統包含運動控制系統和圖像采集系統兩部分。通過將軟硬件進行結合可以對樣品信息進行快速采集，采集過程如下：首選是將樣品平穩放置已調整好高光譜系統載物平臺上，而后應用運動控制系統啟動移動步進機，以點掃描、線掃描或者面掃描進行圖像的獲取［12］，在圖像采集的過程中，被測物體表面的光反射和透射信息被高光譜成像儀接收，從而獲得在平面X軸、Y軸和光波長λ上的三維信息，因此既包含了圖像信息，也包含了光譜信息，而后將采集的圖譜信息儲存在計算機中，從而進行后續的數據處理和分析［13］。

2 高光譜圖像數據處理與分析

高光譜成像采集的三維數據塊能夠提供被檢樣品內外部豐富的成分含量信息，但由于高光譜數據具有波段多、分辨率高、數據維度高、冗余性強等特點，因此必須采取合適的的數學算法對數據進行處理和分析。通常高光譜圖像處理的流程一般包括：高光譜圖像的獲取、圖像的校正，圖譜信息的提取、數據預處理、數據降維和特征變量提取、模型建立、結果分析等幾個方面。總結以上的幾個方面，可以將其分成三個方面：高光譜圖像校正、光譜數據降維以及檢測模型構建。具體的分析流程圖可見圖2。

2.1 高光譜圖像校正和光譜預處理

在高光譜圖像采集過程中，由于圖像是未經校正的原始圖像，在圖像的的采集過程中由于相機中的暗電流的存在會對采集系統產生一定的影響，使得采集的高光譜圖像穩定性較差［14，15］，另一方面由于原始高光譜圖像數據是光子的強度信息，需要通過反射校正來獲取相對反射率［16］。因此對高光譜進行黑白版校正是數據分析前一個必要的過程［17］。另外，由于在光譜信息采集的過程中存在光散射、檢測物圖像不規則以及隨機噪聲等不利因素［18］，會使光譜曲線出現不平滑，信噪比較低等問題，所以在進行相關數據分析之前都會進行數據的預處理，常用的預處理方法有平滑、歸一化、求導、多元散射校正、傅里葉變換、小波分析等，通過預處理后的數據不僅提高了曲線的平滑性和信噪比，而且對后續所建模型的準確性也有一定的提升。

圖2 高光譜數據處理和分析流程圖Figure 2 Flowchart of hyperspectral data processing and analysis

2.2 高光譜數據降維

由于高光譜采集的數據塊通常含有幾百甚至上千個波段的光譜信息，這就造成了過高維度的光譜信息和數據較大的冗余性，不僅使得計算過程繁瑣，而且還會降低無損檢測模型的準確性，因此在建模前對高光譜數據塊進行降維處理是進行數據分析的重要一步。查閱文獻發現，當前應用較多的降維處理方法主要有以下幾種：主成分分析法、獨立成分分析法、遺傳算法以及最小噪聲分離法等［19～22］，通過相應的降維算法處理后，大量的冗余信息被去除，并且特征波段和圖像被提取，這些對于簡化計算過程和提高模型的準確性發揮著重要的作用。

2.3 檢測模型的構建

通過對降維處理后的圖譜數據進行建模，可將圖譜信息和待測品質關聯起來，目前常用的一些化學計量學建模方法有偏最小二乘法、支持向量機、人工神經網絡、多元線性回歸法，線性判別分析，Fisher判別分析等算法［16，21，23，24］，通常的做法是應用多種建模方法，最后比較不同建模方法建模集和預測集結果來選出最優模型，因此建模方法不是固定的，而是根據不同的數據類型選用不同的建模算法，不匹配的建模方法通常會對結果準確性會產生較大的影響。而對于降維后的圖像維，通常采用相應的數字圖像處理技術對圖像進行分割處理，從處理后的圖像中提取特征參數建立模型，進而對被測樣本表面缺陷或殘留物進行檢測和識別［23］。

3 高光譜成像技術在桑椹品質無損檢測中的研究進展

水果品質的好壞，通常是由其內外品質共同決定的。內外品質也決定著桑椹的成熟度、貨架期長短以及市場表現等［25］。因此客觀全面的評估水果的品質就成了采摘和銷售之前必要的內容。隨著計算機技術和信息技術的發展，高光譜無損檢測技術變得越來越成熟，以往破壞性的傳統化學方法也正在被高光譜成像技術逐漸所取代。桑椹作為一種比較“小眾化”的水果，由于易發生軟化腐爛，因此應用高光譜技術對其進行品質檢測的研究還較少［26］。但為了更好的了解高光譜在桑椹品質檢測中的研究方向，本部分將介紹高光譜在桑椹和其他水果的上的應用，為桑椹以后的研究提供參考方向。

3.1 桑椹外部品質檢測

外部品質是桑椹品質優良與否的直觀體現，對桑椹的外部品質的評價通常是通過對顏色、硬度、紋理、尺寸、形狀以及表面缺陷等指標進行評估，傳統的評價往往根據個人經驗進行，因此主觀性較強，且不同品種的水果具有不同的外觀特性，使得評價結果容易出現偏差和錯誤。而高光譜成像技術則能很好地解決這一問題，并且許多的研究已經在不同的水果上展開［27］。

通過文獻檢索發現，應用高光譜成像技術對桑椹外部品質的研究尚未開展，但其他水果的研究較多，例如LU等對兩個品種蘋果表面的的損傷進行了研究，結果表明在波長為1000～1340nm時，高光譜成像技術可以檢測出兩種蘋果表面的損傷，并且檢測的準確性分別介于62%～88%和59%～94%之間［28］。YU等通過高光譜成像技術對藍莓的愈傷進行了研究，通過采用支持向量機成功地將愈傷組織和健康組織區分開來，并且準確性達到了90%以上［29］。此外也有研究對水果表面的農藥殘留和蟲害進行了研究，如J.WANG等用反射高光譜成像系統對棗類水果蟲害損傷進行了研究，通過檢測棗的有損表皮和無損表皮，成功地將兩者區分開來，區分總精度達到了97%以上［30］。而張玲表等應用高光譜成像對番茄表面的農藥殘留進行了研究，其通過對噴灑不同濃度農藥的番茄進行光譜采集，而后通過對圖譜處理和分析，不僅選出了特征波長而且利用特征波長建立的識別模型可以對經過不同濃度農藥噴灑的番茄表面進行了識別，結果展示高濃度的的農藥殘留檢出率為100%，而低濃度檢出率為0，直接說明高光譜成像技術在農藥殘留檢測方面具有一定的應用性［31］。除此以外，應用高光譜成像技術對水果的凍傷［32］、腐爛［33］、缺陷［34］等也有相應的研究，而且這類檢測精度通常在80%以上，證明了高光譜成像技術在水果外觀品質檢測上的巨大潛力。以上所提的幾種外觀檢測類型，在桑椹上的研究還較少，可能的原因是，桑椹體積小且表面凹凸不平，對于圖像處理和分割有一定的困難性，但隨著計算機信息技術的進步和圖像處理技術的發展，應用高光譜成像技術對桑椹外觀品質進行檢測和研究會逐漸變為可能。

3.2 桑椹內部品質檢測

目前應用高光譜成像技術對桑椹品質的研究主要集中在內部品質的無損檢測上，通常檢測以下幾項內容：可溶性固形物、水分含量、酸度、干物質含量、可滴定酸等［35］。目前在桑椹中可溶性固形物的研究較多，如Zhao等通過將化學計量學方法和高光譜成像技術進行結合對桑椹中的總可溶性固形物進行了研究，采集了310個桑椹的高光譜信息，然后用糖度計對其可溶性固形物進行測定，通過相應的變量選擇方法得到特征波長，最后應用偏最小二乘法和支持向量機兩種建模方法對樣品中的可溶性固形物進行了研究，成功地將其分布進行了可視化呈現［36］。另外我們實驗室也對桑椹的內部品質進行了無損檢測研究，Huang對可溶性固形物進行了研究，并通過不同的變量選擇方法和和建模方法，對桑椹中的可溶性固形物進行了預測，通過綜合比較選出了最優組合，相關系數達到了0.700；除此以外我們還對pH進行了研究，其相關系數達到了0.900，結果顯示高光譜有成像技術對桑椹中的可溶性固形物和pH具有很好的檢測效果［37］。另外Huang還利用高光譜成像系統中的兩種CCD探測器對桑椹中的總花青素含量和抗氧化活性進行了快速無損檢測，相關的系數也分別達到了0.959和0.995［38］。由于當前桑椹的研究還較少，桑椹的許多內部品質指標尚未應用高光譜成像技術進行研究，而在其他水果中已經進行許多相關內部指標的檢測，如對草莓［39，40］、蘋果［41，42］、桃子［43，44］水分含量、總的可溶性固形物、硬度等的檢測。通過學習和借鑒高光譜成像技術在其他水果內部品質中的應用，可以為以后桑椹的研究奠定基礎和研究方向，另外從這些研究中可以看出高光譜成像技術在桑椹品質無損檢測中廣闊前景。

4 總結與展望

基于高光譜成像技術對于桑椹品質進行快速無損檢測，已經成為當前無損檢測技術中研究最多的一項技術，通過此項技術不僅可以進行品質的無損檢測，而且還可以用來確定最優采摘時機，指導定價以及分級銷售，從而提高桑椹的經濟效益。但應用高光譜成像技術進行對桑椹進行無損檢測還存在一些不足：首先是利用高光成像技術對桑椹品質進行無損檢測存在檢測指標過于單一的問題，未能形成一套全面的無損檢測模型和體系，因此只能對單一指標進行評價，不能從整體確認桑椹品質的優劣，這也說明全面系統地對桑椹進行品質檢測是以后研究的熱點方向。其次是利用高光譜成像技術進行的某些品質指標的無損檢測，其準確性較低，造成模型實用性不高，因此對于如何提高模型的準確性和實用性也是當前需要重點研究的內容。再次是當前的一些光譜預處理方法，數據挖掘方法、圖像處理方法以及建模方法不夠豐富，雖然相應的化學計量學方法已有十幾種，但由于高光譜圖像所具有的高維度性、冗余性以及圖譜合一性，使得數學算法在光譜數據的處理過程中占有重要的地位，有時甚至決定著模型的復雜度和準確性，因此開發盡量多的新數學算法，對于推廣和應用高光譜成像技術具有重要意義。最后是高光譜設備采集信息較為緩慢，且高光譜成像儀價格昂貴，不利于大范圍的推廣和應用，因此開發輕便、快速、簡單的高光譜成像系統對于實際生產更加實用。以上幾個問題是以后研究的重點內容和方向，相信隨著信息技術的快速發展和計算機技術的日益成熟，會極大地提高高光譜成像技術的適用性。因此高光譜成像技術在桑椹等農產品的品質無損檢測上具有較大的發展潛力，相信不久的將來會成為一種重要的無損檢測手段。

［1］李江波，饒秀勤，應義斌.農產品外部品質無損檢測中高光譜成像技術的應用研究進展［J］.光譜學與光譜分析，2011（08）：2021-2026.

［2］QIN J，CHAO K，KIM M S，et al.Hyperspectral and mul?tispectral imaging for evaluating food safety and quality［J］.Journal of Food Engineering，2013，118（2）：157-171.

［3］王雷，喬曉艷，董有爾，等.高光譜圖像技術在農產品檢測中的應用進展［J］.應用光學，2009（04）：639-645.

［4］彭彥昆，張雷蕾.農畜產品品質安全高光譜無損檢測技術進展和趨勢［J］.農業機械學報，2013（04）：137-145.

［5］李嬌嬌，郜海燕，陳杭君，等.溫度對桑椹采后貯藏品質及細胞壁代謝酶的影響［J］.中國食品學報，2016（02）：166-172.

［6］CHENG J H，SUN D W.Rapid Quantification Analysis and Visualization of Escherichia coli Loads in Grass Carp Fish Flesh by Hyperspectral Imaging Method［J］.Food and Bioprocess Technology，2015，8（5）：951-959.

［7］WU D，SUN D W.Advanced applications of hyperspec?tral imaging technology for food quality and safety analy?sis and assessment：A review-Part II：Applications［J］.In?novative Food Science&Emerging Technologies，2013，19（1）：15-28.

［8］劉木華，趙杰文，鄭建鴻，等.農畜產品品質無損檢測中高光譜圖像技術的應用進展［J］.農業機械學報，2005（09）：139-143.

［9］黃培賢，姚志湘，粟暉，等.高光譜圖像技術在食品無損檢測中的研究進展［J］.食品工業科技，2012（15）：412-417.

［10］孫梅，付妍，徐冉冉，等.基于高光譜成像技術的水果品質無損檢測［J］.食品科學技術學報，2013（02）：67-71.

［11］陳守滿.高光譜圖像與農產品品質無損檢測研究進展［J］.安康學院學報，2011（06）：1-6.

［12］FENG Y Z，SUN D W.Application of hyperspectral imag?ing in food safety inspection and control：a review［J］.Critical Reviews in Food Science and Nutrition，2012，52（11）：1039.

［13］GOWEN A A，O'DONNELL C P，CULLEN P J，et al.Hy?perspectral imaging-an emerging process analytical tool for food quality and safety control［J］.Trends in Food Science&Technology，2007，18（12）：590-598.

［14］YAO H，LEWIS D.CHAPTER 2-Spectral Preprocessing and Calibration Techniques［J］.Hyperspectral Imaging for Food Quality Analysis&Control，2010：45-78.

［15］NICOLA? B M，L?TZE E，PEIRS A，et al.Non-destruc?tive measurement of bitter pit in apple fruit using NIR hyperspectral imaging［J］.Postharvest Biology&Technol?ogy，2006，40（1）：1-6.

［16］周竹，李小昱，高海龍，等.馬鈴薯干物質含量高光譜檢測中變量選擇方法比較［J］.農業機械學報，2012（02）：128-133.

［17］單佳佳，彭彥昆，王偉，等.基于高光譜成像技術的蘋果內外品質同時檢測［J］.農業機械學報，2011（03）：140-144.

［18］GOMEZSANCHIS J，MOLTO E，CAMPSVALLS G，et al.Automatic correction of the effects of the light source on spherical objects.An application to the analysis of hyper?spectral images of citrus fruits［J］.Journal of Food Engi?neering，2008，85（2）：191-200.

［19］羅陽，何建國，賀曉光，等.農產品無損檢測中高光譜成像技術的應用研究［J］.農機化研究，2013（06）：1-7.

［20］周竹，李小昱，陶海龍，等.基于高光譜成像技術的馬鈴薯外部缺陷檢測［J］.農業工程學報，2012（21）：221-228.

［21］YU K，ZHAO Y，LI X，et al.Identification of crack fea?tures in fresh jujube using Vis/NIR hyperspectral imag?ing combined with image processing［J］.Computers&Electronics in Agriculture，2014，103（103）：1-10.

［22］張保華，黃文倩，李江波，等.基于高光譜成像技術和MNF檢測蘋果的輕微損傷［J］.光譜學與光譜分析，2014（05）：1367-1372.

［23］陳全勝，張燕華，萬新民，等.基于高光譜成像技術的豬肉嫩度檢測研究［J］.光學學報，2010（09）：2602-2607.

［24］ELMASRY G，WANG N，VIGNEAULT C.Detecting chill?ing injury in Red Delicious apple using hyperspectral im?aging and neural networks［J］.Postharvest Biology&Technology.2009，52（1）：1-8.

［25］MOREDA G P，ORTIZCA?AVATE J，GARCíARAMOS F J，et al.Non-destructive technologies for fruit and vege?table size determination-A review［J］.Journal of Food Engineering，2009，92（2）：119-136.

［26］韓強，郜海燕，陳杭君，等.臭氧處理對桑椹采后生理品質的影響及機理［J］.中國食品學報，2016，16（10）：147-153.

［27］ZHANG R，YING Y，RAO X，et al.Quality and safety as?sessment of food and agricultural products by hyperspec?tral fluorescence imaging［J］.Journal of the Science of Food&Agriculture，2012，92（12）：2397-2408.

［28］LU R.Detection of Bruises on Apples Using Near-Infra?red Hyperspectral Imaging［J］.Transactions of the Asae，2003，46（2）：523-530.

［29］JIANG Y，LI C，TAKEDA F.Nondestructive Detection and Quantification of Blueberry Bruising using Near-in?frared（NIR）Hyperspectral Reflectance Imaging［J］.Sci?entific Reports，2016，6：35679.

［30］WANG J，NAKANO K，OHASHI S，et al.Detection of ex?ternal insect infestations in jujube fruit using hyperspec?tral reflectance imaging［J］.Biosystems Engineering，2011，108（4）：345-351.

［31］張令標，何建國，劉貴珊，等.基于可見/近紅外高光譜成像技術的番茄表面農藥殘留無損檢測［J］.食品與機械，2014（01）：82-85.

［32］CEN H，LU R，ZHU Q，et al.Nondestructive detection of chilling injury in cucumber fruit using hyperspectral im?aging with feature selection and supervised classification［J］.Postharvest Biology&Technology，2016，111：352-361.

［33］李江波，王福杰，應義斌，等.高光譜熒光成像技術在識別早期腐爛臍橙中的應用研究［J］.光譜學與光譜分析，2012，32（1）：142-146.

［34］CHO B K，KIM M S，BAEK I S，et al.Detection of cuti?cle defects on cherry tomatoes using hyperspectral fluo?rescence imagery［J］.Postharvest Biology&Technology，2013，76：40-49.

［35］SADEGHI N，NAYAK A，WALKER L，et al.Analysis of the contribution of experimental bias，experimental noise，and inter-subject biological variability on the assessment of developmental trajectories in diffusion MRI studies of the brain［J］.Food and Bioprocess Technology，2012，5（4）：1121-1142.

［36］ZHAO Y R，YU K Q，HE Y.Hyperspectral Imaging Cou?pled with Random Frog and Calibration Models for As?sessment of Total Soluble Solids in Mulberries［J］.Jour?nal of Analytical Methods in Chemistry，2015，2015（2）：343782.

［37］HUANG L，WU D，JIN H，et al.Internal quality determi?nation of fruit with bumpy surface using visible and near infrared spectroscopy and chemometrics：A case study with mulberry fruit［J］.Biosystems Engineering，2013，109（4）：377-384.

［38］HUANG L，ZHOU Y，MENG L，et al.Comparison of dif?ferent CCD detectors and chemometrics for predicting to?tal anthocyanin content and antioxidant activity of mul?berry fruit using visible and near infrared hyperspectral imaging technique［J］.Food Chemistry，2017，224：1.

［39］NAGATA M，TALLADA J G，KOBAYASHI T.Non-De?structive Estimation of Firmness of Strawberries（Fragar?ia*ananassa Duch.）Using NIR Hyperspectral Imaging［J］.Environmental Control in Biology，2006，44（4）：245-255.

［40］ELMASRY G，WANG N，ELSAYED A，et al.Hyperspec?tral imaging for nondestructive determination of some quality attributes for strawberry［J］.Journal of Food Engi?neering，2007，81（1）：98-107.

［41］PENG Y K，LI Y Y，ZHAO J，et al.Establishment of rap?id and non-destructive detection method of apple firm?ness using hyperspectral images［J］.Journal of Food Safe?ty&Quality，2012.

［42］DONG J，GUO W.Nondestructive Determination of Ap?ple Internal Qualities Using Near-Infrared Hyperspectral Reflectance Imaging［J］.Food Analytical Methods，2015，8（10）：1-12.

［43］GUO W C，DONG J L.Nondestructive detection on firm?ness of peaches based on hyperspectral imaging and arti?ficial neural networks［J］.Guangxue Jingmi Gongcheng/optics&Precision Engineering，2015，23（6）：1530-1537.

［44］LU R，MENDOZA F A，ARIANA D P.Peach maturity/quality assessment using hyperspectral imaging-based spatially resolved technique［J］.Sensing for Agriculture&Food Quality&Safety III，2011，8027（4）：80270L.

Research Progress of Hyperspectral Imaging Technology in Non-destructive Detection of Mulberry Fruit

MENG Liu-wei1,YANG Liang1，WANG Jing-yu1，HUANG Ling-xia1,2＊
（1.Research Institute of Applied Bioresource,Zhejiang University,Hangzhou 310058,China 2.South Taihu Agriculutural Technology Extension Center in Huzhou Zhejiang University,Hangzhou 313000 Zhejiang,China）

Hyperspectral imaging technology is a kind of testing technology and more researched in recent years,which is a new non-destructive detection technology by combining computer imaging technology and spectral technology.In order to concludethe research progress of the non-destructive testing in mulberry quality based on hyperspectral imaging technology,the research on the mulberry non-destructive testing based on hyperspectral imaging technology was described and summarized.Moreover,the future of hyperspectral imaging technology were also analyzed and prospected.

mulberry quality;hyperspectral imaging technology;non-destructive testing;research progress

S663.9

A

0258-4069［2017］03-009-06

中央高校基本科研業務費專項資金資助（2017QNA6025）；國家自然科學基金（3170100331）；浙江省科技計劃項目（2017C32013）；現代農業產業技術體系專項（CARS-22）；湖州市公益性技術應用研究項目（2015GZ12）

孟留偉（1989-），男，河南周口人，碩士研究生。主要從事數字蠶桑研究。E-mail：1193414839@qq.com

黃凌霞，女，副研究員，碩士生導師。E-mail：lxhuang@zju.edu.cn