基于近紅外高光譜成像技術的南疆紅棗冠層葉片水分分布研究

王長旭 王玉婷 索玉婷 徐嘉翊 高峰 羅華平

摘要：【目的】探究棗樹冠層水分的變化對偏振光譜的影響，為后續大面積棗園棗樹生理監測提供依據。【方法】基于近紅外高光譜成像技術對干濕棗葉不同偏振角度下的圖像進行線偏振度（Degree of Linear Polarizationg，Dolp）計算、主成分對比分析。通過對駿棗棗葉的圖像處理，可以在圖像上和光譜上看出駿棗棗葉水分分布差異。【結果】在對圖像進行Dolp計算后可以清楚地看出其光譜差異，新鮮棗葉在波長1450nm附近Dolp圖像具有明顯的水分特征峰，干燥的棗葉在1450nm處無明顯的水分特征峰。【結論】對偏振高光譜圖像處理后得到不同顏色標記的不同水分葉片的圖像；并在圖像上光譜顯示其水分特征峰，達到光譜檢測差異，圖像顯示分布的效果為后續定量檢測打下基礎。

關鍵詞：高光譜成像技術；線偏振度（Degree of Linear Polarizationg，Dolp）；主成分分析法；協方差法

作者簡介：王長旭，碩士，研究方向：高光譜無損檢測南疆紅棗品質。Email：2710730350@qq.com

通訊作者：羅華平，碩士，教授，研究方向：農業機械化工程學科農產品加工。Email：luohuaping 739@163.com

引言

我國紅棗主要在新疆，新疆紅棗看南疆。近年來，由于我國農村產業政策對紅棗行業的支持以及紅棗生產需求量的不斷快速增長[1]，我國棗樹栽培面積也呈現了快速增長的趨勢。隨著科學帶動與人民思想的進步，紅棗種植逐漸科學化，肥料不再盲目使用，田間管理更加科學，紅棗栽培面積逐漸增加[2]，紅棗產業鏈更加完善，已經成為帶動地方經濟發展的又一助力。

據統計，目前，我國在新疆紅棗的栽培面積已超過650萬畝，居于我國紅棗種植面積的首位，平均年產超過100萬kg，在收獲季節約占全國總產量的50%[3]。新疆維吾爾自治區特殊的地形地貌、氣候環境使新疆紅棗的品質得到人們的廣泛認可，特別是南疆地區全年干旱少雨，全年日照時間多達3500h，晝夜溫差大，十分適合紅棗的糖分積累，造就了南疆紅棗的卓越品質。新疆紅棗產業快速發展使新疆南疆地區逐步擺脫貧困，有些農戶還走上致富的道路。據調查，巴音郭楞蒙古自治州且末縣紅棗栽培面積已超過18萬畝地，該縣在2015年的紅棗總產超過3萬kg，其每年產值超過4.5億人民幣，現如今紅棗主導產業已真正變成農戶脫貧致富增收的重要支柱產業之一[4]。紅棗產業急速發展的同時國家推出智慧農業的概念，即充分利用現代信息技術的成果集成應用計算機與網絡技術、物聯網技術、無線通信技術等結合專家的知識與農戶的經驗實現農業可視化、遠程診斷病害、自動控制作物生長狀態、病害預警等智能管理等，達到農業生產的高級階段的終極目標。雖然紅棗已然成為新疆重要的經濟效益之一，但對紅棗生長的監測方法還不夠完善，影響著紅棗品質。在紅棗種植、生長、收獲、運輸、加工過程中仍然有很多需要改進優化的地方，急需新技術來解決這些問題。

近紅外高光譜成像技術（Near-infrared hyperspectral imaging techniques）是近些年熱門的無損檢測技術，其工作原理是通過光柵掃描式地將若干張帶有波段信息圖片迭代在一起形成一個圖像。與普通相機不同，普通相機只有R、G、B三個波段，而高光譜相機可以將波長980-1750nm分成256個波段，并且在圖像上每個像元點都帶有被測物的256個波段。由于高光譜相機是掃描式拍攝的，所以每張圖像還有空間信息與時間維度信息，這些信息蘊含著被測物品的各種理化信息所在的空間信息。與傳統檢測方法不同，傳統檢測方法不僅要破壞樣品，并且檢測時間長，需要消耗大量的人力物力，較新興的多光譜檢測技術來說有著更加全面的波段信息和空間信息，這大大增加了其精確度，它不僅可以用在檢測表面的紋理特征（如病害、凍害等），亦可用于內部品質特征（水分、糖度、維C等）。正是由于高光譜相機的這些特性，高光譜成像技術常用在衛星遙感、農產品品質分級、顯微細胞光譜成像等。雖然高光譜成像技術有著高精度、高分辨率的特點，但這些特性也同時存在著負面影響；高光譜圖像具有龐大的數據量和嚴重的冗余現象，但這些數據并不都是有用的，要從龐大的數據里提取出可用數據所花費的時間和精力都非常大，因此，處理高光譜圖像并分析數據是非常困難的事，并且由于測量時環境的影響會導致雜散光，這些雜散光會增加測量時的誤差，導致測出來的光譜有所偏差，為了消除這些影響不僅需要在圖像處理上花費大量時間，而且也要在提取的數據上花費大量的時間。

針對光譜數據量大，數據嚴重冗余的負面影響，一般采用的方式為降維，將高光譜圖像由多維的圖像轉變為數字信息，在圖像上提取需要的信息并且以各個波段反射率方式加以使用，目前常用的有主成分分析法與小波變換方法。主成分分析主要利用其原始數據協方差矩陣的特征值計算各個主成分的貢獻率，根據主要成分貢獻率的大小在圖像上用不同顏色標記并提取特征，該方法壓縮效果顯著減少數據量，但是由于主成分分析為全部壓縮，在數據分析上光譜特征與空間特征不夠突出。小波變換是針對每個像元來進行降維，可以較好地凸顯被測物的光譜特征與空間特征，但小波變換降維所耗時間較大，并且降維效果不是很好，因此高光譜圖像處理工藝流程還需進一步改善。針對高光譜圖像受雜散光影響的處理方式：1）歸一化處理，將圖像亮度值通過加權統一到[0，1]區間以減小亮度差異，改圖像對比度。2）輻射校正，在近地面高光譜數據中，通過在實驗時添加標準漫反射白板來做校正，標準白板為朗伯體，從每個角度照射的光反射出來的反射率都為1，在處理圖像時以標準白板為基準計算每個波段的平均光譜值得到整幅圖像的平均參考光譜，從而達到降噪的效果。

由于高光譜成像技術相較于傳統檢測方法的快速無損的特性，被廣泛應用于農產品的品質監測與快速無損檢測中[5]。例如，利用高光譜圖像識別檢測番茄的霉變及蟲眼[6]；高光譜數據建模定量檢測糧油的品質[7]；通過高光譜數據與內部糖分建模甜瓜內部品質[8]；種子的活力檢驗[9-10]；高光譜圖像建模分類檢測雞肉[11]、羊肉[12]、雞蛋品質[13]；利用高光譜圖像提取數據建模反演對蘋果糖度無損檢測[14]；農副產品分類檢測等。但鮮有高光譜圖像技術應用的相關報道，同時，由于高光譜的數據量過于龐大并且維數較高，因此使用不同的降維處理方法和光譜數據處理方法均會引發模型的多樣性，這就導致模型的不穩定性，預測的精度低。所以，高光譜圖像技術用于果品的快速無損檢測流程亟待進一步優化。本文基于高光譜成像技術研究南疆駿棗干燥葉片與新鮮葉片在高光譜偏振光下與非偏振光下的差異來探究紅棗葉片水分分布，為后續定量化描述棗樹其他指標以及生理狀態提供依據。

1 材料與方法

1.1 試驗材料

試驗所用主要儀器是四川雙利合譜科技有限公司生產的Image-λ-N17E-N3型增強型近紅外高光譜相機、標準漫反射白板、手持式測距儀、溫濕度控制傳感器、鹵素燈（光源波段全），駿棗枝采集于新疆維吾爾自治區阿拉爾市十團優質棗園。

1.2 試驗方法

實驗選用新鮮駿棗棗樹樹枝和放置一周的干燥棗樹，將標準板放置在兩棵棗樹之后用作調焦與校正，在棗樹1.5m處放置高光譜相機進行調焦、調整曝光度，室內溫度為25℃，確保室內沒有其他雜散光干擾，實驗時間于2020年10月20日北京時間20∶54分，打開鹵素燈開始掃描，在相機前安裝偏振片分別掃描無偏振、0°偏振、45°偏振、90°偏振、135°偏振下干濕棗樹冠層和標準漫反射白板的高光譜圖像。

1.3 光學探測原理

根據菲涅爾定律，當一束平行的光源作用在被測物上，那么會出現圖1所示幾種情況：由于被測農作物大多表面不是完全平滑的界面，所以平行光線會在粗糙表面上進行特異性反射，這部分光線也包括外界反射來的光線對實驗造成影響，通常這部分光線還有部分平行光，會在光滑的表面上進行鏡面反射，鏡面反射會使看到的圖像出現亮斑，一般來說亮斑是被測物的一部分，為了探究亮斑下與非亮斑下的光譜是否有區別，可以通過偏振來區別。因為為大多被測物是有透光性的，因此有部分光被物品吸收，吸收部分不會被檢測出來，還有部分光在進入果品內部后便反射出來，反射這部分光在不同波長下反射出來的反射率也不同，不同的物質、化學鍵的斷裂、使內部的物理變化均會在特定的波長下反射率發生改變，在光譜上會有很大的差異。利用這些差異尋找特征并建立模型、反演，便可以用于后續檢測的模型。這就是光學在檢測農產品的基本原理。

而在大批量檢測中，由于條件復雜，光源不會均勻地作用在果品上，導致理論上的檢測精度達不到實際效果。因此采用偏振的特性可以極大地改善這一現象。

1.4 偏振

物質的偏振特征是指一束平行的光線照射在物品上所導致的偏振狀態發生改變的現象，常用Stokes向量或Muller（穆勒）矩陣來表示。

光的偏振特征是一種能夠表征物體本質特性的物理量，對于地球表面和大氣中的目標，在反射和輻射電磁波的過程中，都會產生由他們自身性質決定的偏振特征。因此，它可以用作目標的檢測、跟蹤、識別等并為其提供了新的檢測手段。

部分偏振光可以分解為相互獨立的未偏振光和完全偏振光，而部分偏振光的Stokes參數可以用相互獨立的未偏振光和完全偏振光的各自Stokes參數的累加和來表示，即部分偏振光的Stokes向量S表示為；

S=S（1）+S（2） （1）

式中：S（1）為未偏振光的Stokes向量，S（2）為完全偏振光的Stokes向量。

式中，I。（0 =0°，45°，90"，135）為偏振片旋轉0度偏振時的熱圖像，IRCP與ILCP分別表示右旋和左旋圓偏振。Stokes參量主要用來描述一束光作用在物品上的偏振狀態，但不能完整描述目標景物反射，光作用在物體表邊上的變化與其表面粗糙度和物品內外部固有屬性的密切關系。目前，常用的兩個表征目標景物表面狀態和屬性特征的重要參量為偏振度（degree of linear polarization，DoLP）和偏振角（angle of linear polarization，AoLP）。偏振度表示從0到1的無量綱常數。當偏振度為0時，表示非偏振光；當偏振度為1時，表示全偏振光；當偏振度處于0-1之間時，表示部分偏振光。通常可由Stokes 參量計算得到，一般將其定義為；

線偏振度（Degree of Linear Polarizationg，Dolp）在圖像上可以細化紋理勾勒被測物邊緣，強化被測物特征信息，其數據與原始數據對比尋找規律可以在特定的條件下尋找其特征，如太陽耀斑。高光譜數據在植被探測中由于被測物受光照條件的影響很容易導致“異物同譜”“同物異譜”的現象，而偏振在高光譜圖像的處理中起到至關重要的作用，它是區別于高光譜圖像的光譜信息與空間信息的特征，目前主要用于構建偏振信息與其物品本身信息之間的關系。在高光譜圖像中添加偏振信息可以起到強光弱化的效果，在目標識別中可以強化被測目標特征，可以較好地避免“異物同譜”“同物異譜”的現象。

偏振角表示入射光的偏振方向相對于x軸的夾角，對于部分偏振光，就是能量最大的偏振方向與x軸的夾角，可以用來表征目標及背景的狀態特征。偏振角可表示為Stokes參量的函數，計算公式如下；

2 試驗結果及分析

將采集的高光譜棗樹冠層圖像（圖2所示）利用envi軟件進行主成分分析（Principal Component Analysis，PCA），利用協方差算法對其進行優化得到較為明顯水分分布的圖像，如圖3所示。

對圖像進行主成分分析處理后我們可直觀地看到兩種水分分布不同的棗樹，左邊顏色較暗（紫色）為干燥的棗葉，右邊顏色叫鮮艷（黃色）為新鮮的棗葉。

主成分分析法通過協方差矩陣的特征值計算各個主成分的貢獻率，根據主要成分貢獻率的大小在圖像上用不同顏色標記并提取特征，這種方法可以將多個相關性高的實測數據綜合成少量的變量，這些變量體現著各個被測物個體之間的差異，并在與圖像中用不同顏色標記差異達到上圖的效果。

將原始圖像利用ENVI對圖2進行Dolp計算得到圖4，再分別提取原始光譜圖像干濕棗葉如圖5所示與Dolp處理之后的光譜干濕棗葉如圖6所示，通過對比可以發現，在波長在1450nm附近具有明顯差異，新鮮葉片在1450nm附近有明顯的反射峰，干燥的葉子光譜曲線較為平緩，而原圖像趨勢基本相同差異不大不能做為特征，說明dolp在光譜上可以強化特征。其原因可以根據菲涅爾原理解釋，在物品直接被反射的輻射是部分偏振的，即物品直接被反射的概率為rs

rs=rsp+rsnp （5）

當光線進入到物品內部，與內部物質相互作用后，輻射被散射向上的總概率為；

ri=（1-rsp）ωρ （6）

則輻射被吸收的概率ai以及向下投射的概率ti為；

ai=（1-rs）（1-ω）

ti=（1-rs）ωρ （7）

傳感器接收到的輻射與物品及內部相互作用后的總能量則可以簡單表示為；

一般情況下rs可以以為是常量，即是與波長無關的量。當棗葉的水分較大時，其反射率就會增加即ω、ρ增大，DOP值減小，而干燥的棗葉水分含量少，反射率較小即ω、ρ減小DOP值增大。說明在Dolp圖像中在水分吸收峰處峰值越小水分越高，峰值越高則水分越少。

3 小結

本文基于近紅外高光譜成像技術對不同干濕棗葉圖像進行主成分分析處理后得到其水分分布圖像，在對其不同水分分布的區域進行光譜對比可以發現：新鮮棗葉在波長1450nm附近線偏振度（Degree of Linear Polarizationg，Dolp）處理后圖像具有明顯的水分特征峰，干燥的棗葉在1450nm處曲線較為平緩且無明顯的水分特征峰。根據實驗結果表明；在對偏振高光譜圖像進行線偏振度（Degree of Linear Polarizationg，Dolp）計算處理后可以清楚地區分干燥葉片與新鮮葉片的差別，并在圖像上波長1450nm處找到其水分特征峰，達到圖像分辨水分高低分布，光譜對比兩者變化的效果，為后續大面積棗園生長監測提供理論依據。

參考文獻

[1] 何有苗.阿克蘇地區紅棗產業發展現狀及對策[J].新疆農墾科技，2020，43（10）：20-22.

[2] 席翔.喀什紅棗產業發展策略[J].農村科學實驗，2020（4）：83-84.

[3] 劉江.南疆紅棗主產區機械化現狀分析及發展對策研究[D].阿拉爾：塔里木大學，2020.

[4] 王飛翔，謝安國，康懷彬，等.食品光譜圖像無損檢測技術實用化方向研究進展[J].農產品加工，2019（13）：74-78.

[5] 馬艷，張若宇，齊妍杰.加工番茄蟲眼及霉變的可見近紅外高光譜成像檢測[J].食品與機械，2017，33（6）：135-138+179.

[6] 李興鵬，姜洪喆，蔣雪松，等.木本糧油林果品質的近紅外光譜及成像無損檢測研究進展[J].食品與發酵工業，2022，48（2）：302-308.

[7] 馬本學，喻國威，王文霞，等.光譜分析在西甜瓜內部品質無損檢測中的研究進展[J].光譜學與光譜分析，2020，40（7）：2035-2041.

[8] Daitaro Ishikawa，Asako Motomura，Yoko Igarashi，等.Near-Infrared Imaging Using a High-Speed Monitoring Near Infrared Hyperspectral Camera（Compovision）[J].光譜學與光譜分析，2015，35（4）：865-869.

[9] 段潔利，王韜隱，付函，等.光譜及成像技術在種子活力檢驗中的應用研究進展[J].現代農業裝備，2020，41（2）：2-7.

[10] 程麗娟，劉貴珊，萬國玲，等.可見/近紅外高光譜成像技術對長棗中葡萄糖含量的無損檢測[J].發光學報，2019，40（8）：1055-1063.

[11] 邢素霞，王睿，郭培源，等.高光譜成像及近紅外技術在雞肉品質無損檢測中的應用[J].肉類研究，2017，31（12）：30-35.

[12] 楊曉玉，丁佳興，房盟盟，等.基于可見/近紅外高光譜成像技術的雞蛋新鮮度無損檢測[J].食品與機械，2017，33（11）：131-136.

[13] 楊菊梅，賀曉光，王松磊，等.冷鮮羊肉品質的高光譜成像無損檢測[J].食品工業科技，2016，37（22）：84-89.

[14] 白巖康，蔡小嬋，李晶晶.圖譜特征深度網絡在蘋果糖度檢測中的探索研究[J].企業科技與發展，2020（10）：57-59.