内部机械性损伤(瘀伤)是蓝莓在生产收获过程中造成的缺陷,是蓝莓采后品质评估的重要指标。国内外研究已取得许多成果,但仍存在蓝莓内部瘀伤检测准确度不高的问题。本文针对蓝莓瘀伤的检测问题,基于高光谱成像技术对蓝莓内部瘀伤检测方法进行研究,利用测定的光学特性为检测技术提供理论依据,并使用卷积神经网络提高检测准确度,探索在生产中的应用。本文主要研究内容和结论如下:(1)针对光谱如何反应蓝莓瘀伤的问题,提出测定蓝莓瘀伤和无瘀伤(健康)果肉的光学特性。利用基于单积分球的光谱仪系统,获得无瘀伤、30 min瘀伤和24 h瘀伤的蓝莓果肉及果皮在500–800 nm和930–1400 nm光谱范围内的吸收系数(μ_a)、约化散射系数(μ_s’)和散射各向异性因子(g),然后使用蒙特卡罗多层模拟对蓝莓的光传播模型进行研究。结果表明,在500 nm至1400 nm之间,瘀伤(30 min和24 h)和无瘀伤果肉样本之间的μ_s’和g的差异显著。但蒙特卡罗多层模拟结果表明,由于蓝莓果皮具有较强的吸收率和后向散射,500–700 nm光谱区域对瘀伤无损检测效果不佳。因此,700–1400 nm是使用反射或透射方法检测蓝莓瘀伤的有效光谱范围。(2)提出利用高光谱融合图像无损检测蓝莓瘀伤的方法。对两个不同的高光谱系统硬件和软件进行集成,在反射模式下获取瘀伤蓝莓和无瘀伤蓝莓的高光谱图像,并在可见和近红外波段上进行融合(400–1650 nm)。根据光学特性测定结果,移除400–700 nm之间的图像数据,以700–1650 nm的融合图像为输入图像,训练改进的卷积神经网络,对瘀伤和无瘀伤蓝莓图像进行分类并获得91.48%的准确率,相比其他研究结果,准确率提高。该方法的局限是蓝莓的瘀伤部分需要面向相机放置。(3)提出在透射模式下,利用近红外高光谱图像无损检测蓝莓瘀伤的方法。根据获取的高光谱图像,讨论温度和时间对蓝莓瘀伤的影响。通过支持向量机分类器对所有蓝莓像素进行分类,将瘀伤面积大于25%的蓝莓识别为瘀伤蓝莓。在蓝莓茎端朝向相机的摆放位置下,识别的平均准确率为94.5%。结果表明,采用高光谱透射成像技术,可以在发生机械损伤后30分钟,两个存储温度(22°C和4°C)下,检测出蓝莓瘀伤。该方法的局限是蓝莓需要茎端面向相机放置。(4)提出利用全卷积神经网络量化蓝莓瘀伤的方法。为了进一步提高蓝莓瘀伤检测的准确率和解决蓝莓的摆放问题,使用全卷积神经网络技术对高光谱图像进行分割。将蓝莓瘀伤组织、无瘀伤组织和花萼端作为三类分割目标。将1,200张蓝莓高光谱图像随机分为训练集、验证集和测试集(720:240:240),包括测试集中的72张早期瘀伤图像。使用高光谱图像训练的全卷积网络模型获得了最高的平均交并比IoU(Intersection over Union)准确率,在整个测试集上为81.2%,在早期瘀伤测试集上为81.1%。并且对额外的360张图像进行预测并观察其瘀伤发展。结果表明,基于深度学习处理的高光谱图像能准确地量化蓝莓瘀伤,这将有利于新鲜蓝莓产业市场的发展。