近年來(lái)， 國(guó)內(nèi)外利用光學(xué)特性分析、 聲學(xué)特性分析、 電學(xué)特性分析、 電磁與射線檢測(cè)等技術(shù)對(duì)農(nóng)產(chǎn)品的無(wú)損檢測(cè)技術(shù)得以廣泛應(yīng)用[2]， 并受到越來(lái)越多的研究人員關(guān)注， 且已經(jīng)取得了一定的研究成果。 本文主要總結(jié)了*新國(guó)內(nèi)外有關(guān)基于機(jī)器視覺(jué)技術(shù)、 近紅外光譜技術(shù)和高光譜成像技術(shù)的葡萄品質(zhì)的研究成果， 并對(duì)各種方法進(jìn)行綜述和分析， 為葡萄品質(zhì)的無(wú)損檢測(cè)技術(shù)的發(fā)展和相關(guān)研究人員的研究工作提供參考。

1 基于機(jī)器視覺(jué)的無(wú)損檢測(cè)研究
機(jī)器視覺(jué)技術(shù)是通過(guò)像機(jī)獲取待測(cè)物表面的圖像， 通過(guò)計(jì)算機(jī)圖像處理技術(shù)將圖像進(jìn)行數(shù)據(jù)化分析， 以此獲取圖像的某些特定信息， 分析圖像信息判斷被測(cè)對(duì)象外部品質(zhì)的一種技術(shù)[3]。 該技術(shù)主要包括成像系統(tǒng)、 控制系統(tǒng)、 數(shù)據(jù)傳送系統(tǒng)三部分， 實(shí)驗(yàn)室搭建的機(jī)器視覺(jué)采集裝置涵蓋了信號(hào)處理、 光學(xué)、 計(jì)算機(jī)科學(xué)等多門(mén)學(xué)科[4]。 目前， 在國(guó)內(nèi)外此項(xiàng)技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)方面運(yùn)用廣泛， 技術(shù)相對(duì)比較成熟， 也是葡萄外部品質(zhì)無(wú)損檢測(cè)的有效手段之一。

1.1 葡萄果粒大小的識(shí)別
對(duì)于鮮食葡萄來(lái)說(shuō)， 其果粒大小是影響鮮食葡萄外觀品質(zhì)的重要因素之一， 也是分級(jí)的重要指標(biāo)。 對(duì)鮮食葡萄果粒大小的識(shí)別有利于對(duì)其進(jìn)行標(biāo)準(zhǔn)化處理， 不但提高外觀品質(zhì)， 也便于銷(xiāo)售和包裝， 是葡萄商品處理化的重要環(huán)節(jié)。 李俊偉等[5]運(yùn)用機(jī)器視覺(jué)技術(shù)對(duì)單粒新疆無(wú)核白和紅提葡萄的質(zhì)量和果徑大小進(jìn)行研究， 利用*大類(lèi)間方差法和數(shù)學(xué)形態(tài)學(xué)方法對(duì)葡萄圖像進(jìn)行分割和去噪， 分別建立葡萄質(zhì)量和果徑大小的一元線性回歸和偏*小二乘回歸預(yù)測(cè)模型， 預(yù)測(cè)決定系數(shù)分別達(dá)到0.98和0.945， 準(zhǔn)確度達(dá)到85%以上。 肖壯等[6]利用機(jī)器視覺(jué)技術(shù)采集了42串紅提葡萄的RGB圖像和NIR圖像， 對(duì)紅提葡萄果粒尺寸進(jìn)行分級(jí)檢測(cè)。 對(duì)紅提葡萄圖像進(jìn)行去除果梗和輪廓干擾信息后， 利用隨機(jī)*小二乘橢圓法對(duì)紅提尺寸進(jìn)行提取， 對(duì)整串紅提進(jìn)行分級(jí)， 分級(jí)正確率達(dá)到90.48%， 采集裝置如圖1所示。 Li等[7]通過(guò)搭建的機(jī)器視覺(jué)裝置對(duì)紅提葡萄圖像進(jìn)行采集， 并對(duì)圖像進(jìn)行增強(qiáng)處理。 利用邊緣檢測(cè)對(duì)紅提輪廓進(jìn)行兩次分割， 采用曲率角計(jì)算每個(gè)葡萄輪廓的曲率角值， 從而實(shí)現(xiàn)紅提大小的自動(dòng)分級(jí)。 Khazaei等[8]提出了一種葡萄干燥過(guò)程在線監(jiān)測(cè)與控制的預(yù)測(cè)建模方法， 探究了干燥過(guò)程中無(wú)核蘇丹娜葡萄大小的收縮性與干燥模型準(zhǔn)確性之間的相互關(guān)系。 利用機(jī)器視覺(jué)對(duì)葡萄生產(chǎn)過(guò)程中的形狀收縮進(jìn)行了測(cè)量， 建立了葡萄干燥過(guò)程的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型， 該研究結(jié)果實(shí)現(xiàn)了葡萄干燥過(guò)程的在線控制。
成熟的葡萄果粒水分充足、 果實(shí)飽滿有彈性， 使用機(jī)器視覺(jué)技術(shù)結(jié)合圖像處理方法(背景分割、 邊緣檢測(cè)等)， 對(duì)葡萄果粒大小進(jìn)行測(cè)量是目前常用的檢測(cè)手段。 但是， 現(xiàn)階段眾研究學(xué)者對(duì)葡萄果粒大小檢測(cè)方法， 多是采用果粒與果穗分離的方法實(shí)現(xiàn)的測(cè)量。 雖然， 已經(jīng)取得了較高的檢測(cè)精度， 但是單粒葡萄的檢測(cè)無(wú)法滿足葡萄農(nóng)戶采摘季節(jié)大批量、 快速檢測(cè)的目的， 且果粒與果穗分離對(duì)葡萄的銷(xiāo)售存在較大的影響。 因此， 實(shí)現(xiàn)果穗上單粒葡萄大小的檢測(cè)是現(xiàn)階段技術(shù)需要攻克的技術(shù)難點(diǎn)， 也是葡萄大小檢測(cè)的未來(lái)研究方向。

1.2 顏色的判定
無(wú)論是鮮食葡萄還是釀酒葡萄， 其果皮顏色與品質(zhì)之間的關(guān)系緊密相關(guān)， 它是評(píng)價(jià)葡萄品質(zhì)的主要感官性狀， 可以通過(guò)果皮顏色的不同對(duì)葡萄進(jìn)行分類(lèi)， 也可以通過(guò)果皮顏色的深淺來(lái)判斷葡萄的成熟度。 Wang等[9]利用機(jī)器視覺(jué)技術(shù)獲取紅、 黑葡萄的圖像， 在HSV顏色模式下提取了顏色特征的有效區(qū)域， 根據(jù)顏色特征對(duì)葡萄品質(zhì)進(jìn)行分級(jí)。 羅陸鋒等[10]運(yùn)用機(jī)器視覺(jué)將AdaBoost框架和多種顏色成分相結(jié)合， 開(kāi)發(fā)了一種自動(dòng)檢測(cè)夏黑葡萄成熟度的方法。 Rahman等根據(jù)白葡萄果穗顏色的不同， 利用圖像處理技術(shù)探究葡萄的成熟度。 將葡萄穗的顏色與背景分開(kāi)， 對(duì)成熟的褐色葡萄串和未成熟的綠色葡萄串進(jìn)行分類(lèi)， 葡萄串分離的準(zhǔn)確性達(dá)到96.88%。 Pothen等[11]利用機(jī)器視覺(jué)技術(shù)對(duì)不同生長(zhǎng)階段的紅提葡萄的顏色進(jìn)行研究， 通過(guò)收集不同日期相同位置的葡萄圖像來(lái)估計(jì)顏色的變化率， 從而確定葡萄的*佳采收期。
通過(guò)機(jī)器視覺(jué)技術(shù)與圖像處理方法， 利用葡萄果皮顏色的變化， 實(shí)現(xiàn)葡萄成熟度的判別， 是目前研究的重要手段。 現(xiàn)階段的機(jī)器視覺(jué)檢測(cè)裝置多采用固定光源， 雖然有較高的預(yù)測(cè)精度， 卻難以在復(fù)雜多變自然場(chǎng)景中應(yīng)用。 研究自然場(chǎng)景中葡萄成熟的判別， 是目前面臨的科學(xué)難題。

2 基于近紅外光譜技術(shù)的無(wú)損檢測(cè)研究
近紅外光譜分析技術(shù)可以采集待測(cè)物在750～2 500 nm范圍之間的光譜信息， 通過(guò)化學(xué)計(jì)量學(xué)將其化學(xué)組成分子的結(jié)構(gòu)信息與其組成含量、 性質(zhì)參數(shù)進(jìn)行關(guān)聯(lián)， 確立它們之間的定量或定性關(guān)系， 檢測(cè)方式主要以漫反射和透射為主[12]。
近紅外光譜分析技術(shù)具有成本低、 速度快、 無(wú)污染、 多組分同步測(cè)定等優(yōu)點(diǎn)， 引起了廣大科研工作者的興趣。 至今， 隨著近紅外光譜技術(shù)的不斷發(fā)展和領(lǐng)域應(yīng)用的不斷深入， 其優(yōu)勢(shì)逐漸被人們所認(rèn)識(shí)。 在國(guó)內(nèi)外， 此項(xiàng)技術(shù)在測(cè)定葡萄內(nèi)部品質(zhì)方面發(fā)揮著愈來(lái)愈重要的作用。

2.1 葡萄品種判別研究
葡萄品種的選擇至關(guān)重要， 優(yōu)良品種的葡萄豐產(chǎn)性高、 抗病性強(qiáng)、 營(yíng)養(yǎng)物質(zhì)豐富， 近年來(lái)， 國(guó)內(nèi)外研究學(xué)者利用近紅外光譜技術(shù)對(duì)葡萄品種的探究是當(dāng)前重要的研究課題之一。 曹芳等[13]利用可見(jiàn)-近紅外反射光譜技術(shù)在325～1 075 nm波長(zhǎng)范圍內(nèi)對(duì)黑提葡萄、 馬奶子和木拉格三個(gè)品種進(jìn)行判別分析， 通過(guò)主成分分析和人工神經(jīng)網(wǎng)絡(luò)的方法實(shí)現(xiàn)了葡萄品種的快速鑒別， 為葡萄品種的鑒別提供了一種新方法。 Xiao等[14]在400～1 100和900～2 500 nm范圍內(nèi)分別建立對(duì)“美人指”和“白玉霓”葡萄果實(shí)成熟過(guò)程中顏色、 可溶性固形物(SSC)和總酚的*小二乘支持向量機(jī)(LS-SVM)和偏*小二乘(PLS)預(yù)測(cè)模型， 并基于SSC建立了“美人指”和“白玉霓”葡萄的5個(gè)生長(zhǎng)期的判別模型， 兩種葡萄的預(yù)測(cè)集分類(lèi)準(zhǔn)確率分別達(dá)到90%和****。 Salvado等[15]利用近紅外光譜技術(shù)(1 600～2 400 nm)對(duì)品麗珠、 赤霞珠等20種釀酒葡萄品種進(jìn)行鑒別， 建立人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種判別模型， 模型分類(lèi)精度分別為87.5%和83%。
利用近紅外光譜技術(shù)對(duì)葡萄品種進(jìn)行檢測(cè)， 區(qū)分譜線、 譜峰差異， 利用眾多模式識(shí)別算法實(shí)現(xiàn)多種葡萄的種類(lèi)識(shí)別， 是目前眾多研究者的研究熱點(diǎn)。 但是， 研究中使用的模型算法， 多為自命標(biāo)簽的有監(jiān)督模式識(shí)別， 對(duì)樣本的識(shí)別率較高。 然而， 想要得到一個(gè)更穩(wěn)健的定性分析模型， 需要通過(guò)無(wú)監(jiān)督模式識(shí)別方法與有監(jiān)督模式識(shí)別方法分別進(jìn)行特征信息提取、 優(yōu)化、 建模識(shí)別。

2.2 葡萄糖酸品質(zhì)研究
葡萄糖酸含量是品質(zhì)形成過(guò)程中的*重要的內(nèi)在因素， 是風(fēng)味的重要決定因子， 同時(shí)也影響著葡萄酒的酒度、 結(jié)構(gòu)感和清爽性。 近紅外光譜技術(shù)以其快速、 精確、 無(wú)損的特點(diǎn)， 在鮮食、 釀酒葡萄糖度和酸度檢測(cè)方面具有較大的技術(shù)優(yōu)勢(shì)， 如許峰等[16]利用微型光譜儀對(duì)紅提葡萄的透射光譜(400～1 000 nm)進(jìn)行分析， 將卷積平滑法(SavitZky-Golay)處理后的光譜使用蒙特卡羅交叉驗(yàn)證法剔除奇異點(diǎn)， 利用競(jìng)爭(zhēng)適應(yīng)重加權(quán)樣法提取特征光譜信息作為隨機(jī)森林預(yù)測(cè)模型的輸入量， 建立了紅提葡萄的糖度和酸度的預(yù)測(cè)模型。 陳辰等[17]利用可見(jiàn)-近紅外漫反射光譜技術(shù)(400～2 500 nm)對(duì)不同儲(chǔ)藏溫度下玫瑰香葡萄可溶性固形物和總酸含量進(jìn)行了預(yù)測(cè)研究， 并比較了不同預(yù)處理及特征波長(zhǎng)提取方法對(duì)模型精確度的影響。 有研究利用可見(jiàn)-近紅外光譜系統(tǒng)研究了巨峰葡萄糖度、 酸度以及感官偏好等級(jí)， 比較了漫反射和透射兩種光譜采集方式對(duì)模型精確度的影響， 結(jié)果表明， 采用透射光更能表征巨峰葡萄內(nèi)部品質(zhì)信息， 采集裝置如圖2(a,b)所示。 Farzaneh等[18]利用人工神經(jīng)網(wǎng)絡(luò)探究了不同貯藏條件下的鮮食紅葡萄品質(zhì)的變化， 比較了不同神經(jīng)元數(shù)量和不同類(lèi)型的學(xué)習(xí)算法的模型預(yù)測(cè)精度。 此研究對(duì)葡萄的酸度、 可溶性固形物、 葡萄糖和風(fēng)味指數(shù)進(jìn)行了優(yōu)化， 從經(jīng)濟(jì)和營(yíng)養(yǎng)的角度來(lái)看， 此技術(shù)在農(nóng)業(yè)、 醫(yī)藥、 保健品等相關(guān)行業(yè)的應(yīng)用具有更大的優(yōu)勢(shì)。 Fadock等[19]利用便攜式二*管陣列光譜儀， 在350～850 nm波長(zhǎng)范圍內(nèi)采集了赤霞珠、 品麗珠、 西拉三種釀酒葡萄的反射光譜， 采用多種預(yù)處理方法(平滑、 歸一化、 微分)結(jié)合回歸特征消除(RFE)建立了可溶性固形物含量(SSC)、 可滴定酸度(TA)、 總酚和總花青素的預(yù)測(cè)模型。
使用近紅外光譜技術(shù)對(duì)農(nóng)產(chǎn)品內(nèi)部糖酸品質(zhì)進(jìn)行預(yù)測(cè)是現(xiàn)階段研究的熱點(diǎn)問(wèn)題之一， 且對(duì)葡萄糖酸品質(zhì)的研究中已取得較好的預(yù)測(cè)結(jié)果。 葡萄水分含量充足且果皮薄， 在使用透射方式檢測(cè)方面較蘋(píng)果、 梨、 桃等其他類(lèi)型水果往往能夠取得的更好的檢測(cè)效果。 然而， 儀器設(shè)備型號(hào)不同、 樣本標(biāo)準(zhǔn)不統(tǒng)一和檢測(cè)條件變化等情況導(dǎo)致的光譜數(shù)據(jù)不穩(wěn)定性， 成為制約其商品化發(fā)展的重要因素。 因此， 如何制定相關(guān)樣品的檢測(cè)技術(shù)規(guī)范成為目前應(yīng)解決的首要問(wèn)題。

2.3 成熟度的判定
葡萄成熟度的判定是鮮食葡萄分級(jí)和釀酒葡萄采摘期確定的重要依據(jù)。 近紅外光譜技術(shù)在這個(gè)方面已廣泛應(yīng)用， 章林忠等[20]利用近紅外光譜技術(shù)對(duì)鮮食葡萄果實(shí)進(jìn)行研究， 分別建立了不同葡萄品種、 成熟度和病害的判別分析(DA)模型。 Musingarabwi[21]等采用傅里葉變換紅外光譜對(duì)赤霞珠中的酒石酸、 蘋(píng)果酸、 琥珀酸、 葡萄糖和果糖進(jìn)行了定量評(píng)價(jià)， 并對(duì)赤霞珠成熟階段進(jìn)行了定性鑒別， 該項(xiàng)研究為快速提取葡萄定性和定量信息提供了強(qiáng)有力的方法。 Porep等[22]利用可見(jiàn)-近紅外光譜儀收集1 160份釀酒葡萄的光譜建立了影響葡萄品質(zhì)相關(guān)因素的偏*小二乘回歸(PLSR)預(yù)測(cè)模型， 以評(píng)估葡萄成熟度和植物檢疫狀況， 從而實(shí)現(xiàn)有效的質(zhì)量控制和管理， 提高葡萄的質(zhì)量。
水果的成熟度一般可以通過(guò)顏色、 果型、 糖度、 酸度和硬度等條件進(jìn)行判別。 使用機(jī)器視覺(jué)技術(shù)通過(guò)外部葡萄表皮顏色實(shí)現(xiàn)成熟度的判別是目前眾學(xué)者研究等熱點(diǎn)問(wèn)題之一， 而通過(guò)近紅外光譜技術(shù)在定量探究糖度、 酸度、 硬度等內(nèi)部品質(zhì)的基礎(chǔ)上進(jìn)一步探究的成熟度的方法更具理論性和科學(xué)深度。 因此， 利用近紅外光譜技術(shù)實(shí)現(xiàn)葡萄成熟的判別， 應(yīng)成為葡萄成熟的判別方向上研究重點(diǎn)。

2.4 其他
近紅外光譜技術(shù)在葡萄腐爛檢測(cè)方面也有相關(guān)研究。 Porep等[23]利用可見(jiàn)-近紅外光譜技術(shù)對(duì)雷司令、 穆勒塔戈等釀酒葡萄的腐爛程度進(jìn)行了預(yù)測(cè)， 建立了糖、 酸、 pH值、 漆酶活性、 密度、 甘油和麥角甾醇含量等預(yù)測(cè)模型。 葡萄腐爛會(huì)使葡萄的糖、 酸等化學(xué)成分發(fā)生顯著的變化， 降低內(nèi)在品質(zhì)， 霉菌和真菌感染會(huì)讓葡萄的感官品質(zhì)發(fā)生巨大的變化， 漆酶活性是判定灰霉病的一個(gè)重要標(biāo)志， 麥角甾醇含量是真菌的主要成分， 其已被確認(rèn)為葡萄真菌腐爛的客觀指標(biāo)， 為葡萄真菌生物量的估算提供了依據(jù)。 葡萄中的氨基酸濃度也是判斷葡萄成熟的一個(gè)指標(biāo)， 如Juan等[24]使用可見(jiàn)-近紅外光譜技術(shù)評(píng)估歌海娜釀酒葡萄成熟過(guò)程中氨基酸的含量。 另外Beghi等[25]利用便攜式可見(jiàn)-近紅外光譜儀(400～1 000 nm)對(duì)萎縮的科維納葡萄的質(zhì)量參數(shù)進(jìn)行了研究， 此研究可以用來(lái)快速檢測(cè)葡萄的新鮮度。
目前學(xué)者們研究熱點(diǎn)已經(jīng)轉(zhuǎn)向了利用便攜式、 微型式近紅外光譜儀檢測(cè)葡萄品質(zhì)， 其中肖慧等[26]為了實(shí)現(xiàn)鮮食葡萄采后品質(zhì)快速無(wú)損檢測(cè)的目標(biāo)， 研發(fā)了低成本、 便攜式葡萄專(zhuān)用多參數(shù)檢測(cè)儀器， 如圖3所示。 該便攜式可見(jiàn)-近紅外光譜檢測(cè)儀器以鹵素?zé)魹楣庠矗?以凹面全息光柵搭配電荷耦合器為光譜儀， 采用低OH的Y型石英光纖， 并設(shè)計(jì)了葡萄專(zhuān)用樣品池， 如圖4所示。 此設(shè)計(jì)*大減小了光斑大小不一致帶來(lái)的實(shí)驗(yàn)誤差。 Baca等[27]采用便攜式微型近紅外光譜儀探究了不同年份的雷司令、 西拉葡萄及葡萄皮中的多酚含量， 建立了改進(jìn)的偏*小二乘(MPLS)預(yù)測(cè)模型， 但是由于環(huán)境和葡萄生理?xiàng)l件的影響， 模型效果并不理想， 光譜采集裝置如圖5所示。
近紅外光譜技術(shù)能夠?qū)Υ郎y(cè)物質(zhì)的內(nèi)部組成成分和物理結(jié)構(gòu)進(jìn)行檢測(cè)， 其強(qiáng)大的檢測(cè)能力越來(lái)越受到國(guó)內(nèi)外眾多學(xué)者的關(guān)注， 且隨著便攜式、 微型近紅外光譜儀的出現(xiàn)和發(fā)展， 對(duì)近紅外光譜技術(shù)的在線檢測(cè)起到了重要的推動(dòng)作用。 但是， 在檢測(cè)中存在的樣本選擇差異、 檢測(cè)環(huán)境變化和多樣性的數(shù)據(jù)處理方法限制了近紅外檢測(cè)技術(shù)的推廣和商業(yè)化發(fā)展， 如何制定檢測(cè)技術(shù)的規(guī)范成為當(dāng)前面臨的迫切問(wèn)題。

3 基于高光譜成像技術(shù)的無(wú)損檢測(cè)研究
20世紀(jì)80年代， 高光譜成像技術(shù)開(kāi)始盛行， 目前仍在迅猛發(fā)展中。 它將傳統(tǒng)的成像與光譜技術(shù)相結(jié)合， 以此來(lái)獲取物體的空間和光譜信息， 是新興光電無(wú)損檢測(cè)技術(shù)[28]。 近年來(lái)隨著高光譜成像設(shè)備成本的不斷降低、 算法的不斷改進(jìn)和簡(jiǎn)化， 使其在農(nóng)業(yè)上的應(yīng)用將越來(lái)越具有吸引力。
高光譜成像系統(tǒng)通過(guò)成像光譜儀和CCD探測(cè)器可同時(shí)獲取被測(cè)物的影像和光譜信息， 如圖6所示。 在樣品圖像采集時(shí)， 由于樣品的連續(xù)移動(dòng)高光譜成像儀連續(xù)接收到被測(cè)物體表面反射和透射在X軸上的分光、 在Y軸上的成像[29]， 將所有被計(jì)算機(jī)圖譜采集平臺(tái)采集數(shù)據(jù)的窄波段圖像和光譜信息進(jìn)行融合， 可以得到整個(gè)樣品的光譜圖像。 根據(jù)不同的使用波段， 可分為可見(jiàn)波段、 可見(jiàn)-近紅外波段、 近紅外波段和短波紅外波段4個(gè)光譜波段[30]。

3.1 葡萄糖酸品質(zhì)研究
運(yùn)用高光譜成像技術(shù)同樣可以對(duì)葡萄的糖度和酸度進(jìn)行研究， 徐麗等[31]在500～1 000 nm波段范圍， 利用高光譜成像技術(shù)檢測(cè)采后紅提可溶性固形物的含量。 運(yùn)用多種預(yù)處理方法建立可溶性固形物含量的偏*小二乘(PLS)和逐步多元線性回歸(SMLR)模型， 結(jié)果表明兩種預(yù)測(cè)模型均取得較好的預(yù)測(cè)效果。 高升等[32]利用高光譜成像技術(shù)探究了紅提的糖度和硬度， 采用不同的紅提果粒放置模式(橫放、 果柄朝下、 果柄側(cè)朝上)， 應(yīng)用不同的特征波長(zhǎng)提取方法， 建立偏*小二乘回歸(PLSR)、 *小二乘支持向量機(jī)(LS-SVM)和隨機(jī)森林(RF)的紅提糖度和硬度預(yù)測(cè)模型， 結(jié)果表明RF建立的模型效果*優(yōu)， 糖度和硬度預(yù)測(cè)相關(guān)系數(shù)分別為0.928和0.932。 圖7為Gutiérrez等[33]在全地形車(chē)輛上安裝可見(jiàn)-近紅外高光譜相機(jī)， 以5 km·h-1的速度拍攝高光譜圖像， 對(duì)丹魄釀酒葡萄中的可溶性固體和花青素含量進(jìn)行預(yù)測(cè)。 通過(guò)在400～1 000 nm波長(zhǎng)范圍下建立支持向量機(jī)預(yù)測(cè)模型， 可溶性固體含量的預(yù)測(cè)模型決定系數(shù)(R2)為0.92； 花青素的R2為0.83。 Rui等[34]利用高光譜成像技術(shù)對(duì)不同年份的多瑞加、 弗蘭卡、 紅巴羅卡釀酒葡萄的果實(shí)進(jìn)行了生長(zhǎng)發(fā)育參數(shù)預(yù)測(cè)。 在波長(zhǎng)范圍為380～1 028 nm， 對(duì)不同品種的葡萄進(jìn)行光譜采集， 建立支持向量回歸模型來(lái)預(yù)測(cè)葡萄漿果中的花色苷濃度， pH指數(shù)和糖的含量， 其相關(guān)系數(shù)分別為0.89， 0.81和0.90。
在農(nóng)產(chǎn)品內(nèi)部品質(zhì)檢測(cè)方面， 高光譜成像技術(shù)能夠同時(shí)獲取待測(cè)物質(zhì)的圖像和光譜信息。 相較于近紅外光譜技術(shù)的點(diǎn)檢測(cè)， 高光譜成像技術(shù)的面檢測(cè)更加豐富， 因此在葡萄糖酸度品質(zhì)檢測(cè)方面使用高光譜成像技術(shù)對(duì)單粒葡萄和葡萄串， 國(guó)內(nèi)外學(xué)者均已進(jìn)行了較多的研究， 且得到了較好的預(yù)測(cè)結(jié)果。 但是， 高光譜圖像數(shù)據(jù)冗余， 有效數(shù)據(jù)提取困難依然成為其發(fā)展的關(guān)鍵因素， 因此開(kāi)發(fā)帶有有效波段信息的多光譜成像系統(tǒng)和采集速度更快、 效率更高的便攜式高光譜成像系統(tǒng)成為農(nóng)產(chǎn)品檢測(cè)領(lǐng)域迫切需要攻克的關(guān)鍵問(wèn)題。

3.2 花色苷、 總酚含量的研究
花色苷有5個(gè)單體花色素包括花青素、 花翠素、 甲基花翠素等， 其在葡萄轉(zhuǎn)色的時(shí)候積累， 通常在葡萄成熟的時(shí)候含量*大， 是葡萄酒顏色品質(zhì)的重要影響因素。 其中楊蜀秦等[35]利用近紅外高光譜成像技術(shù)(900～1 700 nm)對(duì)不同成熟期的赤霞珠、 黑比諾、 媚麗等6種釀酒葡萄果皮中花色苷含量進(jìn)行研究， 對(duì)比分析不同的預(yù)處理方法和特征波長(zhǎng)方法， 分別建立釀酒葡萄果皮花色苷含量的支持向量回歸(SVR)預(yù)測(cè)模型， 對(duì)比分析表明SPA-SVR模型預(yù)測(cè)效果*優(yōu)。 吳迪等[36]利用高光譜成像技術(shù)對(duì)赤霞珠表皮的花色苷含量進(jìn)行預(yù)測(cè)。 將多元散射和連續(xù)投影算法(SPA)處理后的光譜信息作為輸入量， 分別建立葡萄表皮的花色苷含量的偏*小二乘(PLS)模型和BP神經(jīng)網(wǎng)絡(luò)(BPNN)預(yù)測(cè)模型， 結(jié)果證明： SPA-PLS模型預(yù)測(cè)結(jié)果*佳。 Diago等[37]利用可見(jiàn)光和短波近紅外高光譜成像技術(shù)， 在380～1 028 nm光譜范圍下利用葡萄果實(shí)4個(gè)不同位置的平均光譜對(duì)15種色素和4組花青素進(jìn)行預(yù)測(cè)。 采用不同的預(yù)處理方法， 建立改良的偏*小二乘(MPLS)花色苷預(yù)測(cè)模型， 結(jié)果顯示交叉驗(yàn)證系數(shù)width=40,height=17,dpi=110范圍為0.70～0.93， 總的花青素和非酰化花青素預(yù)測(cè)相關(guān)系數(shù)width=34,height=16,dpi=110為0.86。 Fernandes等[38]在380～1 028 nm的反射模式下應(yīng)用高光譜成像和神經(jīng)網(wǎng)絡(luò)技術(shù)測(cè)定了多瑞加弗蘭卡釀酒葡萄果實(shí)的糖度、 pH和花青素含量。 將240個(gè)樣本進(jìn)行7倍交叉驗(yàn)證和測(cè)試， 利用多層感知器將光譜轉(zhuǎn)換為生物參數(shù)， 并*終確定適用于葡萄果實(shí)的糖度、 pH和花青素含量預(yù)測(cè)的*佳神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)， 此研究為利用高光譜成像技術(shù)無(wú)損檢測(cè)葡萄糖度、 pH、 花青素提供了一定的參考。
總酚是含有苯環(huán)和多個(gè)羥基的物質(zhì)， 可以影響葡萄酒的澀味、 苦味、 香氣及色澤， 因此可以根據(jù)葡萄中總酚的含量來(lái)挑選優(yōu)質(zhì)的釀酒葡萄， 從而提高葡萄酒的質(zhì)量。 近年來(lái)， 利用高光譜成像技術(shù)對(duì)葡萄總酚的探究已經(jīng)成為研究的熱點(diǎn)問(wèn)題。 Zhang等[39]利用高光譜成像技術(shù)探究了赤霞珠、 西拉、 黑比諾等葡萄皮和種子成熟過(guò)程中酚類(lèi)物質(zhì)的含量。 對(duì)不同的預(yù)處理方法預(yù)處理后的光譜信息， 分別建立PCR， SVR和PLSR預(yù)測(cè)模型， 該方法不僅為葡萄品質(zhì)參數(shù)的確定提供了一種快速、 無(wú)損的方法， 而且為釀酒商選擇*佳采收時(shí)間提供了參考。 Nogalesbueno等[40]利用紅外高光譜成像技術(shù)檢測(cè)了西拉和丹魄葡萄的成熟度和果皮中的總酚類(lèi)化合物的含量， 建立葡萄成熟度、 果皮總酚含量、 糖度、 可測(cè)定酸和pH的偏*小二乘模型。
葡萄中花色苷和總酚含量對(duì)葡萄酒的顏色和口味具有重要影響， 使用高光譜成像技術(shù)實(shí)現(xiàn)對(duì)葡萄中花色苷和總酚含量的定量檢測(cè)是提高紅酒品質(zhì)的重要檢測(cè)手段。 目前， 國(guó)內(nèi)外有部分學(xué)者開(kāi)始使用高光譜成像技術(shù)對(duì)花色苷和總酚含量進(jìn)行研究， 但是限于花色苷和總酚物質(zhì)中包含的化學(xué)成分比較復(fù)雜， 加大了檢測(cè)難度。 因此， 在今后的研究中可嘗試對(duì)花色苷和總酚指標(biāo)進(jìn)行詳細(xì)劃分， 以期達(dá)到更好的預(yù)測(cè)效果。

3.3 安全檢測(cè)
在葡萄安全檢測(cè)中， 研究的重點(diǎn)主要是真菌、 細(xì)菌感染、 農(nóng)藥殘留、 病蟲(chóng)等。 Dutta等[41]利用高光譜成像技術(shù)對(duì)湯姆遜無(wú)核葡萄中的農(nóng)藥殘留進(jìn)行分析， 通過(guò)液相色譜質(zhì)譜聯(lián)用或質(zhì)譜(LC-MS/MS)分析未處理和處理過(guò)的葡萄中的農(nóng)藥含量， 將感興趣區(qū)域從葡萄串中分割， 使用Haar濾波器在頻域中提取圖像特征， 使用支持向量機(jī)對(duì)農(nóng)藥含量進(jìn)行鑒定。 Knauer等[42]利用高光譜成像技術(shù)對(duì)霞多麗葡萄串的白粉病感染水平進(jìn)行了預(yù)測(cè)。 通過(guò)線性判別分析(LDA)降維方法推導(dǎo)出圖像波段， 用隨機(jī)森林和圖像帶積分圖選擇性提取紋理參數(shù)， 此研究有望提高葡萄疾病檢測(cè)的速度和準(zhǔn)確性。 在農(nóng)藥殘留檢測(cè)方面紅斑病是一種影響葡萄質(zhì)量的病毒性疾病， 紅斑病會(huì)導(dǎo)致葡萄藤上的糖積累減少， 從而延遲葡萄的成熟， 監(jiān)測(cè)這種病對(duì)葡萄品質(zhì)的提高具有至關(guān)重要的作用， Mehrubeoglu等[43]利用便攜式高光譜成像系統(tǒng)研究了葡萄紅斑病的光譜特征以及鑒定其病變區(qū)域。
食品安全問(wèn)題是當(dāng)今世界各國(guó)普遍重視的一個(gè)全球性問(wèn)題， 依據(jù)高光譜成像技術(shù)和機(jī)器學(xué)習(xí)相結(jié)合的強(qiáng)大檢測(cè)能力也成為眾多國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)問(wèn)題之一。 使用高光譜成像技術(shù)對(duì)葡萄農(nóng)藥和病蟲(chóng)害的研究， 對(duì)提升我國(guó)葡萄及葡萄酒品質(zhì)具有重要的意義。 雖然國(guó)內(nèi)外研究已經(jīng)取得了一定研究成果， 但是現(xiàn)階段的研究多處于研究室階段， 能否運(yùn)用高光譜成像技術(shù)對(duì)葡萄表面農(nóng)藥殘留的快速檢測(cè)并加以應(yīng)用仍需要進(jìn)一步驗(yàn)證。

4 存在的問(wèn)題
與傳統(tǒng)的檢測(cè)技術(shù)相比， 葡萄品質(zhì)無(wú)損檢測(cè)技術(shù)更具優(yōu)勢(shì)， 但是在葡萄檢測(cè)方面仍存在以下問(wèn)題：
(1)機(jī)器視覺(jué)在線檢測(cè)系統(tǒng)中， 挑選樣本標(biāo)準(zhǔn)、 相機(jī)型號(hào)、 設(shè)備參數(shù)和光源條件的差異導(dǎo)致的處理算法不具有通用性， 是目前葡萄分級(jí)系統(tǒng)面臨的關(guān)鍵問(wèn)題； 在果蔬采摘機(jī)器人視覺(jué)領(lǐng)域， 除上述情況外， 開(kāi)發(fā)適用于復(fù)雜多變的自然環(huán)境條件下的葡萄圖像處理算法， 是面臨的科學(xué)問(wèn)題。
(2)近紅外光譜技術(shù)同樣存在挑選樣本標(biāo)準(zhǔn)、 光譜儀型號(hào)、 設(shè)備參數(shù)和光源條件的差異導(dǎo)致的預(yù)測(cè)模型傳遞性差的問(wèn)題。 而且， 采集時(shí)只能采集葡萄上某個(gè)點(diǎn)的信息， 不能反映整體果實(shí)的品質(zhì)情況， 如病害果、 蟲(chóng)害果和鳥(niǎo)食果等， 是近紅外光譜技術(shù)本身存在的問(wèn)題之一。 同時(shí)， 近紅外光譜儀內(nèi)部光學(xué)器件易損壞， 維修費(fèi)用昂貴， 不利于現(xiàn)實(shí)生產(chǎn)中的廣泛應(yīng)用。
(3)高光譜成像技術(shù)， 雖然能圖譜合一， 樣本信息完整， 但是數(shù)據(jù)量大、 信息冗雜， *易導(dǎo)致模型預(yù)測(cè)結(jié)果變差， 需要對(duì)大量的數(shù)據(jù)進(jìn)行處理， 因此對(duì)計(jì)算機(jī)的性能和運(yùn)行速度有很高的要求， 目前該項(xiàng)技術(shù)僅應(yīng)用于實(shí)驗(yàn)室研究， 無(wú)法廣泛應(yīng)用于商業(yè)在線檢測(cè)。

5 應(yīng)用前景
近年來(lái)我國(guó)葡萄總產(chǎn)量高、 種植面積大， 但是葡萄的出口量小， 主要?dú)w結(jié)于我國(guó)葡萄產(chǎn)后處理水平較低， 因此在世界貿(mào)易方面具有廣闊的發(fā)展空間。 為了適應(yīng)國(guó)際市場(chǎng)對(duì)葡萄高品質(zhì)的要求， 葡萄品質(zhì)自動(dòng)無(wú)損檢測(cè)就越來(lái)越受到關(guān)注， 近幾年， 葡萄品質(zhì)的無(wú)損檢測(cè)技術(shù)成為國(guó)內(nèi)外學(xué)者重要的研究方向之一。
(1)隨著機(jī)器視覺(jué)技術(shù)的日漸成熟， 硬件成本的不斷下降， 此項(xiàng)技術(shù)在葡萄外部品質(zhì)(大小、 顏色以及表面缺陷等)的無(wú)損檢測(cè)中發(fā)揮著越來(lái)越重要的作用。 而建立采集過(guò)程中樣本標(biāo)準(zhǔn)、 相機(jī)型號(hào)、 設(shè)備參數(shù)和光源條件的統(tǒng)一標(biāo)準(zhǔn)， 對(duì)機(jī)器視覺(jué)技術(shù)的應(yīng)用推廣具有非常重要的意義。 另一方面， 開(kāi)發(fā)適用于解決開(kāi)放環(huán)境中葡萄圖像特征提取的算法， 是推進(jìn)視覺(jué)采摘機(jī)器人推廣的另一研究方向。
(2)近紅外光譜技術(shù)具有分析速度快、 分析成本低、 操作簡(jiǎn)便、 檢測(cè)范圍廣等優(yōu)點(diǎn)， 在葡萄內(nèi)部品質(zhì)的檢測(cè)中具有重要地位。 而建立采集過(guò)程中的標(biāo)準(zhǔn)， 使得建立的預(yù)測(cè)模型能夠同儀器之間、 同一儀器的不同附件之間或不同測(cè)量環(huán)境之間有效傳遞， 也是目前應(yīng)解決的首要問(wèn)題。
(3)高光譜成像技術(shù)將機(jī)器視覺(jué)與近紅外光譜這兩項(xiàng)技術(shù)的優(yōu)點(diǎn)進(jìn)行結(jié)合， 既可獲得大量用于檢測(cè)葡萄外部品質(zhì)的圖像信息， 又可獲得對(duì)物體內(nèi)部品質(zhì)進(jìn)行分析的光譜信息， 在葡萄無(wú)損檢測(cè)領(lǐng)域具有巨大的潛力。 根據(jù)高光譜特征波長(zhǎng)制作的濾波片多光譜相機(jī)， 或開(kāi)發(fā)檢測(cè)速度快、 效率高和便于攜帶的新型高光譜成像系統(tǒng)， 是推動(dòng)無(wú)損檢測(cè)技術(shù)快速發(fā)展的又一重要研究方向。
葡萄果皮軟， 在采摘、 運(yùn)輸和儲(chǔ)存過(guò)程中會(huì)產(chǎn)生損傷， 因此， 無(wú)損檢測(cè)技術(shù)成為葡萄品質(zhì)檢測(cè)方面的必然趨勢(shì)， 具有廣闊的前景， 必將得到廣泛的應(yīng)用。