苹果表面损伤检测是阿克苏冰糖心苹果产业发展中非常重要的一个环节。苹果在采摘以及运输途中,极易发生碰撞损伤,及时检测出这种碰伤并将其剔除,能够有效阻止损伤面积扩大,避免感染正常苹果,因此苹果早期的轻微损伤识别检测尤为重要。本文主要以阿克苏冰糖心苹果作为研究对象,阿克苏冰糖心属于富士类,为我国最为常见的苹果种类之一,表面颜色有红色和黄色,轻微损伤时肉眼较难检出,具有一定代表性。本实验采购三批样本共300个冰糖心苹果进行处理,其中损伤占90个,果梗/花萼样本占60个,正常样本占150个用于参照对比。针对轻微损伤难以识别现象和损伤程度无法确定的情况,本文基于高光谱图像技术,采用图谱融合的处理方法,对苹果的表面碰撞伤进行识别检测研究,具体研究内容和成果如下:(1)使用高光谱相机采集得到254个波段苹果光谱数据,对全波段光谱图像采用主成分分析(PCA)进行降维处理,分别利用主成分分析中的协方差矩阵和相关系数矩阵算法,提取出正常区域和损伤区域差异较明显的主成分(PC)图像,最后对该图像使用增强降噪、阈值分割和灰度级形态学变换的方法,识别损伤区域并将其提取出来,经过多次实验证明,损伤识别准确率在96%以上。(2)将损伤区域、正常区域和果梗/花萼区域重新采集高光谱图像,对预处理后的高光谱图像,利用灰度分层,然后进行等灰度轮廓线分析,并通过RGB伪彩色增强区分识别果梗/花萼区域。通过多组实验证明对果梗/花萼区域的识别,准确率在97%以上。(3)通过一种基于高光谱成像技术的估计算法,对正常苹果、轻微损伤苹果和重度损伤苹果进行评估,该算法涉及:对损伤区域重采样,获取尽可能多的苹果损伤信息;主成分回归分析,选择能包含大部分或主要信息量的两个主成分进行回归建模;建立偏最小二乘(PLS)回归模型,经过交叉有效验证,得出处理模型结果可解释度R~2值,可用于损伤程度的评价。研究成果表明,本文所用到的融合处理方法对苹果的轻微损伤能够有效地识别,并建立模型对其进行评价,可以为自动化生产线提供一个有效方案,对苹果质量检测提供理论依据,为果品自动化分级以及出口率的提升做出贡献。