南京农业大学潘磊庆教授|阜阳师范大学王振杰博士团队基于高光谱成像与深度学习的棠梨早期碰伤检测

导读：针对棠梨采后极易出现隐性机械损伤、传统检测手段难以早期识别的行业难题，科研团队搭建了一套非侵入式的品质快速检测方案。研究以高光谱成像技术为核心手段，结合深度学习算法，对果实受撞击后的早期内部损伤进行光谱特征挖掘与模型构建。结果证实，特定波段的光谱信号能够精准反映碰伤引发的生理变化，而一维卷积神经网络在分类识别中表现出最优性能，可在损伤发生短时间内实现有效判别，同时筛选出的特征波段能够在保证精度的前提下大幅简化检测流程，为特色小果类果品的采后无损智能检测提供了可行的技术路径与方法参考。

研究背景 

我国特色野生与栽培果树资源丰富，棠梨作为兼具风味与营养价值的特色果品，在产地流通与市场消费中占据独特地位。但这类果实普遍存在果皮薄、果肉脆嫩的特点，在采收、搬运、分拣过程中非常容易受到轻微撞击而产生皮下损伤。这类早期损伤在外观上几乎无法用肉眼分辨，却会在贮藏过程中逐渐引发褐变、软化、失水甚至腐烂，不仅影响消费者食用体验，也给种植户和企业带来不小的经济损失。

目前在水果损伤检测领域，常用的人工分拣、可见光机器视觉等方式，大多只能识别已经明显显现的外部瑕疵，对于发生数小时内的隐性碰伤基本无效。近红外光谱、荧光光谱等技术虽然具备一定的化学信息感知能力，但难以同时兼顾空间分布信息，在小型不规则果实上的适用性有限。与此同时，针对棠梨这类小众特色果实的专用检测技术研究相对匮乏，现有模型与方法大多基于苹果、梨等大宗水果开发，难以直接迁移使用。

在无损检测技术快速发展的背景下，高光谱成像因能够同时获取图像与光谱双重信息，在农产品品质评价中展现出巨大潜力。深度学习的兴起也为复杂光谱数据的深度特征提取提供了强大工具。如何将这两项技术有效结合，建立一套适合棠梨早期隐性损伤的快速、准确、轻量化检测方法，成为提升特色小果采后供应链水平的关键科学问题，也是该研究想要突破的核心方向。

核心内容 

（一）研究设计与技术路线

该研究采用可控的损伤处理方式，设置不同程度的机械撞击条件，模拟实际流通中的磕碰情况，并在不同贮藏时间点采集高光谱信息与理化指标变化。研究团队先对果实的色泽、质地、水分等关键品质变化进行系统分析，明确早期碰伤带来的内在生理改变；再对光谱数据进行预处理、特征提取与降维分析，确定与损伤高度相关的敏感波段；最后构建多种判别模型进行对比，筛选出识别效果最好的深度学习模型，并验证特征波段组合的轻量化应用潜力。

（二）关键研究发现

作者团队发现，棠梨在受到机械撞击后的短时间内，内部组织就已经出现可被光谱捕捉的显著变化，这些变化远早于外观症状显现。“高光谱成像结合 1D-CNN 可实现早期碰伤非破坏性检测”（Song et al., 2026）。在光谱特征方面，研究确定了几个与褐变、叶绿素变化、细胞结构改变密切相关的波段区间，这些波段能够稳定区分健康果实与受损伤果实。在模型性能方面，一维卷积神经网络在全波段和特征波段下均取得较高识别准确率，尤其在损伤发生初期仍保持稳定可靠的判别能力，实现了对不可见隐性损伤的精准捕捉。

亮点价值 

（一）科学研究的创新突破

该研究首次将高光谱成像与深度学习联合应用于棠梨早期隐性碰伤识别，填补了小众特色小果无损检测领域的研究空白。与传统线性判别方法相比，所采用的深度学习策略能够自动挖掘光谱中的深层关联信息，大幅提升早期微弱信号的识别能力。同时，研究通过多变量分析明确了光谱特征与果实生理变化之间的对应关系，从机理层面解释了早期碰伤检测的科学依据，为同类果实的损伤检测研究提供了可借鉴的范式。

（二）产业应用的实用价值

该成果突破了传统视觉检测无法识别早期隐性损伤的瓶颈，可在果实进入贮藏和流通环节前快速筛出隐患果，显著降低腐烂损耗。筛选出的少数特征波段可用于开发低成本、便携式的多光谱检测设备，便于在产地一线、分拣线进行快速部署。“基于特征波段的简化模型仍保持较高精度”（Song et al., 2026），这一结论让技术从实验室走向产业化更具可行性，有助于提升整个特色果品产业链的智能化与标准化水平。

图文赏析

结论展望

（一）研究总结

整体来看，这项工作围绕棠梨采后品质保障的实际需求，构建了一套完整的早期隐性碰伤高光谱智能检测方案。研究从生理变化规律入手，明确了早期损伤的光谱响应规律，构建出高效精准的深度学习判别模型，并完成了波段优化与轻量化验证。研究结果不仅证实了高光谱成像在微小果实质控中的可行性，也为高光谱与深度学习在特色果蔬无损检测中的应用提供了坚实的实验支撑与理论依据，具有重要的学术参考与实践指导意义。

（二）未来展望

未来可基于该研究进一步开发适用于田间和生产线的实时在线检测系统，将算法集成到嵌入式设备中，实现真正的现场快速检测。同时可拓展检测指标，将碰伤识别与成熟度、糖酸度、新鲜度等评价结合，构建多指标同步检测的一体化系统。此外，还可将该方法推广到更多种类的小浆果、特色杂果，形成通用化的技术平台，进一步推动我国特色果品采后处理向高效、智能、无损方向升级发展。

本文为编译科普解读，仅用于非商业学术交流、学习参考，不构成出版、转载或商用行为。文中核心研究内容、数据、图表版权均归原作者及期刊出版机构所有，原文请查阅期刊官方平台。

标注 “原创” 仅代表本账号原创梳理、翻译解读，不侵占原文著作权；内容为独立撰写，不代表原论文作者、期刊、出版机构及本平台立场，不佐证相关研究真实性。

如不希望相关内容被转载或存在侵权等问题，均可联系平台小编，即刻安排修改、下架删除；受编译整理水平所限，内容若有疏漏不足，恳请谅解，欢迎随时私信我们调整完善。