尚增强，杨东福，马质璞

（南阳农业职业学院，河南 南阳473000）

香蕉是全球贸易量最大的水果之一，其营养价值丰富。香蕉属于典型的呼吸跃变型果实，因此，在采摘后，易发生表皮转色快、果肉褐变等软化腐烂现象[1]。香蕉果实的质量参数分为感官指标、理化指标和品质参数。感官指标包括颜色、光泽度、形状、缺陷、质地（硬度、脆度和韧性）等；理化指标包含营养价值、潜在污染物和有毒物质；品质参数指表征食品整体质量的参数。目前，对于香蕉成熟期的确定有各类检测方法，但所采用的检测技术大多具有破坏性[2-3]，试验成本高、检测速度慢、不能规模化检测，而香蕉的最佳成熟期是其品质和价格的保证。因此，研究一种快速、无损、高效的检测方法，对香蕉品质的预测和成熟期鉴别具有重要意义。

机器视觉技术因能够识别对象的物理尺寸、形状、颜色、纹理等属性，被广泛应用于水果收获前后的安全检测、质量分类等自动化领域。在机器视觉技术中，高光谱成像技术将光谱与传统图像相结合，可同时从物体中获取空间尺度和光谱信息，具有快速、无损、高效等优点，已成功应用于水果成熟度检测和品质分析方面[4-7]。Li等[8]采用高光谱成像技术对樱桃的成熟期进行了鉴别分类，并建立了樱桃果实中可溶性固形物含量与pH的预测模型，构建了樱桃品质分析平台。Zhang等[9]采用向量机回归的方式对草莓高光谱数据进行回归建模，一定程度上能对草莓的成熟度进行评价。……