《一种基于高光谱成像技术的苹果虫眼快速无损检测方法.pdf》由会员分享，可在线阅读，更多相关《一种基于高光谱成像技术的苹果虫眼快速无损检测方法.pdf（6页完整版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103808669 A (43)申请公布日 2014.05.21 CN 103808669 A (21)申请号 201410035043.3 (22)申请日 2014.01.26 G01N 21/25(2006.01) (71)申请人 沈阳农业大学 地址 110866 辽宁省沈阳市沈河区东陵路 120 号 (72)发明人 田有文 王小奇 程怡 陈旭 (74)专利代理机构 沈阳科威专利代理有限责任 公司 21101 代理人 张述学 (54) 发明名称 一种基于高光谱成像技术的苹果虫眼快速无 损检测方法 (57) 摘要 本发明提供的一种基于高光谱成像技术的苹 果虫眼快速无。
2、损检测方法， 是利用高光谱成像系 统采集苹果图谱信息， 分析苹果光谱曲线的特征， 并对光谱数据进行主成分分析。 同时， 根据特征波 长确定单波段特征图像， 采用最大熵分级阈值分 割方法， 先后分割提取出苹果和虫眼。然后， 依此 提取 PC1 图像的感兴趣区域， 对其提取纹理特征 和光谱特征。 最后采用BP神经网络实现对苹果虫 眼的快速、 无损检测。 检测速度快、 操作简单方便、 检测结果精度高， 而且对苹果没有损伤。 (51)Int.Cl. 权利要求书 1 页 说明书 4 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书4页 (10)申请公布号 CN 10。
3、3808669 A CN 103808669 A 1/1 页 2 1. 一种基于高光谱成像技术的苹果虫眼快速、 无损检测方法， 其特征是 ： 构建一套高 光谱成像采集系统， 并根据此系统采集苹果高光谱图像， 然后对采集的高光谱图像数据进 行校正处理和分析苹果虫害部分和正常部分的校正后的光谱曲线特征， 确定特征波长和特 征图像 ； 再对高光谱图像数据进行主成分分析， 选取主成分图像 ； 同时， 对特征图像采用最 大熵分级阈值分割方法先后分割出苹果和虫眼， 提取苹果和虫眼， 依此提取主成分图像的 8060 像素大小的感兴趣区域， 对其提取 0方向的能量、 熵、 惯性矩和相关性的 4 个纹理 特征和。
4、 646nm、 824nm 处的反射率 2 个光谱特征 ； 最后融合这 6 个特征采用 BP 神经网络实现 对苹果虫眼的快速、 无损检测。 2. 根据权利要求 1 所述的基于高光谱成像技术的苹果虫眼快速、 无损检测方法， 其特征是 ： 构建一套高光谱成像采集系统， 该系统由高光谱成像光谱仪、 一架像素为 13921040 的面阵 CCD 相机、 一台精密位移控制平台、 一套 150W 的光纤卤素灯、 一个 12050140cm 暗箱和数据处理机组成。高光谱摄像头的光谱范围为 4001100nm， 光谱 分辨率为 2.8nm。 3. 根据权利要求 1 所述的基于高光谱成像技术的苹果虫眼快速、 无。
5、损检测方法， 其特 征是 ： 利用高光谱成像采集系统获取苹果高光谱图像， 是将待测苹果放置于移动平台上， 确 定采集参数为物距 260 mm， 相机曝光时间 68 ms， 平台移动速度 0.8 mm/s， 且将有虫眼面的 赤道位对准相机。 4. 根据权利要求 1 所述的基于高光谱成像技术的苹果虫眼快速、 无损检测方法， 其特 征是 ： 特征波长为 547nm， 特征图像为此波长下的图像 ； 采用主成分分析苹果高光谱图像 时， 将噪声较少450nm950nm区间的高光谱图像数据， 进行主成分分析PCA， 并选取PC1图像 为用于后续分析的图像。 5. 根据权利要求 1 所述的基于高光谱成像技术的。
6、苹果虫眼快速、 无损检测方法， 其特 征是 ： 采用最大熵分级阈值分割方法先后分割出苹果和虫眼， 首先对 PC1 图像采用最大熵 阈值分割方法分割出苹果与背景形成二值图像， 再次采用最大熵阈值分割方法对该二值图 像的苹果区域进行分割， 提取出虫眼， 并根据虫眼的位置提取 PC1 图像虫眼周围 8060 像 素大小的感兴趣区域图像 ； 若是不带有虫眼的苹果， 则提取 PC1 图像苹果中间部分 8060 像素大小的感兴趣区域图像。 6. 根据权利要求 1 所述的基于高光谱成像技术的苹果虫眼快速、 无损检测方法， 其特 征是 ： 融合这6个特征采用BP神经网络实现对苹果虫眼的快速、 无损检测， 即融。
7、合感兴趣区 域图像的 0方向的能量、 熵、 惯性矩和相关性的 4 个纹理特征和 646nm、 824nm 处的反射率 2 个光谱特征， 共六个特征作为 BP 人工神经网络其输入量， 该神经网络设计 1 个隐层数， 学 习方式为加入趋势动量项的梯度下降的训练函数， 对苹果虫眼进行快速、 无损检测， 输出为 1 个变量， 即是否带有虫眼， 若苹果带有虫眼， 输出应为 -1， 若为正常的苹果， 输出应为 1。 权 利 要 求 书 CN 103808669 A 2 1/4 页 3 一种基于高光谱成像技术的苹果虫眼快速无损检测方法 技术领域 0001 本发明属于一种无损检测方法， 特别是一种快速、 无损。
8、检测苹果虫眼的方法， 具体 是通过高光谱成像技术的数据处理来达到快速无损检测的目的。 背景技术 0002 苹果是我国种植规模最大的品种之一。因其富含丰富的维生素营养， 是世界四大 水果 （苹果、 葡萄、 柑桔和香蕉） 之冠。然而， 在苹果的生长过程中， 经常会受到各种因素的影 响而受各种虫害的侵蚀， 导致苹果出现虫眼， 从而使其丧失了可食性， 极大地影响了苹果的 品质和销售。由此可见， 新鲜苹果的虫眼检测显得尤为重要。传统的检测方法大多是人工 操作， 耗时耗力， 而且效率低， 无法满足大规模生产的需求。 因此， 开发研制一种快速、 无损、 高效的苹果虫眼检测方法在水果分级领域中具有较好的应用前。
9、景。 0003 高光谱成像技术是利用光谱成像设备同时采集目标的光谱信息和图像信息， 并结 合光谱分析技术 （特定敏感波段的选择） 、 计算机图像处理和机器视觉技术的优点， 对目标 物进行识别和分析的技术。 采集到的高光谱图像是在特定波长范围内由一系列连续的较窄 波段图像组成的三维图像数据块。 高光谱图像可以同时获取某个特定波长下的图像信息和 x- y 平面内某个特定像素点下的不同波长的光谱信息。在每个波长下 x- y 平面内每个 像素点的灰度值与其在该波长下的光谱值之间一一对应 ； 在某个特定波长下， 感兴趣区域 (ROIs) 与正常区域之间的光谱值会存在较大差异。因此， 在此波长下的图像中，。
10、 它们之间 的灰度也必然存在着一定的差异， 进而对被测物进行判别分析， 从而实现被测物在线检测。 由此可见高光谱成像技术结合了图像分析与光谱技术两者的优点， 并通过合适的数据处理 方法寻找到最能准确辨别农产品虫害的特征波长下的图像， 从而实现高光谱成像技术对苹 果虫眼的快速无损检测。 发明内容 0004 本发明的目的就是解决在水果分级过程中的关键技术问题， 提供一种快速、 无损、 高效的苹果虫眼检测方法。 0005 本发明提供的快速、 无损苹果虫眼检测方法， 其特征是 ： 利用高光谱成像系统采集 苹果图谱信息， 分析苹果光谱曲线的特征， 并对光谱数据进行主成分分析。同时， 根据特征 波长确定单。
11、波段特征图像， 对其进行阈值分割， 提取苹果和虫眼。然后， 依此提取 PC1 图像 的感兴趣区域， 对其提取纹理特征和光谱特征。最后采用 BP 神经网络实现对苹果虫眼的快 速、 无损检测。 0006 本发明提供的快速、 无损苹果虫眼检测方法， 包括以下操作步骤 ： 1. 构建高光谱成像采集系统， 该系统是由高光谱成像光谱仪 （ImSpector V10E, Spectral Imaging Ltd, Finland） 、一 架 像 素 为 13921040 的 面 阵 CCD 相 机 （IGV-B1410M, IMPERX Incorporated, USA） 、 一台精密位移控制平台 （IR。
12、CP0076-1 COM, 台湾） 、 一套 150W 的光纤卤素灯 （3900 Illuminatior, Illumination Technologies, 说 明 书 CN 103808669 A 3 2/4 页 4 Inc. 美国） 、 一个减少环境光影响的暗箱 （12050140cm） 和数据处理机 （DELL Vostro 5560D-1528） 组成。高光谱摄像头的光谱范围为 4001100nm， 光谱分辨率为 2.8nm。 0007 2. 利用高光谱成像采集系统获取苹果高光谱图像， 事先调节物距、 光源强度、 镜头 光圈度数、 相机曝光时间、 移动平台速度， 以确保采集的图像。
13、清晰且不失真。最终确定的采 集参数为物距260 mm， 相机曝光时间68 ms， 平台移动速度0.8 mm/s。 将待测苹果放置于移 动平台上 （每次一个） ， 且赤道位对准相机。当平台移动时， 通过光谱仪获得苹果空间位置的 一条线在整个光谱区域的光谱信息， 然后通过平台带动苹果运动， 获取苹果在其他位置的 光谱信息， 直至获得样品完整的光谱信息。 0008 3. 高光谱图像数据校正处理。在与样本采集相同的系统条件下， 首先扫描标准白 色校正板 （Spectralon, LabsphereCo., England） 得到全白的标定图像 W ； 然后， 关闭摄像 机快门进行图像采集得到全黑的标定。
14、图像 B ； 最后， 按照下面校正公式完成图像标定， 采集 得到的原始图像 I 变成校正图像 R。 0009 4. 采用主成分分析获取特征图像。主成分分析 （PCA） 是非常有效的数据降维和特征提 取方法。本发明利用 PCA 对可见 - 近红外的苹果高光谱图像数据进行降维， 获得各 PC 图 像。 通过分析波谱噪声情况， 450nm950nm区间的噪声较少， 故选择此区间的波谱作为PCA 分析。根据获得的各 PC 图像的分析， PC1 图像清晰显示苹果虫眼， 故确定 PC1 图像为用于 后续分析的图像。 0010 . 分析苹果正常和带有虫眼的高光谱图像的特点， 根据虫眼区域与正常区域的光 谱曲。
15、线的差异， 确定 547nm 为特征波长， 此波长下的图像为特征图像。 0011 . 采用最大熵分级阈值分割方法先后分割出苹果和虫眼， 首先对 PC1 图像采用最 大熵阈值分割方法分割出苹果与背景形成二值图像， 再次采用最大熵阈值分割方法对该二 值图像的苹果区域进行分割， 提取出虫眼。若没有分割出虫眼说明是正常苹果。若是带有 虫眼的苹果， 则根据虫眼的位置提取 PC1 图像虫眼周围 8060 像素大小的感兴趣区域图 像 ； 若是不带有虫眼的苹果， 则提取 PC1 图像苹果中间部分 8060 像素大小的感兴趣区域 图像。 0012 . 提取上述感兴趣区域图像的纹理特征， 具体包括能量、 熵、 惯。
16、性矩和相关性四个 特征， 每个特征又包括四个方向 0、 45、 90和 135的数据， 总共 16 个特征。经过分 析得知每个纹理特征不管哪个方向特征值大致相同， 经优化选择能量、 熵、 惯性矩和相关性 的 0方向的特征作为检测苹果虫眼的最终纹理特征。 0013 . 采用 BP 人工神经网络对苹果虫眼进行检测。采用 0方向的能量、 熵、 惯性矩和 相关性 4 个纹理特征， 并融合感兴趣区域图像的光谱特征， 即 646nm、 824nm 处的反射率， 共 六个特征作为其输入量， BP 人工神经网络隐层数为 1， 输入层和隐层传递函数为正切 S 型 传递函数。学习方式为加入趋势动量项的梯度下降的训。
17、练函数。输出为 1 个变量， 即是否 带有虫眼， 输出层传递函数为线性传递函数， 若苹果带有虫眼， 输出应为 -1， 若为正常的苹 果， 输出应为 1。 0014 本发明的积极效果 ： 检测速度快、 操作简单方便、 检测结果精度高， 而且对苹果没 有损伤。 说 明 书 CN 103808669 A 4 3/4 页 5 具体实施方式 0015 1. 构建高光谱成像采集系统采集带有虫眼的苹果图像。该系统是由高光谱成像 光谱仪 （ImSpector V10E, Spectral Imaging Ltd, Finland） 、 一架像素为 13921040 的面阵 CCD 相机 （IGV-B1410M。
18、, IMPERX Incorporated, USA） 、 一台精密位移控制平台 （IRCP0076-1 COM, 台湾） 、 一套 150W 的光纤卤素灯 （3900 Illuminatior, Illumination Technologies, Inc. 美国） 、 一个减少环境光影响的暗箱 （12050140cm） 和数据处理机 （DELL Vostro 5560D-1528） 等部分组成。高光谱摄像头的光谱范围为 4001100nm， 光谱 分辨率为 2.8nm。 0016 2.利用高光谱成像采集系统获取苹果高光谱图像。 首先将待测苹果放置于移动平 台上， 把有虫眼面的赤道位对准相机。
19、。 调整苹果上面到镜头的距离为260 mm， 相机曝光时间 68 ms， 平台移动速度 0.8 mm/s。然后将苹果从移动平台上拿下， 将校正白板放在移动平台 上， 并保证与苹果同一高度， 调整光源强度使最大 DN 值在 3200 左右， 通过高光谱图像采集 软件 Spectral Image （Isuzu Optics Corp., Taiwan） 采集白板的高光谱图像 W。然后， 关 闭镜头快门进行图像采集得到全黑的标定图像 B。最后将待测苹果放置于移动平台上。当 平台移动时， 通过光谱仪获得苹果空间位置的一条线在整个光谱区域的光谱信息， 然后通 过平台带动苹果运动， 获取苹果在其他位置的。
20、光谱信息， 直至获得样品完整的光谱信息。 0017 3.高光谱图像数据校正处理。 结合全白的标定图像W和全黑的标定图像B及实际 样本高光谱图像 I， 按照下面校正公式完成图像标定， 采集得到的原始图像 I 变成校正图像 R。 4. 采用主成分分析 （PCA）获取特征图像。本发明利用 ENVI4.7 软件采用 PCA 对可 见 - 近红外的苹果高光谱图像 450nm950nm 区间数据进行降维， 获取各 PC 图像。根据获 得的各 PC 图像的分析， PC1 图像清晰显示苹果虫眼， 故确定 PC1 图像为用于后续分析的图 像。 0018 . 分析带有虫眼苹果的高光谱图像的特点， 根据虫眼区域与正。
21、常区域的光谱曲线 的差异， 确定 547nm 为特征波长， 此波长下的图像为特征图像。 0019 . 利用 Matlab 软件采用最大熵分级阈值分割方法对上述的特征图像先后分割出 苹果和虫眼。首先对 PC1 图像采用最大熵阈值分割方法分割出苹果与背景形成二值图像， 再次采用最大熵阈值分割方法对该二值图像的苹果区域进行分割， 提取出虫眼， 然后根据 虫眼的位置提取 PC1 图像虫眼周围 8060 像素大小的感兴趣区域图像。 0020 . 提取上述感兴趣区域图像的纹理特征， 具体包括能量、 熵、 惯性矩和相关性四个 特征， 每个特征又包括四个方向 0、 45、 90和 135的数据， 总共 16 。
22、个特征。经过分 析得知每个纹理特征不管哪个方向特征值大致相同， 经优化选择 0方向的能量、 熵、 惯性 矩和相关性的特征作为检测苹果虫眼的最终纹理特征。 0021 . 采用 BP 人工神经网络对苹果虫眼进行检测。采用 0的能量、 熵、 惯性矩和相关 性 4 个特征， 并融合感兴趣区域图像的光谱特征， 即 646nm、 824nm 处的反射率， 共六个特征 作为 BP 人工神经网络输入量。BP 人工神经网络隐层数为 1， 输入层和隐层传递函数为正切 说 明 书 CN 103808669 A 5 4/4 页 6 S型传递函数。 学习方式为加入趋势动量项的梯度下降的训练函数， 输出层传递函数为线性 传递函数。输出为 -1， 即表明该苹果带有虫眼， 检测结果正确。 说 明 书 CN 103808669 A 6 。