狠狼鲁亚洲2018色综合小说色眯眯品国产在线视频-唔唔国自产精品手机在线视频夏目彩春夫目の前被885-日本无码Av手机在线看欧美国产日产视频在线观看-下乡干部玩农村妇女揄拍自拍第1页色-亚洲师生制服网站欧美日本熟妇HD-三级日本2022在线观看婷婷五月综合第九色

歡迎光臨
  • 技術(shù)文章

    成像光譜技術(shù)對(duì)蘋果斑點(diǎn)及損傷快速識(shí)別研究分析

    2017-08-17 15:42:36  來(lái)源:
    基于成像光譜技術(shù)對(duì)蘋果斑點(diǎn)及損傷快速識(shí)別研究

                                           四川雙利合譜科技有限公司-黃宇

    • 引言

     

    高光譜圖像技術(shù)結(jié)合了光譜分析和圖像處理的技術(shù)優(yōu)勢(shì),國(guó)內(nèi)外許多學(xué)者對(duì)研究對(duì)象的內(nèi)外部品質(zhì)特征進(jìn)行檢測(cè)分析,如趙杰文等利用高光譜圖像技術(shù)檢測(cè)水果輕微損傷,準(zhǔn)確率為88.57 %;Jasper G. Tallada等分別應(yīng)用高光譜圖像技術(shù)對(duì)不同成熟度的草莓表面損傷、蘋果的表面缺陷及芒果的成熟度檢測(cè)進(jìn)行了試驗(yàn)研究。王玉田等運(yùn)用熒光光譜檢測(cè)出水果表面殘留的農(nóng)藥;胡淑芬等運(yùn)用激光技術(shù)對(duì)水果表面農(nóng)藥殘留進(jìn)行了試驗(yàn)研究;薛龍等針對(duì)水果表面農(nóng)藥殘留,以滴有較高濃度的臍橙為研究對(duì)象,利用光譜范圍425-725 nm的高光譜圖像系統(tǒng)進(jìn)行檢測(cè),發(fā)現(xiàn)對(duì)較高濃度的農(nóng)藥殘留檢測(cè)效果較好。本文采用高光譜圖像技術(shù)檢測(cè)蘋果的黑白斑區(qū)域及損傷區(qū)域,以實(shí)現(xiàn)蘋果黑白斑、損傷區(qū)域快速識(shí)別的目的。

    二、 試驗(yàn)材料與方法

    2.1  實(shí)驗(yàn)材料

    本研究以蘋果和橙子為研究對(duì)象,分析蘋果的黑白斑區(qū)域與損傷區(qū)域。其中蘋果的黑白斑、損傷是非人為故意形成。

    2.2  實(shí)驗(yàn)設(shè)備

    高光譜成像數(shù)據(jù)采集采用四川雙利合譜科技有限公司的 GaiaSorter高光譜分選儀系統(tǒng)。該系統(tǒng)主要由高光譜成像儀(V10E)、CCD 相機(jī)、光源、暗箱、計(jì)算機(jī)組成,結(jié)構(gòu)圖與實(shí)景圖如圖1。實(shí)驗(yàn)儀器參數(shù)設(shè)置如表1

    1   GaiaSorter 高光譜分選儀系統(tǒng)參數(shù)

    序號(hào)

    項(xiàng)目

    參數(shù)

    1

    光譜掃描范圍/nm

    400~1000

    2

    光譜分辨率/nm

    2.8

    3

    采集間隔/nm

    1.9

    4

    光譜通道數(shù)

    520


     1  GaiaSorter 高光譜分選儀結(jié)構(gòu)圖與實(shí)景圖

    2.3  圖像處理分析

    采用SpecViewENVI/IDL對(duì)高光譜數(shù)據(jù)的預(yù)處理及分析,預(yù)處理中的鏡像變換、黑白幀校準(zhǔn)在SpecView中進(jìn)行;其他數(shù)據(jù)的分析在ENVI/IDL中進(jìn)行。

    三、結(jié)果與討論

    3.1  蘋果黑斑區(qū)域、損傷區(qū)域、正常區(qū)域和背景的光譜分析

        取蘋果黑斑區(qū)域、損傷區(qū)域、正常區(qū)域和背景各3個(gè)不同位置周邊50個(gè)像元,分別獲取這3個(gè)不同位置50個(gè)像元的光譜反射率,并求取這50個(gè)像元的反射率均值,如圖2所示,其中,蘋果沒(méi)有損傷區(qū)域的光譜反射率在500-680 nm范圍內(nèi)高于損傷區(qū)域及黑斑區(qū)域的光譜反射率;在550-700nm范圍內(nèi),蘋果黑斑區(qū)域的光譜反射率較低;在580-700 nm范圍內(nèi),蘋果黑斑區(qū)域、損傷區(qū)域、正常區(qū)域的光譜存在較為顯著的波峰波谷,而背景無(wú)顯著特征。在550-680 nm范圍內(nèi),損傷區(qū)域的光譜反射率鑒于蘋果黑斑區(qū)域和正常區(qū)域之間,因此可以嘗試通過(guò)構(gòu)建植被指數(shù)和閾值分割方法快速識(shí)別出蘋果黑斑區(qū)域和損傷區(qū)域。

    圖2  蘋果黑斑區(qū)域、損傷區(qū)域、正常區(qū)域和背景的光譜反射率

    3.3  蘋果的*小噪聲分離變換

    對(duì)經(jīng)過(guò)鏡像變換、黑白幀校準(zhǔn)的蘋果、橙子高光譜圖像進(jìn)行MNF變換(如圖4,從左到右) ,分別得到以有效信息為主的波段和以噪聲為主的波段,并且按照信噪比從大到小的順序排列。原始數(shù)據(jù)的主要信息都集中在前面特征值大的波段,后面特征值小的波段主要以噪聲為主。特征值接近于0的多數(shù)是噪聲,*好選擇特征值高的波段。從圖4可知,當(dāng)特征值數(shù)到7時(shí),特征值趨向于0且無(wú)顯著變化。

    圖 4 蘋果腐爛區(qū)域與農(nóng)業(yè)殘留區(qū)域提取流程圖

    3.4  *小噪聲分離變換

    由于高光譜遙感數(shù)據(jù)波段多,波段間存在很大相關(guān)性,為了克服維數(shù)災(zāi)難,利用*小噪聲分離變換進(jìn)行波段選擇,達(dá)到優(yōu)化數(shù)據(jù),去除噪聲和數(shù)據(jù)降維的目的。

    *小噪聲分離變換( MNF)是對(duì)主成分變換( PCA) 的一種改進(jìn)方法。PCA 是一種線性變換,變換后各主成分分量彼此之間互不相關(guān),隨著主成分的增加該分量包含的信息量減小,*主成分包含的信息量*大,第二主成分與*主成分無(wú)關(guān)且在剩余成分中包含的信息量*大,依此類推。但PCA對(duì)噪聲比較敏感,在變換后的主成分分量中,信息量大的信噪比不一定高,當(dāng)某個(gè)信息量大的主成分中包含的噪聲的方差大于信號(hào)的方差時(shí),該主成分分量形成的圖像質(zhì)量就差。針對(duì) PCA 變換的不足,Green 和 Berman 提出*小噪聲分離變換( MNF),它不但能判定圖像數(shù)據(jù)內(nèi)在的維數(shù)( 波段數(shù)) ,分離數(shù)據(jù)中的噪聲,而且能減少隨后處理中的計(jì)算需求量。MNF 變換是基于圖像質(zhì)量的線性變換,變換結(jié)果的成分按照信噪比從大到小排列。經(jīng)過(guò)MNF變換大部分噪聲集中在特征小的分量中。而不像 PCA變換按照方差由大到小排列,從而克服了噪聲對(duì)影像質(zhì)量的影響。

    3.4.1 基于MNF的蘋果的黑斑、損傷區(qū)域識(shí)別

        圖5列舉了蘋果原圖(高光譜RGB彩色合成)、MNF變換前7個(gè)特征值灰度圖。從MNF變換的特征值灰度圖來(lái)看,第1特征值灰度圖能較好地區(qū)分背景和蘋果,然而,蘋果的部分黑斑也會(huì)識(shí)別為背景;第2特征值灰度圖能較好地識(shí)別出蘋果的黑斑;第3特征值灰度圖雖能識(shí)別出蘋果的黑斑,但是蘋果的其他區(qū)域有一部分也會(huì)被識(shí)別為黑斑;第4特征值灰度圖較亮的部分為蘋果的黑斑和蘋果損傷區(qū)域,識(shí)別效果較好;第5、6、7特征值的灰度圖則無(wú)法正確識(shí)別出黑斑、損傷區(qū)域。

    圖5 蘋果RGB原圖及前7個(gè)MNF特征值灰度圖

    3.5 基于植被指數(shù)、閾值分割的蘋果斑點(diǎn)、損傷區(qū)域快速識(shí)別

       根據(jù)圖2蘋果黑斑區(qū)域、損傷區(qū)域、正常區(qū)域和背景的光譜反射率變化規(guī)律,構(gòu)建植被指數(shù)NDVI(723.6, 673.6)去除背景并掩膜,*后利用灰度密度分割,用紅色代表蘋果斑點(diǎn)、損傷區(qū)域,綠色代表?yè)p傷附近區(qū)域,如圖8所示。從圖中可知,利用植被指數(shù)、閾值分割的方法能快速、較為準(zhǔn)確地識(shí)別出蘋果的斑點(diǎn)、損傷區(qū)域。

    6基于植被指數(shù)、閾值分割的蘋果斑點(diǎn)、損傷區(qū)域快速識(shí)別

     討論

    高光譜成像技術(shù)應(yīng)用于水果斑點(diǎn)及損傷區(qū)域的快速識(shí)別已體現(xiàn)出其“圖譜合一”的優(yōu)越性。水果損傷和水果表皮的斑點(diǎn)顏色雖然能用肉眼一一識(shí)別,但是在工業(yè)生產(chǎn)用,僅靠人力去一一挑選無(wú)損傷、無(wú)斑點(diǎn)的水果,既費(fèi)時(shí)費(fèi)力費(fèi)財(cái)。利用成像高光譜技術(shù),獲取不同水果的光譜反射率,查找出其損傷、斑點(diǎn)的特征波段,利用特征波段構(gòu)建植被指數(shù)從而實(shí)現(xiàn)水果損傷、斑點(diǎn)區(qū)域的快速有效的識(shí)別,并達(dá)到自動(dòng)化挑選優(yōu)質(zhì)水果的目的。本研究結(jié)果表明,運(yùn)用高光譜成像技術(shù),運(yùn)用*小噪聲分離、植被指數(shù)等方法等,均可有效地識(shí)別水果損傷與斑點(diǎn)區(qū)域,但*小噪聲分離方法較為復(fù)雜,運(yùn)算速度較慢,不適合在工業(yè)生產(chǎn)上進(jìn)行應(yīng)用,而植被指數(shù)算法簡(jiǎn)單,僅利用2個(gè)波段進(jìn)行四則運(yùn)算即可實(shí)現(xiàn)水果損傷和斑點(diǎn)的快速識(shí)別。


    留言