基于高光谱成像对柿子的轻微瘀伤检测方法与装置

测量装置的制造及其应用技术1.本发明属于食品检测领域。更具体地说，本发明涉及一种基于高光谱成像对柿子的轻微瘀伤检测方法与装置。背景技术：2.恭城月柿(脆柿)是中国国家地理标志产品，其果肉脆嫩，富含人体所需的高蛋白和各种维生素，有很高的使用价值和医用价值。瘀伤是脆柿产业商业损失的重要原因之一，瘀伤通常发生在收获、运输、清洗或分拣线上的冲击损伤。随着时间的推移，脆柿的瘀伤组织会变黑和变软，但是脆柿瘀伤组织前期与健康组织相似，肉眼难以辨认。脆柿表面损伤不仅影响外观和口感，还可能感染其他正常水果。传统上，脆柿瘀伤主要是通过人工分拣的方法识别。耗时长，受主观因素影响较大。因此，有必要开发一种快速，无损和高效的瘀伤检测方法。3.超声波，电阻抗，x射线和热成像等一些列无损检测技术已被广泛应用于瘀伤检测。但是，这些检测方法都存在着在小区域获取数据检测的局限性。计算机视觉技术能够识别物体的大小、形状、颜色、纹理以及物体的数值属性，越来越多的专家学者从事机器视觉领域研究，但不能检测水果内部质量属性，所以在水果轻微损伤检测方面存在挑战。高光谱成像技术作为近年新兴技术，被认为是一种有效的无损检测农产品质量的技术，高光谱技术结合了计算机视觉和光谱技术，可以通过图像和光谱信息分析获取样品的表面和内部信息。因此，利用高光谱成像技术是可以对脆柿的瘀伤进行有效检测的。技术实现要素：4.本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。5.本发明提供一种基于高光谱成像对柿子的轻微瘀伤检测方法、系统、装置、电子设备和存储介质，其能够对脆柿进行在线和非破坏的瘀伤检测，实现对脆柿瘀伤的快速、无损和高效检测。6.第一方面，提供了一种基于高光谱成像对柿子的轻微瘀伤检测方法，包括：7.获取健康脆柿和不同时间瘀伤脆柿样品的高光谱图像，通过黑白校正后的所述高光谱图像提取感兴趣区域的光谱数据和图像数据；其中，利用连续投影算法选择特征波长以优化光谱数据和图像数据；8.根据光谱数据和图像数据建立支持向量机轻微瘀伤分类模型(svm)以将健康脆柿和瘀伤脆柿分类出来；其中，构建分类模型前需要利用遗传算法对分类模型的惩罚系数c和rbf核函数系数gamma进行优化；9.在envi中对待检测脆柿样品全部波段的光谱图像进行裁剪，根据建立的支持向量机轻微瘀伤分类模型得到与连续投影算法选取的特征波长相对应波段的高光谱灰度图，对所述高光谱灰度图做mnf变换基于协方差估计以去掉数据中噪声的影响和相关性后利用ostu算法进行瘀伤部位的提取。10.可选地，光谱数据的提取方法为：打开原始高光谱图像后，选择柿子赤道位置附近的感兴趣区域，用大小为10×10像素的矩形框作为光谱数据的提取区域，手动选择并提取该区域的平均光谱数据；11.图像数据的提取方法为：利用envi软件将所有特征波段的灰度图像提取出来，进行掩膜和mnf变换后分别保存其单波段的灰度图像。12.可选地，谱数据和图像数据经过数据增强算法、平滑算法、光散射校正算法中的一种进行预处理。13.可选地，所述连续投影算法的算法包括以下步骤：14.(1)任选光谱数据中1列列向量xj，记为xk(0)，即k(0)＝j；15.(2)定义集合s，s是未被选入的列向量位置，k为样品波长数；16.(3)计算xj对于剩余列向量的投影，其中p是投影算子；17.pxj＝xj-(xjtxk(n-1))xk(n-1)(xk(n-1)txk(n-1))-1，j∈s18.(4)记录最大投影的序号，k(n)＝arg(max(|pxj|),j∈s)；19.(5)将最大投影作为下轮的投影向量xj＝pxj，j∈s；20.(6)n＝n+1，如果n《n，回到步骤(3)循环计算；21.得到n×k对波长组合，对每一队xk(0)和n所决定的组合分别建立定标模型，使用预测均方根误差来决定所建立模型的优劣；选出最小预测均方根误差，它所对应的xk(0)*和n*即为最佳的波长组合；记xk(0)为初始迭代向量，n为需要提取的变量个数，光谱矩阵为j列。22.可选地，利用ks算法将光谱数据和图像数据按照3:1分为训练集和验证集，利用训练集构建分类模型，利用验证集验证所构建的分类模型。23.可选地，利用遗传算法优化分类模型的惩罚系数c和rbf核函数系数gamma，包括以下步骤：首先将解空间映射到编码空间创建初始种群，对适应度函数进行计算，其次对优化参数进行选择，进行交叉和变异的基础操作，最后输出最优参数从而构建分类模型。24.第二方面，提供了一种基于高光谱成像对柿子的轻微瘀伤检测系统，其包括：25.高光谱数据采集模块，用于采集获得400-1000nm波长的健康脆柿和瘀伤脆柿的高光谱图像数据，以及提取黑白校正后的高光谱图像的光谱数据和图像数据；26.高光谱数据处理模块，用于将提取的光谱数据和图像数据根据上述所述的方法进行支持向量机轻微瘀伤分类模型的建立和ostu算法图像分割。27.第三方面，提供了一种基于高光谱成像对柿子的轻微瘀伤检测装置，包括：28.箱体，其由不透明材料制成；29.高光谱成像单元装置，其设置在箱体的顶部；30.载物台装置，其高度可调节的设置在所述箱体的内部；31.光源装置，其通过架子设置在所述箱体的两侧，并位于载物台装置的上方以为载物台装置上的试验样品提供光源；32.控制处理装置，其与所述高光谱成像单元装置电性连接，以将高光谱成像单元装置采集的高光谱图像执行上述所述的方法。33.第四方面，提供了一种电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述所述的方法。34.第五方面，提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时，实现上述所述的方法。35.本发明至少包括以下有益效果：36.第一、当输入自变量较多且相互不独立时，为了防止svm模型出现过拟合或欠拟合的情况而导致所建立的模型精度低、建模时间长等问题，在构建模型前需要对svm模型的惩罚系数c和rbf(radial basis function kernel)核函数系数gamma进行优化。遗传算法(ga)具有很好的收敛性，计算时间少，鲁棒性高等优点，因此，用遗传算法(ga)优化svm模型，能很好的解决上述问题。37.第二、连续投影算法(spa)利用向量的投影分析，通过将波长投影到其他波长上，比较投影向量的大小，以投影向量最大的波长为待选波长，基于校正模型选择最终的特征波长。本发明利用spa选择的是含有最少冗余信息及最小共线性的变量组合，减小数据的维度，提高运算速度，明显降低运算时间。38.第三、本发明能够对脆柿进行在线和非破坏检测，方便现代技术对脆柿的快速、无损和高效地检测，节省人工成本和时间成本。并且能够解决柿子轻微於伤时人工难以识别的问题，有效地预防因为一个轻微瘀伤的柿子而感染其他健康的柿子的情况出现。39.本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。附图说明40.图1为本发明对样品数据处理流程图；41.图2为健康脆柿和不同时间瘀伤脆柿的平均光谱反射率图；42.图3为脆柿瘀伤部位提取流程图；43.图4为高光谱成像对柿子的轻微瘀伤检测系统/装置的示意图；44.图5为脆柿健康，瘀伤样本和高光谱3d光谱图象示意图。45.1、高光谱数据采集模块；2、高光谱数据处理模块；3、箱体；4、高光谱成像单元装置；5、载物台装置；6、光源装置；7、试验样品；8、控制处理装置。具体实施方式46.下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。47.应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。48.本发明提供了一种基于高光谱成像对柿子的轻微瘀伤检测方法，包括：49.获取健康脆柿和不同时间瘀伤脆柿样品的高光谱图像，通过黑白校正后的所述高光谱图像提取感兴趣区域的光谱数据和图像数据；其中，利用连续投影算法选择特征波长以优化光谱数据和图像数据；50.根据光谱数据和图像数据建立支持向量机轻微瘀伤分类模型(svm)以将健康脆柿和瘀伤脆柿分类出来；其中，构建分类模型前需要利用遗传算法对分类模型的惩罚系数c和rbf核函数系数gamma进行优化；51.在envi中对待检测脆柿样品全部波段的光谱图像进行裁剪，根据建立的支持向量机轻微瘀伤分类模型得到与连续投影算法选取的特征波长相对应波段的高光谱灰度图，对所述高光谱灰度图做mnf变换基于协方差估计以去掉数据中噪声的影响和相关性后利用ostu算法进行瘀伤部位的提取。52.在一些实施例中，光谱数据的提取方法为：打开原始高光谱图像后，选择柿子赤道位置附近的感兴趣区域，用大小为10×10像素的矩形框作为光谱数据的提取区域，手动选择并提取该区域的平均光谱数据；53.图像数据的提取方法为：利用envi软件将所有特征波段的灰度图像提取出来，进行掩膜和mnf变换后分别保存其单波段的灰度图像。54.在一些实施例中，谱数据和图像数据经过数据增强算法、平滑算法、光散射校正算法中的一种进行预处理。55.在一些实施例中，所述连续投影算法的算法包括以下步骤：56.(1)任选光谱数据中1列列向量xj，记为xk(0)，即k(0)＝j；57.(2)定义集合s，s是未被选入的列向量位置，k为样品波长数；58.(3)计算xj对于剩余列向量的投影，其中p是投影算子；59.pxj＝xj-(xjtxk(n-1))xk(n-1)(xk(n-1)txk(n-1))-1，j∈s60.(4)记录最大投影的序号，k(n)＝arg(max(|pxj|),j∈s)；61.(5)将最大投影作为下轮的投影向量xj＝pxj，j∈s；62.(6)n＝n+1，如果n《n，回到步骤(3)循环计算；63.得到n×k对波长组合，对每一队xk(0)和n所决定的组合分别建立定标模型，使用预测均方根误差来决定所建立模型的优劣；选出最小预测均方根误差，它所对应的xk(0)*和n*即为最佳的波长组合；记xk(0)为初始迭代向量，n为需要提取的变量个数，光谱矩阵为j列。64.在一些实施例中，利用ks算法将光谱数据和图像数据按照3:1分为训练集和验证集，利用训练集构建分类模型，利用验证集验证所构建的分类模型。65.在一些实施例中，利用遗传算法优化分类模型的惩罚系数c和rbf核函数系数gamma，包括以下步骤：首先将解空间映射到编码空间创建初始种群，对适应度函数进行计算，其次对优化参数进行选择，进行交叉和变异的基础操作，最后输出最优参数从而构建分类模型。66.《实施例》67.本发明提供了一种基于高光谱成像对柿子的轻微瘀伤检测方法，如图1所示，包括：68.获取健康脆柿和不同时间瘀伤脆柿样品的高光谱图像，通过黑白校正后的所述高光谱图像提取感兴趣区域的光谱数据和图像数据；69.具体地，高光谱数据采集和黑白校正后，从高光谱图像的背景中提取样品的平均光谱数据和单波段的图像数据，光谱数据和图像数据按照健康脆柿和瘀伤时间做好标签，建立数据集；70.具体地，光谱数据的提取方法为：打开原始高光谱图像后，选择柿子赤道位置附近selection in spectroscopic multicomponent analysis]。记xk(0)为初始迭代向量，n为需要提取的变量个数，光谱矩阵为j列，81.(1)任选光谱数据中1列列向量xj，记为xk(0),即k(0)＝j。82.(2)定义集合s，s是未被选入的列向量位置，k为样品波长数。83.(3)计算xj对于剩余列向量的投影，其中p是投影算子。84.pxj＝xj-(xjtxk(n-1))xk(n-1)(xk(n-1)txk(n-1))-1，j∈s85.(4)记录最大投影的序号，k(n)＝arg(max(|pxj|),j∈s)。86.(5)将最大投影作为下轮的投影向量xj＝pxj，j∈s。87.(6)n＝n+1，如果n《n，回到(3)循环计算。88.这样得到n×k对波长组合，对每一队xk(0)和n所决定的组合分别建立定标模型，使用预测均方根误差(root mean square error of prediction，rmsep)来决定所建立模型的优劣。选出最小rmesep，它所对应的xk(0)*和n*即为最佳的波长组合。89.本实施例中瘀伤部位分割提取方法具体为：脆柿的瘀伤部位可以通过图像分割进行提取，在envi中对待检测脆柿样品全部波段的光谱图像进行裁剪，根据建立的支持向量机轻微瘀伤分类模型得到与连续投影算法选取的特征波长相对应波段的高光谱灰度图，对所述高光谱灰度图做mnf变换基于协方差估计以去掉数据中噪声的影响和相关性后利用ostu算法进行图像分割提取瘀伤部位。图像数据提取瘀伤部位的结果，如图3所示。10张特征图通过mnf变换后保留前三个主成分图像(用mnf1，mnf2和mnf3表示)，mnf1到mnf3都清晰地显示了样品的的轮廓外形，样品瘀伤部位与周围健康部位相比，瘀伤区域灰度值较低，样品的中间部分出现了强亮的区域，这是由于光照不均匀所导致。其中mnf3能较清晰地显示出柿子的瘀伤部位。因此，我们将ostu结合中值滤波的方法应用于mnf3图像进行瘀伤部位地提取。总体而言，脆柿的瘀伤部位能够被有效地提取出来，这表明mnf可以作为脆柿瘀伤区域识别的有效方法。90.本发明实施例的一种基于高光谱成像对柿子的轻微瘀伤检测系统，如图4所示，其包括：91.高光谱数据采集模块1，用于采集获得400-1000nm波长的健康脆柿和瘀伤脆柿的高光谱图像数据，以及提取黑白校正后的高光谱图像的光谱数据和图像数据；92.高光谱数据处理模块2，用于将提取的光谱数据和图像数据根据上述所述的方法进行支持向量机轻微瘀伤分类模型的建立和ostu算法图像分割。93.本发明实施例的一种基于高光谱成像对柿子的轻微瘀伤检测装置，如图4所示，包括：94.箱体3，其由不透明材料制成；95.高光谱成像单元装置4，其设置在箱体3的顶部，所述高光谱成像单元装置4采用headwall micro-hyperspec可见光-近红外高光谱成像仪，采用原始全息衍射光栅技术和外置推扫成像方式，每个像元对应一条精确的光谱曲线，用于采集样品的高光谱图像；96.载物台装置5，其高度可调节的设置在所述箱体3的内部以获得以获得清晰完整的高光谱图像；97.光源装置6，其通过架子设置在所述箱体3的两侧，并位于载物台装置5的上方以为载物台装置5上的试验样品7提供光源，所述光源装置6为2个150w的卤素灯，两个卤素灯设置在箱体3的两侧；98.控制处理装置8，其与所述高光谱成像单元装置4电性连接，以将高光谱成像单元装置4采集的vnir区域(400-1000nm)范围内的高光谱图像执行上述所述的方法。99.本发明实施例的一种电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述所述的方法。100.本发明实施例的一种存储介质，其上存储有计算机程序，该程序被处理器执行时，实现上述所述的方法。101.尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!