日韩av大片在线观看欧美成人不卡|午夜先锋看片|中国女人18毛片水多|免费xx高潮喷水|国产大片美女av|丰满老熟妇好大bbbbbbbbbbb|人妻上司四区|japanese人妻少妇乱中文|少妇做爰喷水高潮受不了|美女人妻被颜射的视频,亚洲国产精品久久艾草一,俄罗斯6一一11萝裸体自慰,午夜三级理论在线观看无码

基于成像光譜技術的橙子斑點及損傷快速識別研究

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

• 引言

隨著人們生活水平的提高，消費者越來越關注果蔬的品質安全問題,。如造成

水果表面出現(xiàn)黑白斑的內(nèi)部腐爛,、水果因運輸?shù)仍蛟斐傻呐鰝?、損傷等，從而嚴重影響消費者的身體健康,。因此水果黑白斑,、碰傷損傷的快速有效的識別具有重要的研究價值。

高光譜圖像技術結合了光譜分析和圖像處理的技術優(yōu)勢,，國內(nèi)外許多學者對研究對象的內(nèi)外部品質特征進行檢測分析,，如趙杰文等利用高光譜圖像技術檢測水果輕微損傷，準確率為88.57 %,；Jasper G. Tallada等分別應用高光譜圖像技術對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進行了試驗研究。王玉田等運用熒光光譜檢測出水果表面殘留的農(nóng)藥,；胡淑芬等運用激光技術對水果表面農(nóng)藥殘留進行了試驗研究,；薛龍等針對水果表面農(nóng)藥殘留，以滴有較高濃度的臍橙為研究對象,，利用光譜范圍425-725 nm的高光譜圖像系統(tǒng)進行檢測,，發(fā)現(xiàn)對較高濃度的農(nóng)藥殘留檢測效果較好。本文采用高光譜圖像技術檢測不同水果的黑白斑區(qū)域及損傷區(qū)域,，以實現(xiàn)水果黑白斑,、損傷區(qū)域快速識別的目的。

二,、 試驗材料與方法

2.1  實驗材料

本研究以橙子為研究對象,，分析橙子的黑白斑區(qū)域與損傷區(qū)域。其中橙子的黑白斑,、損傷是非人為故意形成,。

2.2  實驗設備

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,、光源、暗箱,、計算機組成,，結構圖與實景圖如圖1。實驗儀器參數(shù)設置如表1,。

表1   GaiaSorter 高光譜分選儀系統(tǒng)參數(shù)

圖 1  GaiaSorter 高光譜分選儀結構圖與實景圖

2.3  圖像處理分析

采用SpecView和ENVI/IDL對高光譜數(shù)據(jù)的預處理及分析,，預處理中的鏡像變換、黑白幀校準在SpecView中進行,；其他數(shù)據(jù)的分析在ENVI/IDL中進行,。

三、結果與討論

3  橙子黑斑斑區(qū)域、正常區(qū)域,、背景的光譜分析

以橙子的正面和側面為例,，取橙子黑斑區(qū)域、白板區(qū)域,、正常區(qū)域和背景各3個不同位置周邊50個像元,，分別獲取這3個不同位置50個像元的光譜反射率，并求取這50個像元的反射率均值,，如圖3所示,。從圖中可知，在580-700 nm范圍內(nèi),，橙子的黑斑區(qū)域,、白斑區(qū)域、正常區(qū)域的光譜反射率上升趨勢較為顯著,，而背景在此光譜范圍,，光譜反射率上升較為緩慢，因此可以在此區(qū)域快速地識別橙子,。無論從橙子的正面光譜還是側面光譜來看,，在530-1000 nm范圍內(nèi)，橙子的黑斑區(qū)域的光譜反射率均低于橙子的白斑區(qū)域和正常區(qū)域,。在400-1000nm范圍內(nèi),，白斑區(qū)域和正常區(qū)域在藍光波段差異明顯。

圖3  橙子黑斑斑區(qū)域,、正常區(qū)域,、背景的光譜反射率

3.3  橙子的zui小噪聲分離變換

對經(jīng)過鏡像變換、黑白幀校準的橙子高光譜圖像進行MNF變換(如圖4,，從左到右：蘋果,、正面橙子、側面橙子) ,，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,，選擇特征值高的波段,。從圖4可知，當橙子特征值數(shù)到7時,，特征值趨向于0且無顯著變化,。

圖 4腐爛區(qū)域與農(nóng)業(yè)殘留區(qū)域提取流程圖

3.4  zui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性，為了克服維數(shù)災難,，利用zui小噪聲分離變換進行波段選擇,，達到優(yōu)化數(shù)據(jù)，去除噪聲和數(shù)據(jù)降維的目的,。

zui小噪聲分離變換( MNF)是對主成分變換( PCA) 的一種改進方法,。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,，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zui大，第二主成分與*主成分無關且在剩余成分中包含的信息量zui大,，依此類推,。但PCA對噪聲比較敏感，在變換后的主成分分量中,，信息量大的信噪比不一定高,，當某個信息量大的主成分中包含的噪聲的方差大于信號的方差時，該主成分分量形成的圖像質量就差,。針對 PCA 變換的不足,，Green 和 Berman 提出zui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算需求量。MNF 變換是基于圖像質量的線性變換,，變換結果的成分按照信噪比從大到小排列,。經(jīng)過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,，從而克服了噪聲對影像質量的影響,。

3.4.1基于MNF的橙子的黑白斑區(qū)域識別

    圖5列舉了橙子正面、側面原圖（高光譜RGB彩色合成）,、MNF變換前7個特征值灰度圖,。從正面橙子的MNF變換的特征值灰度圖來看，第1特征值灰度圖能較好地區(qū)分背景,、橙子黑斑,，然而，背景和橙子黑斑則無法相互區(qū)分,；第2,、3特征值灰度圖亮度部分為黑斑，但是無斑點橙子也會被錯誤地識別為黑斑,；第4特征值灰度圖能較好地識別出橙子的黑斑和白斑,，即較亮的部分為橙子的黑斑,、白斑，識別效果較好,；第5,、6、7及往后的特征值的灰度圖則無法正確識別出黑斑,、白斑區(qū)域,。

圖5橙子正面RGB原圖及前7個MNF特征值灰度圖

如圖6，從側面橙子的MNF變換的特征值灰度圖來看,，第1特征值灰度圖能較好地區(qū)分背景,、橙子；第2,、3特征值灰度圖識別效果并不如意,，黑白斑、背景等均未能識別出來,；第4特征值灰度圖雖然能識別出橙子黑斑,，但是也錯誤地把部分無斑點橙子識別為黑斑；第5特征值灰度圖能較好地識別出橙子黑白斑,、損傷區(qū)域,，但是部分背景會錯誤地識別為黑白斑。第6,、7及往后的特征值的灰度圖則無法正確識別出黑斑,、白斑、損傷區(qū)域,。

圖6 橙子測面RGB原圖及前7個MNF特征值灰度圖

3.6 基于植被指數(shù),、閾值分割的橙子斑點、損傷區(qū)域快速識別

    根據(jù)圖3橙子黑白斑區(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，構建植被指數(shù)NDVI(706, 590)去除背景并掩膜MNF5,，zui后利用灰度密度分割,，用紅色代表橙子斑點、損傷區(qū)域,，黃色代表輕微損傷或者微小的橙子斑點,，如圖7所示。從圖中可知,，無論是橙子的正面或者側面，利用植被指數(shù),、閾值分割的方法均能快速,、較為準確地識別出其斑點和損傷區(qū)域,。

圖7 基于植被指數(shù)、閾值分割的橙子斑點,、損傷區(qū)域快速識別

四 討論

高光譜成像技術應用于水果斑點及損傷區(qū)域的快速識別已體現(xiàn)出其“圖譜合一”的*性,。水果損傷和水果表皮的斑點顏色雖然能用肉眼一一識別，但是在工業(yè)生產(chǎn)用,，僅靠人力去一一挑選無損傷,、無斑點的水果，既費時費力費財,。利用成像高光譜技術,，獲取不同水果的光譜反射率，查找出其損傷,、斑點的特征波段,，利用特征波段構建植被指數(shù)從而實現(xiàn)水果損傷、斑點區(qū)域的快速有效的識別,，并達到自動化挑選水果的目的,。本研究結果表明，運用高光譜成像技術,，運用zui小噪聲分離,、植被指數(shù)等方法等，均可有效地識別水果損傷與斑點區(qū)域,，但zui小噪聲分離方法較為復雜,，運算速度較慢，不適合在工業(yè)生產(chǎn)上進行應用,，而植被指數(shù)算法簡單,，僅利用2個波段進行四則運算即可實現(xiàn)水果損傷和斑點的快速識別。