一种基于高光谱图像对白萝卜黑心检测的方法

摘要

本发明涉及一种基于高光谱图像对白萝卜黑心检测的方法，属于农产品贮藏与加工行业的无损检测技术。通过高光谱成像仪，获取白萝卜贮藏过程中的透射高光谱图像，分析正常白萝卜和黑心白萝卜的光谱响应的差异，提取400-1000nm波长范围的光谱值作为神经网络的输入值，判断出白萝卜是否黑心。本方法可以实现对白萝卜黑心的准确识别，代替人工破坏性检测，有效避免不合格产品流向市场，提高白萝卜食用、加工利用率，促进萝卜深加工业发展，为高光谱技术应用于农产品领域提供借鉴。

主权项

一种基于高光谱图像对白萝卜黑心检测的方法，包括高光谱透射图像采集系统、特征参数提取、检测模型构建、黑心与否判定、其中，1)高光谱透射头像采集系统由摄像机、光谱仪和焦距可变透镜组成的高光谱成像单元、样品支架、电动平台、线光源、光箱、电脑和图像采集软件构成，整个装置放置在密闭黑箱中，其中，摄像机为Imperx，ICL‑B1620，波段范围为400～1000nm，光谱分辨率为2.8nm、光谱仪为SpecimV10E；光箱为150W的卤素钨灯，由1个线性光纤导管完成传输；电脑型号为CPU E5800，3.2GHz，内存2G，显卡256M GeForce GT240；图像采集软件为自主开发的Spectral Image软件；光源为透射模式，其中，透镜离白萝卜样本距离为20cm，样本紧贴线光源放置，光源强度为90w，采集曝光时间70ms，采集速度2.5mm/s，图像分辨率804×440：2)特征参数提取①取无机械损伤的白萝卜样本，表面干净无杂物，放置于高光谱图像检测系统中，获取高光谱图像；$Rc=\frac{R_0-D}{W-D}$②利用上述公式对获得的图像进行校正，获得校正后的高光谱图像；其中，Rc为校正后的高光谱透射图像，R₀为原始高光谱透射图像，w为将反射率为99.99％的标准白色校正板，放置在光源正上方，扫描透射白板得到全白的标定图像，D为将镜头盖上镜头盖，采集全黑的标定图像；③选择图像中白萝卜区域正中间部位25000个pixels的感兴趣区域，提取该区域所有像素点在400‑1000nm波段范围内的光谱均值，共有420个波段，利用不同波长组合构建偏最小二乘预测模型，采用连续投影算法选择特征波长，当模型交叉验证均方根误差为0.22419时，选定580nm、673nm、747nm、805nm和877nm共5个特征波长，构成检测模型的特征变量集v，即v_580nm、v_673nm、v_747nm、v_805nm、v_877nm：3)构建检测模型根据选定的5个特征波长，构建基于神经网络、偏最小二乘判别分析、支持向量机、Fisher线性模型的白萝卜黑心检测模型，萝卜黑心样本设为1，正常罗卜样本设置为0：其中，构建的神经网络模型为：将特征变量集v做为输入值，白萝卜是否黑心做为输出值，神经网络模型参数为输入层为5，隐藏层数为1，隐藏层节点数为3，隐藏层激活函数为双曲正切，输出层个数为2，即合格样本与黑心样本，输出层激活函数为Softmax，最后给出每个样本检测结果M1；其中，构建的支持向量机模型为：将特征变量集v做为输入值，白萝卜是否黑心做为输出值，核函数为径向基函数，核函数参数gamma值均为1×10^‑7，惩罚系数cost值为100，最后给出每个样本检测结果M2；其中，构建的偏最小二乘模型为：将特征变量集v做为输入值，白萝卜是否黑心做为输出值，潜变量个数为1，最后给出每个样本检测结果M3；其中，构建的线性判别模型为：将特征变量集v做为输入值，白萝卜是否黑心做为输出值，白萝卜黑心判断结果式中，v代表各个波长的响应值，Y₁＝0.002v_580nm+0.008v_673nm‑0.183v_747nm+0.198v_805nm‑0.085v_877nm‑0.9669；Y₀＝0.024v_580nm+0.000v_673nm‑0.257v_747nm+0.360v_805nm‑0.549v_877nm‑25.952，最后给出每个样本检测结果M4；4)白萝卜黑心与否判定根据以上四种模型的判别结果，即M1、M2、M3、M4，给出白萝卜样本是否黑心的最终结果，判定原则为：如果MI、M2、M3和M4值中，有任意2个以上的值为1，则该萝卜样本为黑心样本；如果M1、M2、M3和M4值中，有任意2个以上的值为0，则该萝卜样本为正常样本；如果M1、M2、M3和M4值中，有2个值同时为0或者1，则根据M4的值判定萝卜样本黑心与否。