2017/07/31 15:24
阅读:136
分享:方案摘要:
产品配置单:
GaiaSorter “盖亚”高光谱分选仪
型号: GaiaSorter
产地: 北京
品牌: 卓立汉光
¥30万
参考报价
联系电话
方案详情:
基于成像光谱技术对苹果斑点及损伤快速识别研究
四川双利合谱科技有限公司-黄宇
一、 引言
高光谱图像技术结合了光谱分析和图像处理的技术优势,国内外许多学者对研究对象的内外部品质特征进行检测分析,如赵杰文等利用高光谱图像技术检测水果轻微损伤,准确率为88.57 %;Jasper G. Tallada等分别应用高光谱图像技术对不同成熟度的草莓表面损伤、苹果的表面缺陷及芒果的成熟度检测进行了试验研究。王玉田等运用荧光光谱检测出水果表面残留的农药;胡淑芬等运用激光技术对水果表面农药残留进行了试验研究;薛龙等针对水果表面农药残留,以滴有较高浓度的脐橙为研究对象,利用光谱范围425-725 nm的高光谱图像系统进行检测,发现对较高浓度的农药残留检测效果较好。本文采用高光谱图像技术检测苹果的黑白斑区域及损伤区域,以实现苹果黑白斑、损伤区域快速识别的目的。
二、 试验材料与方法
2.1 实验材料
本研究以苹果为研究对象,分析苹果的黑白斑区域与损伤区域。其中苹果的黑白斑、损伤是非人为故意形成。
2.2 实验设备
高光谱成像数据采集采用卓立汉光关联公司之四川双利合谱科技有限公司的 GaiaSorter高光谱分选仪系统。该系统主要由高光谱成像仪(V10E)、CCD 相机、光源、暗箱、计算机组成,结构图与实景图如图1。实验仪器参数设置如表1。
表1 GaiaSorter 高光谱分选仪系统参数
序号 | 项目 | 参数 |
1 | 光谱扫描范围/nm | 400~1000 |
2 | 光谱分辨率/nm | 2.8 |
3 | 采集间隔/nm | 1.9 |
4 | 光谱通道数 | 520 |
图 1 GaiaSorter 高光谱分选仪结构图与实景图
2.3 图像处理分析
采用SpecView和ENVI/IDL对高光谱数据的预处理及分析,预处理中的镜像变换、黑白帧校准在SpecView中进行;其他数据的分析在ENVI/IDL中进行。
三、结果与讨论
3.1 苹果黑斑区域、损伤区域、正常区域和背景的光谱分析
取苹果黑斑区域、损伤区域、正常区域和背景各3个不同位置周边50个像元,分别获取这3个不同位置50个像元的光谱反射率,并求取这50个像元的反射率均值,如图2所示,其中,苹果没有损伤区域的光谱反射率在500-680 nm范围内高于损伤区域及黑斑区域的光谱反射率;在550-700nm范围内,苹果黑斑区域的光谱反射率较低;在580-700 nm范围内,苹果黑斑区域、损伤区域、正常区域的光谱存在较为显著的波峰波谷,而背景无显著特征。在550-680 nm范围内,损伤区域的光谱反射率鉴于苹果黑斑区域和正常区域之间,因此可以尝试通过构建植被指数和阈值分割方法快速识别出苹果黑斑区域和损伤区域。
图2 苹果黑斑区域、损伤区域、正常区域和背景的光谱反射率
3.3 苹果的最小噪声分离变换
对经过镜像变换、黑白帧校准的苹果、橙子高光谱图像进行MNF变换(如图4,从左到右) ,分别得到以有效信息为主的波段和以噪声为主的波段,并且按照信噪比从大到小的顺序排列。原始数据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声为主。特征值接近于0的多数是噪声,最好选择特征值高的波段。从图4可知,当特征值数到7时,特征值趋向于0且无显著变化。
图 4 苹果腐烂区域与农业残留区域提取流程图
3.4 最小噪声分离变换
由于高光谱遥感数据波段多,波段间存在很大相关性,为了克服维数灾难,利用最小噪声分离变换进行波段选择,达到优化数据,去除噪声和数据降维的目的。
最小噪声分离变换( MNF)是对主成分变换( PCA) 的一种改进方法。PCA 是一种线性变换,变换后各主成分分量彼此之间互不相关,随着主成分的增加该分量包含的信息量减小,第一主成分包含的信息量最大,第二主成分与第一主成分无关且在剩余成分中包含的信息量最大,依此类推。但PCA对噪声比较敏感,在变换后的主成分分量中,信息量大的信噪比不一定高,当某个信息量大的主成分中包含的噪声的方差大于信号的方差时,该主成分分量形成的图像质量就差。针对 PCA 变换的不足,Green 和 Berman 提出最小噪声分离变换( MNF),它
不但能判定图像数据内在的维数( 波段数) ,分离数据中的噪声,而且能减少随后处理中的计算需求量。MNF 变换是基于图像质量的线性变换,变换结果的成分按照信噪比从大到小排列。经过MNF变换大部分噪声集中在特征小的分量中。而不像 PCA变换按照方差由大到小排列,从而克服了噪声对影像质量的影响。
3.4.1 基于MNF的苹果的黑斑、损伤区域识别
图5列举了苹果原图(高光谱RGB彩色合成)、MNF变换前7个特征值灰度图。从MNF变换的特征值灰度图来看,第1特征值灰度图能较好地区分背景和苹果,然而,苹果的部分黑斑也会识别为背景;第2特征值灰度图能较好地识别出苹果的黑斑;第3特征值灰度图虽能识别出苹果的黑斑,但是苹果的其他区域有一部分也会被识别为黑斑;第4特征值灰度图较亮的部分为苹果的黑斑和苹果损伤区域,识别效果较好;第5、6、7特征值的灰度图则无法正确识别出黑斑、损伤区域。
图5 苹果RGB原图及前7个MNF特征值灰度图
3.5 基于植被指数、阈值分割的苹果斑点、损伤区域快速识别
根据图2苹果黑斑区域、损伤区域、正常区域和背景的光谱反射率变化规律,构建植被指数NDVI(723.6, 673.6)去除背景并掩膜,最后利用灰度密度分割,用红色代表苹果斑点、损伤区域,绿色代表损伤附近区域,如图8所示。从图中可知,利用植被指数、阈值分割的方法能快速、较为准确地识别出苹果的斑点、损伤区域。
图6基于植被指数、阈值分割的苹果斑点、损伤区域快速识别
四 讨论
高光谱成像技术应用于水果斑点及损伤区域的快速识别已体现出其“图谱合一”的优越性。水果损伤和水果表皮的斑点颜色虽然能用肉眼一一识别,但是在工业生产用,仅靠人力去一一挑选无损伤、无斑点的水果,既费时费力费财。利用成像高光谱技术,获取不同水果的光谱反射率,查找出其损伤、斑点的特征波段,利用特征波段构建植被指数从而实现水果损伤、斑点区域的快速有效的识别,并达到自动化挑选优质水果的目的。本研究结果表明,运用高光谱成像技术,运用最小噪声分离、植被指数等方法等,均可有效地识别水果损伤与斑点区域,但最小噪声分离方法较为复杂,运算速度较慢,不适合在工业生产上进行应用,而植被指数算法简单,仅利用2个波段进行四则运算即可实现水果损伤和斑点的快速识别。
下载本篇解决方案:
更多
隔振光学平台实现精密光学的稳定基础
在当今的科技领域,光学平台扮演着至关重要的角色。它们在各种科学研究与应用中,如物理、化学、生物医学以及人工智能等,都发挥着举足轻重的作用。本文将简单带您了解光学平台的魅力以及其在实际应用中的作用。
材料
2023/12/21
多轴滑台在激光雷达领域的应用案例分享
滑台是光学机械产品,是一种一种精密的机械运动平台,具有高精度、高稳定性、高灵活性等优点,为激光雷达提供了强大的支持。在激光雷达系统中,滑台负责精确控制光学系统的位置和角度,确保激光束的准直和聚焦。同时,滑台可以用于激光雷达相关产品性能测试,如振动、高低温测试等,为整个系统的性能提供保障。卓立汉光可以提供不同种类的高性能滑台,品类丰富,功能齐全,满足激光雷达领域的相关功能需求:
材料
2023/12/21
量子点杂化空穴导体助力高效碳基太阳能电池
碳基钙钛矿太阳电池(C-PSC)具有高稳定性的优良潜质,成为下一代太阳电池的有力竞争者。然而,由于空穴传输层(HTL)的缺失,碳电极与钙钛矿材料界面的能级失配率高,降低了界面空穴提取效率,导致C-PSC的效率低于金属基钙钛矿太阳电池。
材料
2023/09/20
Au@COF传感器拉曼增强光谱与暗场散射性能研究及其细胞内过氧化氢检测
南京师范大学王琛教授课题组在Au纳米粒子上覆盖二维共价有机框架(COFs)构建尺寸可控、富集力强、稳定性高和生物相容性更好的核壳结构(Au@COF)生物传感器。并用拉曼光谱/暗场散射成像双模技术实时监测活细胞中过氧化氢代谢物水平。实验结果证明,该生物纳米传感器简单、高效,可实现过氧化氢和细胞代谢产物的在线检测。本研究为开发基于COF的SERS生物传感平台提供了实验思路,为细胞代谢产物相关疾病早期诊断提供一种有效方法。
医疗/卫生
2023/08/16