一种基于光谱成像技术的粮食虫害程度判别方法技术

本发明专利技术为一种基于光谱成像技术的粮食虫害程度判别方法，主要是根据高光谱成像数据优选出特征波长，建立基于滤波片式的多光谱成像系统，通过提取样品特征波长下图像特征，建立样品虫害程度的判别模型。其特点在于基于特征波长的光谱成像系统采集的数据量少，模型简单稳定；可以实现对不同虫害程度的粮食样品进行判别，对粮食收储和加工过程具有重要意义。

【技术实现步骤摘要】

本专利技术专利涉及一种针对粮食虫害的无损检测方法，特指采用多光谱成像技术的稻谷加工过程中样品虫害程度的判别。
技术介绍
稻谷是是我国最主要的粮食品种之一，其主要用途一是加工脱壳后的大米直接做口粮，二是作加工用粮和饲料，如味精、米粉和酿酒等。稻谷加工是脱去稻谷谷壳(颖壳)和碾除皮层(糠层)的过程。稻谷储藏过程中易发生虫害，虫害会导致稻谷及加工后的大米质量损失，营养价值降低，而且害虫碎片、排泄物等会污染其他粮粒，危害粮食安全，并且大米生虫影响大米外观，使其商品价格降低。虫害粒在加工过程中清除不净，不仅影响安全生产，降低稻米质量，而且有害人体健康。加工过程中对虫害进行检测为稻谷加工目的提供参考，例如发生虫害后根据虫害程度，可以选择经过处理后加工成食用大米，味精，米粉，酿酒或动物饲料等。因此在稻谷加工过程中对样品虫害程度进行检测，提高稻谷食用价值和商品价值，是保证全国粮食供应，满足人们对优质粮食需求的重要方面。随着现代技术的飞速发展，ELISA、二氧化碳或者尿酸测定法、电导法、电子鼻、声测法、核磁共振成像、计算机断层扫描、机器视觉、热成像、近红外光谱等也应用于谷物虫害检测，然而多数方法无法检测到轻度的害虫侵害。X射线成像技术因为射线存在可能对人体造成伤害，且经济成本高,不能检测较小的幼虫和虫卵。光谱成像技术是一种集光谱和图像为一体的无损检测技术，已在食品、农产品品质检测方面有越来越多的应用。经检索，有关采用光谱成像技术在粮食虫害检测方面还没有相关专利。而已发表的论文期刊中，Singh等人采用近红外的高光谱成像系统(1000-1600nm)对小麦完好粒和虫蚀粒进行区分，以及采用短波近红外高光谱成像(700-1100nm)和机器视觉技术对小麦完好粒和虫蚀粒进行区分。该研究中采用的近红外区域的高光谱成像系统，而且只是对完好粒和虫蚀粒进行了区分，并没有对虫害程度的判别研究。害虫侵害粮粒后，粮粒的营养成分损失，外观形态也会发生变化，内在品质和外观特征的变化会导致其光谱图像发生变化，且虫害时间越长，粮食品质变化越大，因此可以通过检测粮食的光谱图像来检测其是否发生虫害及虫害的程度。本专利技术中多光谱成像技术是采用多个单波长下的样品图像，对粮粒内外品质进行可视化分析，与其他检测技术相比，多光谱成像技术兼顾样品内外特征信息，准确度高，而且数据量小，模型简单。本专利技术提供的基于多光谱成像技术的粮食虫害程度判别方法，可以实现对粮食虫害程度的判别，为粮食加工过程服务，为我国粮食收储过程中的智能化检测管理提供技术支持，对保证粮食品质和安全有重要的现实意义。
技术实现思路
基于上述现有技术的发展情况，本专利技术的目的就是要提供。根据样品的高光谱数据优选出特征波长，建立基于滤波片式的多光谱成像系统，采集特征波长下图像，提取图像的纹理特征作为样本变量。将提取的变量进行压缩和特征筛选后结合模式识别方法实现对样品虫害程度的判别。本专利技术通过以下方法实现。准备不同虫害程度的样品，首先利用可见近红外高光谱成像系统采集高光谱数据，采用多元图像分析的方法优选特征波长；根据特征波长的滤波片建立多光谱成像系统，采集特征波长下的样品图像，提取图像的纹理特征作为样本变量；通过线性判别分析方法对样本变量进行降维和数据压缩，特征变量经过fisher变换得到另一个空间坐标下的新变量，即主因子，建立样品分类模型对样品虫害程度进行判别，采用交互验证的方式对模型效果进行评估。并计算不同虫害程度的样本间的欧氏距离，分析样本随着虫害时间的加长，样品虫害程度的变化趋势。本专利技术所述的基于多光谱成像技术的粮食虫害程度判别方法，包括以下步骤:( I)特征波长的选择。准备不同虫害程度的样品，每个样本20g，采集其原始高光谱数据，经过黑白标定后，从中提取高光谱三维数据块，经过多元图像分析优选出特征波长，选择相应的滤波片，建立基于滤波片式的多光谱成像系统。(2)数据采集和特征信息提 取。通过建立的多光谱成像系统采集样品特征波长下的图像，提取图像纹理特征作为样本特征变量。( 3 )变量筛选和模型建立。结合样本虫害程度的信息，将提取得到的样本变量进行线性判别分析，去除冗余信息，减少特征变量数，根据线性判别分析后得到的主因子建立线性判别模型，并采用交互验证的方式评估模型效果。(4)样本距离分析。根据线性判别分析后样本的变量计算不同虫害程度样本间的欧氏距离，分析光谱成像特征变量对样本虫害程度变化趋势的解释能力。进一步地，特征波长的选择是采用多元图像分析的方法，具体方法为:提取样品高光谱图像每个点处的光谱曲线，排列成kXw的二维矩阵，本文档来自技高网...

【技术保护点】
一种基于光谱成像技术的粮食虫害程度判别方法，其特征在于，准备不同虫害程度的样品，首先利用可见近红外高光谱成像系统采集高光谱数据，采用多元图像分析的方法优选特征波长；根据特征波长的滤波片建立多光谱成像系统；采集特征波长下的样品图像，提取图像的纹理特征作为样本变量；通过线性判别分析方法对样本变量进行降维和数据压缩，特征变量经过fisher变换得到另一个空间坐标下的新变量，即主因子，建立样品分类模型对样品虫害程度进行判别，采用交互验证的方式对模型效果进行评估，并计算不同虫害程度的样本间的欧氏距离，分析样本随着虫害时间的加长，样品虫害程度的变化趋势。

【技术特征摘要】
1.一种基于光谱成像技术的粮食虫害程度判别方法，其特征在于，准备不同虫害程度的样品，首先利用可见近红外高光谱成像系统采集高光谱数据，采用多元图像分析的方法优选特征波长；根据特征波长的滤波片建立多光谱成像系统；采集特征波长下的样品图像，提取图像的纹理特征作为样本变量；通过线性判别分析方法对样本变量进行降维和数据压缩，特征变量经过fisher变换得到另一个空间坐标下的新变量，即主因子，建立样品分类模型对样品虫害程度进行判别，采用交互验证的方式对模型效果进行评估，并计算不同虫害程度的样本间的欧氏距离，分析样本随着虫害时间的加长，样品虫害程度的变化趋势。2.根据权利要求1所述的基于光谱成像技术的粮食虫害程度判别方法，其特征在于包括以下步骤: (1)特征波长的选择:准备不同虫害程度的样品，每个样本20g，采集其原始高光谱数据，经过黑白标定后，从中提取高光谱三...

【专利技术属性】
技术研发人员：陈全胜，张朝洁，曹阳，张杰文，徐义，欧阳琴，李欢欢，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32