基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法技术

本发明专利技术公开基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法，首先利用高光谱分选仪采集猕猴桃的高光谱图像并对其进行黑白校正，从中提取整个猕猴桃区域作为感兴趣区域；该感兴趣区域的平均光谱信息作为原始光谱信息，对其进行去除首尾两端噪声波段的光谱预处理；然后将预处理后的光谱信息采用核主成分分析法降维提取出特征光谱，并将特征光谱输入用粒子群算法优化参数后的已训练检测器即最小二乘支持向量机，从而可检测出猕猴桃的可溶性固形物含量。本发明专利技术可实现对猕猴桃可溶性固形物含量的有效检测，无损检测且精确高。

Nondestructive Detection of Soluble Solid Content in Kiwifruit Based on Hyperspectral Image

The invention discloses a nondestructive detection method for soluble solids content of kiwifruit based on Hyperspectral image. Firstly, the hyperspectral image of kiwifruit is collected by Hyperspectral sorter and corrected in black and white, from which the whole kiwifruit region is extracted as the region of interest; the average spectral information of the region of interest is used as the original spectral information, and the noise waves at both ends of the head and tail are removed. Secondly, the dimension reduction of the pre-processed spectral information is used to extract the characteristic spectrum, and the characteristic spectrum is input into the trained detector, namely least squares support vector machine (LSSVM), which optimizes the parameters by particle swarm optimization (PSO), so that the soluble solids content of kiwifruit can be detected. The invention can effectively detect the content of soluble solids in kiwifruit, has nondestructive detection and high accuracy.

【技术实现步骤摘要】
基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法
本专利技术涉及基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法，利用高光谱图像技术采集猕猴桃在高光谱下的光谱信息，分析处理光谱信息，将处理后的光谱信息用于检测猕猴桃可溶性固形物含量，属于机器视觉领域。
技术介绍
猕猴桃内含有丰富的维生素C、葡萄酸、果糖、柠檬酸、苹果酸等物质，被称为“水果之王”；可溶性固形物含量直接影响猕猴桃的口感，进而影响我国猕猴桃出口情况及被国内消费者的接受程度。我国猕猴桃在世界上占有的出口份额极低，品质不高、高档品种比例相对较低；目前猕猴桃可溶性固形物含量以理化试验有损检测为主，具有检测繁琐、费用高等特点，难以实现工业化检测。高光谱技术是基于多窄波段的影像数据技术，利用电磁波谱以图像形式研究各种物质光谱特性，因此适用于农产品的品质检测。
技术实现思路
本专利技术在于提供基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法，实现猕猴桃可溶性固形物含量的无损检测，操作简单、检测精确。本专利技术的技术方案是：首先利用高光谱分选仪采集猕猴桃的高光谱图像并对其进行黑白校正，从中提取整个猕猴桃区域作为感兴趣区域；该感兴趣区域的平均光谱信息作为原始光谱信息，对其进行去除首尾两端噪声波段的光谱预处理；然后将预处理后的光谱信息采用核主成分分析法降维提取出特征光谱，并将特征光谱输入用粒子群算法优化参数后的已训练检测器即最小二乘支持向量机，从而可检测出猕猴桃的可溶性固形物含量。本专利技术可实现对猕猴桃可溶性固形物含量的有效检测，无损检测且精确高。本专利技术公开基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法，其特征在于，该方法包含的具体步骤为：步骤101：通过高光谱分选仪采集猕猴桃的高光谱图像，对采集后的高光谱图像进行黑白校正，首先利用高光谱分选仪采集标准白色校正板得到全白的标定图像W，然后盖上镜头盖采集全黑的标定图像B；根据公式（1）计算出校正后的图像R：（1）式中，Io—采集的高光谱图像，R—校正后的高光谱图像；步骤102：提取黑白校正后的猕猴桃高光谱图像中的整个猕猴桃区域，作为感兴趣区域；步骤103：求取感兴趣区域的平均光谱信息，并将其作为原始光谱信息；步骤104：去除原始光谱信息中的首尾两端噪声波段；步骤105-1：求取去除首尾两端噪声波段后的原始光谱信息的平均光谱，并将该平均光谱作为标准光谱，根据公式（2）计算:（2）式中，为猕猴桃样本在各波长点处的光谱值，n为猕猴桃样本数，为猕猴桃样本在各波长点处求取的平均值；步骤105-2：将去除首尾两端噪声波段的原始光谱信息与标准光谱进行一元线性回归运算，根据公式（3）求取出线性平移量和倾斜偏移量:（3）式中,为猕猴桃各样本的光谱值，为猕猴桃各样本的平均光谱值，、为求取的线性平移量和倾斜偏移量；步骤105-3：将去除首尾两端噪声波段的原始光谱信息减去线性平移量并除以倾斜偏移量，以校正去除首尾两端噪声波段后的原始光谱信息的相对基线倾斜，从而获得包含有更多与所检测成分含量相关的光谱信息，该光谱信息即为预处理后的光谱信息，依照公式（4）计算：（4）式中，为预处理后的光谱信息；步骤106：采用核主成分分析法对预处理后的光谱信息降维提取出特征光谱，首先将预处理后的光谱信息进行归一化处理，然后采用径向基核函数求其核矩阵，根据公式（5）计算：（5）式中，是核矩阵，为核函数中心，为径向基核函数中的核参数；然后对核矩阵中心化处理得到中心化核矩阵，求取该中心化核矩阵的特征值λ1…λn并降序排列以及其对应的特征向量u1…un；设置降维后的特性光谱的维数，对特征向量u1…un进行正交化后提取其主成分，即为提取出的低维特征光谱，其目的是消除光谱信息的冗余性；步骤107：将提取的低维特征光谱作为输入、以理化试验检测的猕猴桃可溶性固形物含量作为输出形成训练样本对，对检测器即最小二乘支持向量机进行训练；在训练过程中，利用均方根误差及相关系数来选取低维特征光谱的维数，当均方根误差越小且相关系数越接近1时，此时对应的即为特征光谱的最佳维数；相关系数及均方根误差根据公式（6）、（7）计算：（6）（7）式中，为猕猴桃样本相关系数，RMSEC为猕猴桃样本均方根误差，为猕猴桃样本可溶性固形物含量平均值，为第个样本的可溶性固形物含量检测值，是猕猴桃样本数；其中，被训练的检测器即最小二乘支持向量机的γ、参数采用粒子群算法优化选取；γ为最小二乘支持向量机的正则化参数，为径向基核函数中的核参数,最小二乘支持向量机的模型为：（8）式中，是最小二乘支持向量机模型输出值，是核矩阵，是输入变量，为拉格朗日乘子，b为模型偏差；步骤108-1：采用粒子群算法优化最小二乘支持向量机中的γ、参数时，初始化粒子群个数、初始化学习因子、初始权重、终止权重、迭代次数以及γ、的参数寻优范围；步骤108-2：对每一个粒子初始化其随机速度信息和位置信息；步骤108-3：定义每个粒子的位置和速度、每个粒子的最佳位置和最优适应度以及所有粒子的最佳位置和全局最优适应度；步骤108-4：随着迭代次数的增加，γ、的变化导致每个粒子的适应度变化，评价每个粒子的适应度并更新当前粒子的最好位置以及全局的最佳位置，以获得合适的γ、值；步骤109：待测猕猴桃通过上述步骤获得对应的低维特征光谱，并将该低维特征光谱输入训练后的最小二乘支持向量机，即可获得待测猕猴桃的可溶性固形物含量。所述高光谱分选仪包括均匀光源、光谱相机、电控移动平台及计算机；其中，所述均匀光源采用4个LSTS-200溴钨灯并呈梯形结构排列，安装于所述电控移动平台的两侧保证光源在被拍摄直线上的均匀性；所述光谱相机固定在可上下滑动的升降平台上，包括成像光谱仪和电荷耦合器件，其安装方向垂直于所述电控移动平台，其光谱分辨率设置为2.8nm，即光谱范围为[400nm,1000nm]；所述电控移动平台用于放置待测猕猴桃样品，其可承载的最大样品空间尺寸为300mm×300mm×200mm；所述计算机用于控制整个系统工作，通信模式使用RS232标准串口线和RS485-USB信号线共同完成。本专利技术与现有技术相比具有以下特点：（1）本专利技术算法新颖，操作简单，检测结果准确；（2）对猕猴桃进行无损检测，不破坏猕猴桃结构；（3）推广性强，具有广阔的市场应用前景。附图说明为了更清晰的说明本专利技术的具体步骤，下面结合附图作进一步的说明。图1是本专利技术的检测流程图。图2是本专利技术的高光谱预处理效果图。图3是本专利技术选用的高光谱分选仪图。图4是本专利技术的检测结果与理化检测结果（即代表真实值）对照表。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术结合附图和实施例程进行详细说明。本专利技术公开基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法，首先利用高光谱分选仪采集猕猴桃的高光谱图像并对其进行黑白校正，从中提取整个猕猴桃区域作为感兴趣区域；该感兴趣区域的平均光谱信息作为原始光谱信息，对其进行去除首尾两端噪声波段的光谱预处理；然后将预处理后的光谱信息采用核主成分分本文档来自技高网...

【技术保护点】
1.基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法，其特征在于，首先利用高光谱分选仪采集猕猴桃的高光谱图像并对其进行黑白校正，从中提取整个猕猴桃区域作为感兴趣区域；该感兴趣区域的平均光谱信息作为原始光谱信息，对其进行去除首尾两端噪声波段的光谱预处理；然后将预处理后的光谱信息采用核主成分分析法降维提取出特征光谱，并将特征光谱输入用粒子群算法优化参数后的已训练检测器即最小二乘支持向量机，从而可检测出猕猴桃的可溶性固形物含量。

【技术特征摘要】
1.基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法，其特征在于，首先利用高光谱分选仪采集猕猴桃的高光谱图像并对其进行黑白校正，从中提取整个猕猴桃区域作为感兴趣区域；该感兴趣区域的平均光谱信息作为原始光谱信息，对其进行去除首尾两端噪声波段的光谱预处理；然后将预处理后的光谱信息采用核主成分分析法降维提取出特征光谱，并将特征光谱输入用粒子群算法优化参数后的已训练检测器即最小二乘支持向量机，从而可检测出猕猴桃的可溶性固形物含量。2.根据权利要求1所述的基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法，其特征在于，具体步骤为：步骤101：通过高光谱分选仪采集猕猴桃的高光谱图像，对采集后的高光谱图像进行黑白校正，首先利用高光谱分选仪采集标准白色校正板得到全白的标定图像W，然后盖上镜头盖采集全黑的标定图像B；根据公式（1）计算出校正后的图像R：（1）式中，Io—采集的高光谱图像，R—校正后的高光谱图像；步骤102：提取黑白校正后的猕猴桃高光谱图像中的整个猕猴桃区域，作为感兴趣区域；步骤103：求取感兴趣区域的平均光谱信息，并将其作为原始光谱信息；步骤104：去除原始光谱信息中的首尾两端噪声波段；步骤105-1：求取去除首尾两端噪声波段后的原始光谱信息的平均光谱，并将该平均光谱作为标准光谱，根据公式（2）计算:（2）式中，为猕猴桃样本在各波长点处的光谱值，n为猕猴桃样本数，为猕猴桃样本在各波长点处求取的平均值；步骤105-2：将去除首尾两端噪声波段的原始光谱信息与标准光谱进行一元线性回归运算，根据公式（3）求取出线性平移量和倾斜偏移量:（3）式中,为猕猴桃各样本的光谱值，为猕猴桃各样本的平均光谱值，、为求取的线性平移量和倾斜偏移量；步骤105-3：将去除首尾两端噪声波段的原始光谱信息减去线性平移量并除以倾斜偏移量，以校正去除首尾两端噪声波段后的原始光谱信息的相对基线倾斜，从而获得包含有更多与所检测成分含量相关的光谱信息，该光谱信息即为预处理后的光谱信息，依照公式（4）计算：（4）式中，为预处理后的光谱信息；步骤106：采用核主成分分析法对预处理后的光谱信息降维提取出特征光谱，首先将预处理后的光谱信息进行归一化处理，然后采用径向基核函数求其核矩阵，根据公式（5）计算：（5）式中，是核矩阵，为核函数中心，为径向基核函数中的核参数；然后对核矩阵中心化处理得到中心化核矩阵，求取该中心化核矩阵的特征...

【专利技术属性】
技术研发人员：许丽佳，郑丽娜，陈昕远，康志亮，黄鹏，贾纪晨，李文鑫，张萌志，
申请(专利权)人：四川农业大学，
类型：发明
国别省市：四川,51