一种基于高光谱图像的核桃仁品质检测方法技术

一种基于高光谱图像的核桃仁品质检测方法，通过采集核桃仁的高光谱图像，针对核桃仁脂肪含量和蛋白质含量的特征光谱筛选，建立核桃仁脂肪含量和蛋白质含量的预测模型；采用特征光谱与图像信息相结合的方法，实现了基于完整度和表皮色泽的核桃仁外观品质分类。本发明专利技术解决了当前核桃仁分级生产中人工挑选生产成本高，分级随意性大，难以对内部品质进行分辨，化学检测对样品具有破环性，检测时间也较长的技术难题，为核桃仁品质的快速无损识别提供一种可行的方法。

【技术实现步骤摘要】
一种基于高光谱图像的核桃仁品质检测方法
本专利技术涉及一种基于高光谱成像技术对核桃仁品质进行无损检测的方法，属于农产品无损检测、监测
技术背景核桃仁是一种营养丰富的天然食品，富含蛋白质、不饱和脂肪酸和多种微量元素，具有乌发健脑，补虚强体的保健作用，有“万岁子”、“长寿果”、“养生之宝”的美誉。中国是世界核桃第一生产大国，核桃种植面积和产量均居世界首位。核桃仁品质检测与分级是核桃生产加工中的重要环节。按照国家相关标准的规定，核桃仁外观品质指标包括完整度和表皮色泽，内部品质化学指标为脂肪含量和蛋白质含量。实际生产中核桃仁分级主要依靠外形和色泽进行人工挑选，生产成本高，分级随意性大，难以对内部品质进行分辨。传统的化学检测对样品具有破环性，检测时间也较长，难以适应现代化生产要求。目前，核桃仁加工过程中，主要依靠人工或机械方式根据大小、色泽、完整程度等指标对其进行分级处理，难以对核桃仁的品种进行分辨。因此开发一种快速、无损的核桃仁蛋白质含量检测方法是核桃加工产业的迫切需要。高光谱成像同时包含了图像和光谱两种技术方法，其在农产品品质检测方面的研究日益广泛。但基于高光谱成像的核桃仁内外部品质检测尚未开展深入的研究。
技术实现思路
本专利技术的目的在于针对当前核桃仁分级生产中人工挑选生产成本高，分级随意性大，难以对内部品质进行分辨，化学检测对样品具有破环性，检测时间也较长的技术难题，专利技术一种基于高光谱成像技术针对核桃仁品质进行无损检测的方法。本专利技术通过采集核桃仁的高光谱图像，开展针对核桃仁脂肪含量和蛋白质含量的特征光谱筛选，建立核桃仁脂肪含量和蛋白质含量的预测模型；采用特征光谱与图像信息相结合的方法，实现了基于完整度和表皮色泽的核桃仁外观品质分类，为核桃仁品质的快速无损识别提供一种可行的方法。本专利技术的目的是这样实现的：一种基于高光谱图像的核桃仁品质检测方法，其特征在于：检测步骤如下：(1)准备核桃仁样品：选择含水率在7％以下的核桃仁，置于室温条件下干燥环境中备用；(2)通过高光谱图像采集设备，分别在862.9-1704.02nm和382.19-1026.66nm光谱范围内采集核桃仁样品高光谱图像；(3)对核桃仁样品进行编号，使用色差仪采集每个核桃仁样品的色差值并计算总色差，记录每个核桃仁样品的完整度等级，然后按照食品安全国家标准GB5009.5-2016和GB5009.6-2016中的要求，测量每个样品的蛋白质和脂肪含量；(4)分别提取两个波段范围高光谱图像中每个核桃仁样品光谱平均值作为样品光谱信息，采用多元散射校正(MSE)和标准正态化(SVN)的组合方法对原始光谱信息进行预处理；(5)在862.9-1704.02nm光谱范围内针对核桃仁样品的蛋白质含量、脂肪含量参数分别进行特征波段筛选，382.19-1026.66nm光谱范围内针对核桃仁样品的总色差进行特征波段筛选；(6)提取与样品总色差相关特征波段的灰度图像，计算其平均灰度得到平均灰度图像，统计平均灰度图像的灰度分布统计量，包括均值、标准差、平滑度、一致性、熵、三阶矩，和灰度共生矩阵统计量，包括对比度、相关性、能量、熵，用于进一步进行核桃仁色泽鉴别；(7)提取特征波段平均灰度图像中的核桃仁的图像外形特征参数，包括高、宽、高宽比、面积、外接矩形面积、矩形度、外接圆半径、外接圆面积、圆形度，对图像外形特征参数进行了相关性分析，保留相关性较小的外观特征参数，用于进行核桃仁完整度分类；(8)采用提取出与的蛋白质和脂肪含量分别相关的特征波段，采用偏最小二乘回归(PLSR)算法分别建立核桃仁蛋白质和脂肪含量预测模型；(9)以提取出的与样品总色差相关的特征波段光谱信息、平均灰度图像统计特征参数和外形特征参数为输入，以样品外观等级标号为输出，建立核桃仁外观品质分类模型。本专利技术的目的还可以这样实现：核桃仁样品光谱信息的特征波段筛选，采用竞争性自适应重加权算法(CARS)与相关系数法相结合的方式，首先通过CARS算法针对核桃仁品质参数进行特征波段的初步筛选，然后进一步对筛选出的特征波段采用相关系数法进行优选，剔除相关系数大于0.9的波段，已保留的波段作为核桃仁品质参数的特征波段。核桃仁蛋白质和脂肪含量预测模型的建立：采用随机抽样法建立训练集和验证集，提取出与的蛋白质和脂肪含量分别相关的特征波段，分别建立偏最小二乘回归(PLSR)模型，采用决定系数R2和均方误差MSE对模型进行评估。核桃仁外观品质分类模型的建立：以提取出的与样品总色差相关的特征波段光谱信息、图像统计特征参数和图像外形特征参数为输入，以样品完整度等级和色泽等级为输出，采用决策树算法分别建立核桃仁完整度等级和色泽等级分类模型，然后按照国家林业标准《LYT1922-2010核桃仁》中的规定建立核桃仁外观品质与完整度和色泽的对应关系，将核桃仁外观品质分为7个等级。有益效果：本专利技术采集核桃仁的高光谱图像，建立了核桃仁蛋白质和脂肪含量预测模型，采用光谱与图像信息相结合的方法实现了基于完整度和色泽的核桃仁外观品质分级，为核桃仁品质的快速无损识别提供了一种可行的方法。本专利技术与人工挑选相比，具有较高的分类准确率，同时可以实现核桃仁内部品质的检测；化学方法相比，具有检测速度快，对检测样品无损伤，无化学试剂残留的特点。本专利技术可以用于快速无损的核桃仁在线检测分类设备或便携式检测分类仪器的开发，也可以为其他相似农产品的快速无损分类提供有益的借鉴。附图说明图1：样品外观等级图图2：高光谱图像采集设备图3：样品光谱曲线(862.9-1704.02nm)图4：样品测量值马氏距离分布图图5：PLSR模型预测结果图6：样品光谱曲线(382.19-1026.66nm)。具体实施方式一种基于高光谱图像的核桃仁品质检测方法，具体检测步骤如下：1.采集核桃仁样品的高光谱图像，光谱信息采集步骤为：1)准备核桃仁样品，核桃仁含水率在7％以下，置于室温条件下干燥环境中备用。2)启动高光谱图像采集设备，进行预热后进行镜头调焦并调试平台移动速度以避免图像失真。3)分别在862.9-1704.02nm和382.19-1026.66nm光谱范围内采集核桃仁样品高光谱图像。采集样本高光谱信息前，利用标准白板和镜头盖采集白背景信息(Iw)和黑背景信息(Ib)，然后按照公式(1)对采集的样本原始高光谱图像(I0)进行黑白校正，得到校正后的图像信息(I)。2.对核桃仁样品进行编号，使用色差仪采集每个核桃仁样品的色差值并计算总色差，记录每个核桃仁样品的完整度等级，然后按照食品安全国家标准GB5009.5-2016和GB5009.6-2016中的要求，测量每个样品的蛋白质和脂肪含量。3.处理高光谱图像数据，数据处理步骤如下：1)分别提取两个波段范围高光谱图像中每个核桃仁样品光谱平均值作为样品光谱信息，采用多元散射校正(MSE)和标准正态化(本文档来自技高网...

【技术保护点】
1.一种基于高光谱图像的核桃仁品质检测方法，其特征在于：检测步骤如下：/n(1)准备核桃仁样品：选择含水率在7％以下的核桃仁，置于室温条件下干燥环境中备用；/n(2)通过高光谱图像采集设备，分别在862.9-1704.02nm和382.19-1026.66nm光谱范围内采集核桃仁样品高光谱图像；/n(3)对核桃仁样品进行编号，使用色差仪采集每个核桃仁样品的色差值并计算总色差，记录每个核桃仁样品的完整度等级，然后按照食品安全国家标准GB5009.5-2016和GB5009.6-2016中的要求，测量每个样品的蛋白质和脂肪含量；/n(4)分别提取两个波段范围高光谱图像中每个核桃仁样品光谱平均值作为样品光谱信息，采用多元散射校正(MSE)和标准正态化(SVN)的组合方法对原始光谱信息进行预处理；/n(5)在862.9-1704.02nm光谱范围内针对核桃仁样品的蛋白质含量、脂肪含量参数分别进行特征波段筛选，382.19-1026.66nm光谱范围内针对核桃仁样品的总色差进行特征波段筛选；/n(6)提取与样品总色差相关特征波段的灰度图像，计算其平均灰度得到平均灰度图像，统计平均灰度图像的灰度分布统计量，包括均值、标准差、平滑度、一致性、熵、三阶矩，和灰度共生矩阵统计量，包括对比度、相关性、能量、熵，用于进一步进行核桃仁色泽鉴别；/n(7)提取特征波段平均灰度图像中的核桃仁的图像外形特征参数，包括高、宽、高宽比、面积、外接矩形面积、矩形度、外接圆半径、外接圆面积、圆形度，对图像外形特征参数进行了相关性分析，保留相关性较小的外观特征参数，用于进行核桃仁完整度分类；/n(8)采用提取出与的蛋白质和脂肪含量分别相关的特征波段，采用偏最小二乘回归(PLSR)算法分别建立核桃仁蛋白质和脂肪含量预测模型；/n(9)以提取出的与样品总色差相关的特征波段光谱信息、平均灰度图像统计特征参数和外形特征参数为输入，以样品外观等级标号为输出，建立核桃仁外观品质分类模型。/n...

【技术特征摘要】
1.一种基于高光谱图像的核桃仁品质检测方法，其特征在于：检测步骤如下：
(1)准备核桃仁样品：选择含水率在7％以下的核桃仁，置于室温条件下干燥环境中备用；
(2)通过高光谱图像采集设备，分别在862.9-1704.02nm和382.19-1026.66nm光谱范围内采集核桃仁样品高光谱图像；
(3)对核桃仁样品进行编号，使用色差仪采集每个核桃仁样品的色差值并计算总色差，记录每个核桃仁样品的完整度等级，然后按照食品安全国家标准GB5009.5-2016和GB5009.6-2016中的要求，测量每个样品的蛋白质和脂肪含量；
(4)分别提取两个波段范围高光谱图像中每个核桃仁样品光谱平均值作为样品光谱信息，采用多元散射校正(MSE)和标准正态化(SVN)的组合方法对原始光谱信息进行预处理；
(5)在862.9-1704.02nm光谱范围内针对核桃仁样品的蛋白质含量、脂肪含量参数分别进行特征波段筛选，382.19-1026.66nm光谱范围内针对核桃仁样品的总色差进行特征波段筛选；
(6)提取与样品总色差相关特征波段的灰度图像，计算其平均灰度得到平均灰度图像，统计平均灰度图像的灰度分布统计量，包括均值、标准差、平滑度、一致性、熵、三阶矩，和灰度共生矩阵统计量，包括对比度、相关性、能量、熵，用于进一步进行核桃仁色泽鉴别；
(7)提取特征波段平均灰度图像中的核桃仁的图像外形特征参数，包括高、宽、高宽比、面积、外接矩形面积、矩形度、外接圆半径、外接圆面积、圆形度，对图像外形特征参数进行了相关性分析，保留相关性较小的外观特征参数，用于进行核桃仁完整度分类；
(...

【专利技术属性】
技术研发人员：马文强，杨莉玲，李源，罗文杰，徐斌，刘奎，朱占江，沈晓贺，刘佳，买合木江·巴吐尔，崔宽波，田翔，祝兆帅，毛吾兰，
申请(专利权)人：新疆农业科学院农业机械化研究所，
类型：发明
国别省市：新疆;65