一种基于高光谱的种植物成熟度检测系统及方法技术方案

本发明专利技术公开了一种基于高光谱的种植物成熟度检测系统，包括高光谱图像数据采集模块、数据预处理模块及光谱分析模块；高光谱图像数据采集模块包括设有阵列滤光片的快照式高光谱成像仪；高光谱成像仪用于采集种植物的高光谱图像数据；数据预处理模块用于对采集的种植物的高光谱图像数据进行预处理；光谱分析模块用于对预处理后的种植物的高光谱图像数据进行分析处理，其内设有卷积神经网络模型，卷积神经网络模型输入种植物的高光谱图像数据，输出种植物的成熟度数据。本发明专利技术还公开了一种基于高光谱的种植物成熟度检测方法。本发明专利技术能够对种植物成熟度进行大范围、快速实时的无损检测，可实现对农产品的自动化采摘作业。

【技术实现步骤摘要】
一种基于高光谱的种植物成熟度检测系统及方法
本专利技术涉及一种种植物成熟度检测系统及方法，特别涉及一种基于高光谱的种植物成熟度检测系统及方法。
技术介绍
目前，农产品成熟度对产品的种植、采摘、存储、销售都有着重要的影响。种植户通过判断种植物成熟度可以针对性的选择灌溉施肥，更精确的使用资源，保证了资源使用的合理性。并且根据成熟度采摘合适的农产品，避免采摘过成熟或不够成熟的果实造成损失。因此，准确识别出成熟的种植物是种植物采摘首要任务，也是成功实现自动化采摘作业的关键。人们根据不同的研究手段，探索出许多形式种植物成熟度检测方法，主要包括人工判断法、振动频率响应法、声学特性法、核磁共振法、近红外光谱检测法等。其中人工判断法、振动频率响应法、声学特性法等方法检测精度低且无法用于大规模工业检测。核磁共振检测设备体积大、造价高，一般种植户难以承担这项费用。红外光谱检测设备的特点为适用范围广，检测速度快，检测结果准确等，但容易受到外界温度等因素的影响。
技术实现思路
本专利技术为解决公知技术中存在的技术问题而提供一种检测范围广、精度高、成本低、用途广的基于高光谱的种植物成熟度检测系统及方法。本专利技术为解决公知技术中存在的技术问题所采取的技术方案是：一种基于高光谱的种植物成熟度检测系统，包括高光谱图像数据采集模块、数据预处理模块及光谱分析模块；高光谱图像数据采集模块包括设有阵列滤光片的快照式高光谱成像仪；高光谱成像仪用于采集种植物的高光谱图像数据；数据预处理模块用于对采集的种植物的高光谱图像数据进行预处理；光谱分析模块用于对预处理后的种植物的高光谱图像数据进行分析处理，其内设有卷积神经网络模型，卷积神经网络模型输入种植物的高光谱图像数据，输出种植物的成熟度数据。进一步地，数据预处理模块包括：用于对采集的高光谱图像数据进行去马赛克处理的高光谱去马赛克处理单元，用于增强光谱图像分辨率的超分辨率强化单元，用于提高光谱图像数据信噪比的滤波去噪单元。进一步地，高光谱图像数据采集模块包括拍摄角度互不相同的多台高光谱成像仪。本专利技术还提供了一种利用上述的基于高光谱的种植物成熟度检测系统的基于高光谱的种植物成熟度检测方法，包括如下步骤：步骤一，采用高光谱成像仪对种植物进行拍摄，采集种植物的高光谱图像数据；步骤二，由数据预处理模块对采集的种植物的高光谱图像数据进行预处理；步骤三，在光谱分析模块中建立卷积神经网络模型。从预处理后的多组种植物的高光谱图像数据中，选取部分高光谱图像数据进行标记，作为样本存入样本数据库，用样本数据库中的样本对卷积神经网络模型进行训练。由完成训练的卷积神经网络模型，对预处理后的种植物的高光谱图像数据进行特征提取，并输出种植物的成熟度数据。进一步地，步骤二中，对采集的种植物的高光谱图像数据进行预处理的方法包括：对高光谱图像数据进行去马赛克处理，对高光谱图像数据进行增强光谱图像分辨率处理，对高光谱图像数据进行滤波及去噪处理。进一步地，对高光谱图像数据进行去马赛克处理的方法包括：先对高光谱图像数据进行迭代卷积处理，然后将迭代卷积计算结果通过PCA主成分分析法分解为三个角度的主成分分解矩阵，设x为空间水平方向，y为空间垂直方向，z为光谱维方向，三个角度分别为与xy平面夹角、与xz平面夹角、与yz平面夹角；设Dxy、Dxz和Dyz分别对应为三个角度的主成分分解矩阵，设Cxy、Cxz和Cyz分别对应为三个角度的限制阈值，通过阈值函数处理使去除主成分中比例较小的部分，设T为去马赛克后最终得到的高光谱图像数据，则有：进一步地，步骤三中，采用多参数空间距离算法，从新采集的高光谱图像数据中，选择与样本数据库中已有的高光谱图像数据差异性较大的部分数据，存入样本数据库；其中多参数空间距离算法如下：式中，d为多参数空间距离，Δx、Δy、Δz和Δt分别对应为高光谱图像数据的长、宽、光谱和时间方向的权重参数，ax、ay、az、at对应为新采集的高光谱图像数据的长、宽、光谱和时间方向数据，bx、by、bz、bt对应为样本数据库中已有的高光谱图像数据的长、宽、光谱和时间方向数据。进一步地，步骤三中，将样本数据库中的样本数据分割成低频数据Zl和高频数据Zh，从样本数据库中删除低频数据Zl。进一步地，步骤三中，卷积神经网络模型的层数可调，调节范围为20层至30层，对卷积神经网络模型采用梯度裁剪训练方法进行训练。进一步地，步骤三中，将对应同一种植物缩放尺寸不同的样本图像混合在一起，对卷积神经网络模型训练。本专利技术具有的优点和积极效果是：本专利技术利用快照式高光谱成像仪进行光谱数据采集，然后对采集到的高光谱数据进行光谱强化，并通过自更新样本数据库的卷积神经网络模型对种植物成熟度进行判断，提高种植物成熟度的检测准确率。本专利技术能够对种植物成熟度进行大范围、快速实时无损检测，节省工时，且检测精度高。可在农业生产中推广应用。本专利技术在不需要很高成本情况下能够准确检测出种植物的成熟程度，可实现对农产品的自动化采摘作业。附图说明图1是本专利技术的一种基于高光谱的种植物成熟度检测系统结构示意图。具体实施方式为能进一步了解本专利技术的
技术实现思路
、特点及功效，兹列举以下实施例，并配合附图详细说明如下：请参见图1，一种基于高光谱的种植物成熟度检测系统，包括高光谱图像数据采集模块、数据预处理模块及光谱分析模块；高光谱图像数据采集模块包括设有阵列滤光片的快照式高光谱成像仪；高光谱成像仪用于采集种植物的高光谱图像数据；数据预处理模块用于对采集的种植物的高光谱图像数据进行预处理；光谱分析模块用于对预处理后的种植物的高光谱图像数据进行分析处理，其内设有卷积神经网络模型，卷积神经网络模型输入种植物预处理后的高光谱图像数据，输出种植物的成熟度数据。阵列滤光片的快照式高光谱成像仪的主要优点是：采集速度快、准确率高、采集波段可以自由选择，成本相对较低。阵列滤光片的快照式高光谱成像仪可采用现有技术中的产品，比如IMEC生产的MosaicSnapshot型快照式高光谱成像相机或者基于CMOSIS生产的CMV2000系列的快照式多光谱高光谱成像相机等。优选地，数据预处理模块可包括：用于对采集的高光谱图像数据进行去马赛克处理的高光谱去马赛克处理单元，用于增强光谱图像分辨率的超分辨率强化单元，用于提高光谱图像数据信噪比的滤波去噪单元。马赛克处理单元、超分辨率强化单元、滤波去噪单元均可采用现有技术中的图像处理方法构建。优选地，高光谱图像数据采集模块可包括拍摄角度互不相同的多台高光谱成像仪。对于检测精度要求较高、检测环境复杂(有较多遮蔽物)的情况，可以选择进行多台仪器多角度同时交叉检测，不但可以提高检测的准确率，还可以减少环境特异性的干扰。本专利技术还提供了一种利用上述的基于高光谱的种植物成熟度检测系统的基于高光谱的种植物成熟度检测方法实施例，该方法包括如下步骤：步骤一，采用高光谱成像仪对种植物进行拍摄，采集种植本文档来自技高网...

【技术保护点】
1.一种基于高光谱的种植物成熟度检测系统，其特征在于，包括高光谱图像数据采集模块、数据预处理模块及光谱分析模块；高光谱图像数据采集模块包括设有阵列滤光片的快照式高光谱成像仪；高光谱成像仪用于采集种植物的高光谱图像数据；数据预处理模块用于对采集的种植物的高光谱图像数据进行预处理；光谱分析模块用于对预处理后的种植物的高光谱图像数据进行分析处理，其内设有卷积神经网络模型，卷积神经网络模型输入种植物的高光谱图像数据，输出种植物的成熟度数据。/n

【技术特征摘要】
1.一种基于高光谱的种植物成熟度检测系统，其特征在于，包括高光谱图像数据采集模块、数据预处理模块及光谱分析模块；高光谱图像数据采集模块包括设有阵列滤光片的快照式高光谱成像仪；高光谱成像仪用于采集种植物的高光谱图像数据；数据预处理模块用于对采集的种植物的高光谱图像数据进行预处理；光谱分析模块用于对预处理后的种植物的高光谱图像数据进行分析处理，其内设有卷积神经网络模型，卷积神经网络模型输入种植物的高光谱图像数据，输出种植物的成熟度数据。


2.根据权利要求1所述的基于高光谱的种植物成熟度检测系统，其特征在于，数据预处理模块包括：用于对采集的高光谱图像数据进行去马赛克处理的高光谱去马赛克处理单元，用于增强光谱图像分辨率的超分辨率强化单元，用于提高光谱图像数据信噪比的滤波去噪单元。


3.根据权利要求1所述的基于高光谱的种植物成熟度检测系统，其特征在于，高光谱图像数据采集模块包括拍摄角度互不相同的多台高光谱成像仪。


4.一种利用权利要求1至3任一所述的基于高光谱的种植物成熟度检测系统的基于高光谱的种植物成熟度检测方法，其特征在于，包括如下步骤：
步骤一，采用高光谱成像仪对种植物进行拍摄，采集种植物的高光谱图像数据；
步骤二，由数据预处理模块对采集的种植物的高光谱图像数据进行预处理；
步骤三，在光谱分析模块中建立卷积神经网络模型，从预处理后的种植物的高光谱图像数据中，选取部分高光谱图像数据进行标记，作为样本存入样本数据库；用样本数据库中的样本对卷积神经网络模型进行训练，由完成训练等卷积神经网络模型，对预处理后的种植物的高光谱图像数据进行特征提取，并输出种植物的成熟度数据。


5.根据权利要求4所述的基于高光谱的种植物成熟度检测方法，其特征在于，步骤二中，对采集的种植物的高光谱图像数据进行预处理的方法包括：对高光谱图像数据进行去马赛克处理，对高光谱图像数据进行增强光谱图像分辨率处理，对高光谱图像数据进行滤波及去噪处理。

【专利技术属性】
技术研发人员：李奇峰，吴欢欢，马翔云，杜建宾，张石磊，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12