一种基于高光谱成像技术的高粱品种识别方法技术

本发明专利技术提供一种基于高光谱成像技术的高粱品种识别方法，属于农作物品种识别技术领域，克服了现有品种识别方法耗时长且有破坏性的缺点；包括：制作并采集高粱样本的高光谱图像，进行校正，利用基于波段最值映射的灰度变换方法结合大津阈值算法分割高粱籽粒与背景，利用扩展极大值变换改进后的分水岭算法分割高粱之间粘连籽粒，并提取高粱籽粒的光谱数据；采用孤立森林算法剔除异常光谱数据；使用多元散射校正法进行预处理；转换高粱籽粒的光谱数据格式为二维灰度图像数据；利用二维灰度图像数据和品种标签建立二维卷积神经网络模型，识别高粱品种；本发明专利技术通过高光谱图谱特征，结合卷积神经网络模型，实现高粱品种快速、无损和准确识别效果。损和准确识别效果。损和准确识别效果。

【技术实现步骤摘要】
一种基于高光谱成像技术的高粱品种识别方法


[0001]本专利技术属于农作物品种识别
，应用于固态酿造中的酿酒原料品种识别过程中，具体为一种基于高光谱成像技术的高粱品种识别方法。

技术介绍

[0002]高粱是世界上重要的粮食作物之一，它在世界范围内被广泛种植；高粱籽粒中含有丰富的营养物质，在我国的酿酒行业有着“好酒离不开红粮”的说法，且每年需求量高达2000万吨。然而，普通高粱和酿酒高粱的品种外观相似，因此肉眼难以区分；由于价格差异大，这些不同的品种在满足市场需求的同时，也带来了潜在的品种混杂风险。
[0003]酿酒企业为了保证白酒的风味及品质，需要对购买的高粱原料进行质量检测。通常是以人工方式，基于理化分析对高粱种子纯度进行检测，此方法存在鉴定时间长和对种子具有破坏性的缺点，难以满足酿酒自动化、智能化方向的发展需求。因此，如何开发一种快速、无损、准确的高粱籽粒品种识别方法，从而提高白酒产业的升级改造，对本领域技术人员来说具有极其重要的意义，也因此成为其研究重点。
[0004]现有技术中，专利CN101701916A公开了一种玉米品种快速鉴定、鉴别方法；该方法中：采用扫描仪获取种子图像信息计算机上利用玉米品种鉴定系统识别玉米种子；读取原始图像信息，存储每粒玉米中的每个像素的图像信息，存储为24位bmp格式文件；完成图像处理与特征提取后，利用训练后的神经网络分类器进行玉米品种鉴别；具有自动化程度高、操作快速、简便的特点。然而，此方法需要提取大量的尺寸、形状和颜色特征，每一种特征都包含了多个指标，工作量较复杂。模型的建立需要大量的与品种有关的数据，建立的模型较复杂，可能会导致检测速度较慢。此外，采用机器视觉的方式检测玉米的品种不如其他技术的检测精度高。
[0005]专利CN109082477B公开了一种不同品种青稞的鉴别方法方法；该方法中：1.取待检青稞样品，提取其中的DNA；2.用一种用于鉴定青稞品种的试剂盒对待测样本进行PCR扩增；3.对DNA扩增结果进行检测；提供的检测方法可以准确、有效地区分青稞的品种，成本低廉，为青稞快速鉴定提供了条件。然而，此方法具有破坏性，样本检测后不能再进行使用，如果样本量大就会造成资源的浪费；同时，此方法需进行人工检测，检测时间周期长，无法实现自动化、智能化的检测。

技术实现思路

[0006]本专利技术的目的是为了克服现有技术中基于理化分析检测高粱品种的方法所存在的鉴定时间长和具有破坏性的缺点，提供具有精确、快速和无损识别等优点的高粱品种智能化识别方法；本专利技术使用高光谱成像技术，将传统的成像与光谱技术相结合，同时获得样本的空间信息和光谱信息，再通过卷积神经网络模型的应用，从而极大提高了识别高粱品种的准确率。
[0007]本专利技术采用了以下技术方案来实现目的：
[0008]一种基于高光谱成像技术的高粱品种识别方法，包括如下步骤：
[0009]S1、制备不同品种的高粱样本，利用近红外高光谱成像系统，采集高粱的高光谱图像数据和对应区域的RGB图像数据；
[0010]S2、对采集的高粱高光谱图像数据进行黑白校正；
[0011]S3、分割高粱的RGB图像数据中的高粱籽粒与背景、高粱粘连籽粒，提取对应的高光谱图像数据中每颗高粱籽粒光谱数据；
[0012]S4、提取所有样本中的每颗高粱籽粒光谱数据后，获取每颗高粱籽粒的平均光谱数据，采用孤立森林算法剔除平均光谱数据中的异常数据，并剔除对应的单颗高粱籽粒光谱数据；
[0013]S5、采用多元散射校正的预处理方法对剔除异常数据后的每种样本的每颗高粱籽粒光谱数据进行预处理；
[0014]S6、将预处理后的每颗高粱籽粒的光谱数据格式转换为二维灰度图像数据；
[0015]S7、将每种样本的高粱籽粒二维灰度图像数据及品种标签作为模型输入，建立识别高粱品种的卷积神经网络模型，对模型的有效性进行评价，再将待测高粱样本的二维灰度图像数据输入模型，验证待测高粱样本的识别结果，并进行结果的可视化显示。
[0016]进一步的，所述S1中，共制备有7个不同品种的高粱样本；依据酿酒厂对高粱的划分标准，将上述7个不同品种的高粱分成了两个类别：4种优质高粱和3种普通高粱；每个品种的高粱制备了10个样本，再将7个品种的高粱划分为3个组合，每个组合均包含4种优质高粱和1种普通高粱，用于模型的训练与测试过程。另外，每个高粱品种再分别采集1个样本，用于验证集的品种识别过程。
[0017]进一步的，所述S1中，近红外高光谱成像系统由近红外高光谱相机、两组功率为150W的卤素灯光源、高精度电控载物台、装有采集软件的计算机和辅助支架组成；通过采集软件控制载物台匀速移动，使得垂直于移动方向的近红外光谱相机对高粱样本进行逐行扫描，得到高粱样本的高光谱图像数据。其中，近红外高光谱相机FX17E的CCD相机的空间分辨率和光谱分辨率分别为413*640像素和8nm，采集的光谱范围为935.61
‑
1720.23nm，共224个波段，光谱分辨率为3.3nm；设置近红外光谱相机的曝光时间为4.02ms，采集频率为50Hz，载物台的移动速度为16.42mm/s。
[0018]进一步的，所述S2中，在采集每种高粱样本时，分别采集1次全黑图像(盖上相机镜头，获得反射率约为0的全黑标定图像)和全白图像(放置白板，获得反射率约为1的全白标定图像)，形成所述高光谱图像数据；编写黑白校正计算公式，校正高光谱图像数据，计算公式如下：
[0019][0020]式中，I
c
是校正后高粱高光谱图像的反射光强度；I
r
是校正前高粱高光谱图像的反射光强度；I
w
和I
a
分别是全白标定图像的反射光强度和全黑标定图像的反射光强度。
[0021]进一步的，所述S3中，高粱籽粒与背景的分割采用基于波段最值映射的灰度变换方法结合大津阈值算法；首先要对图像数据进行转换，即三通道的RGB图像转换为单通道的灰度值图像，再对变换后的灰度图像进行二值化分割高粱籽粒和背景区域。使用基于波段最值映射的灰度变换方法对高粱样本的RGB图像进行灰度变换。高光谱图像数据中同时包
含了高粱样本的光谱信息和空间信息，即数据格式是一个三维立方体(X
×
Y
×
λ)；通过比较所有光谱波段下反射率图像各像元的反射率值，得到每个像元的最大、最小反射率值；然后，对各像元的最值求差得到反射率差值图像；再将反射率差值图像的各像元的值映射到0～255的灰度范围，得到高粱样本的灰度图像，其伪代码过程如下表1所示。使用大津阈值算法自动选取最佳阈值。先设定一个初始阈值，根据这个初始阈值将灰度图像分成“目标”和“背景”两个类，计算两个类的方差，阈值从1变化至255，使得类方差最大的阈值则为最佳的分割阈值。通过最佳阈值对变换后的灰度图像进行二值化，很好的分割了高粱籽粒与背景信息。
[0022]表1波段最值映射的灰度图像处理过程
[0023]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高光谱成像技术的高粱品种识别方法，其特征在于：包括如下步骤：S1、制备不同品种的高粱样本，利用近红外高光谱成像系统，采集高粱的高光谱图像数据和对应区域的RGB图像数据；S2、对采集的高粱高光谱图像数据进行黑白校正；S3、分割高粱的RGB图像数据中的高粱籽粒与背景、高粱粘连籽粒，提取对应的高光谱图像数据中每颗高粱籽粒光谱数据；S4、提取所有样本中的每颗高粱籽粒光谱数据后，获取每颗高粱籽粒的平均光谱数据，采用孤立森林算法剔除平均光谱数据中的异常数据，并剔除对应的单颗高粱籽粒光谱数据；S5、采用多元散射校正的预处理方法对剔除异常数据后的每种样本的每颗高粱籽粒光谱数据进行预处理；S6、将预处理后的每颗高粱籽粒的光谱数据格式转换为二维灰度图像数据；S7、将每种样本的高粱籽粒二维灰度图像数据及品种标签作为模型输入，建立识别高粱品种的卷积神经网络模型，对模型的有效性进行评价，再将待测高粱样本的二维灰度图像数据输入模型，验证待测高粱样本的识别结果，并进行结果的可视化显示。2.根据权利要求1所述的一种基于高光谱成像技术的高粱品种识别方法，其特征在于：所述S1中，共制备7个品种的高粱样本，依据酿酒厂对高粱类别的划分标准，将7个品种的高粱样本分为2个类别，包括4种优质高粱和3种普通高粱；将7个品种的高粱划分为3个组合，每个组合均包括4种优质高粱和1种不同的普通高粱，用于卷积神经网络模型的训练和测试；同时在每个品种的高粱样本中额外采集1个样本，用于验证集的品种识别。3.根据权利要求2所述的一种基于高光谱成像技术的高粱品种识别方法，其特征在于：所述S1中，近红外高光谱成像系统由近红外高光谱相机、两组功率为150W的卤素灯光源、高精度电控载物台、装有采集软件的计算机和辅助支架组成；通过采集软件控制载物台匀速移动，使得垂直于移动方向的近红外高光谱相机对高粱样本进行逐行扫描，得到高粱样本的高光谱图像数据。4.根据权利要求1所述的一种基于高光谱成像技术的高粱品种识别方法，其特征在于：所述S2中，在采集每种高粱样本时，分别采集1次全黑图像和全白图像，形成所述高光谱图像数据；编写黑白校正计算公式，校正高光谱图像数据，计算公式如下：式中，I
c
是校正后高粱高光谱图像的反射光强度；I
r
是校正前高粱高光谱图像的反射光强度；I
w
和I
d
分别是全白标定图像的反射光强度和全黑标定图像的反射光强度。5.根据权利要求1所述的一种基于高光谱成像技术的高粱品种识别方法，其特征在于：所述S3中，采用基于波段最值映射的灰度变换方法结合大津阈值算法分割高粱籽粒与背景；首先使用基于波段最值映射的灰度变换方法对高粱样本的RGB图像进行灰度变换，高光谱图像数据中同时包含了高粱样本的光谱信息和空间信息，数据格式为三维立方体，通过比较所有光谱波段下反射率图像各像元的反射率值，得到每个像元的最大、最小反射率值，对各像元的最值求差...

【专利技术属性】
技术研发人员：田建平，张晓兵，周书宇，王俊，粱宴，胡新军，黄丹，罗惠波，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：