【技术实现步骤摘要】
本专利技术属于农产品无损检测领域，尤其涉及一种基于高光谱技术实现库尔勒香梨的早期隐性损伤的分类检测。
技术介绍
1、库尔勒香梨因其鲜美口感和高营养价值备受消费者青睐。然而，梨果的机械损伤会降低其质量，严重影响消费者的购买决策。在库尔勒香梨的采摘和贮藏过程中，机械损伤尤其容易发生，其中隐性损伤是最常见也是最难以识别的类型之一。由于库尔勒香梨具有薄皮多汁的特点，在采摘、运输和分拣过程中，容易发生磕碰，导致果肉颜色轻微变化和组织软化。这种早期的隐性损伤通常不会破坏果皮，也不会在外观上显示出差异，因此难以肉眼识别。随着时间的推移，受损部位也容易受到微生物的侵害，导致果实腐烂和霉变，进而影响周围未受损果实的质量。此外，传统的人工分拣方法费时费力，无法满足现代水果分拣的高效需求。因此，开发一种快速有效的检测方法，能够在消费前识别库尔勒香梨的早期隐性损伤，具有重要的现实意义。
技术实现思路
1、为解决上述问题，本专利技术旨在提供一种快速分类库尔勒香梨早期隐性损伤的方法，以取代依赖人工操作、费时费力的传统分类方法。该方法利用可见-近红外高光谱技术，具有便捷、高效和无损等优点。
2、技术方案：
3、一种融合高光谱图像特征和光谱变量的库尔勒香梨早期隐性损伤的检测方法，包括以下步骤：
4、s1、挑选大小、形态、成熟度一致、无表面缺陷的库尔勒香梨，预处理后编号并平分为4份：对照组和3个不同损伤等级的实验组；
5、s2、对样本进行损伤分级：对照组作为无损伤nb
6、s3、获取样本高光谱校正图像：为保证样本温度与室温一致，所有样本在25℃和90％相对湿度的黑暗条件下保存，在每次采样时间取出样本并采集可见-近红外高光谱；在反射模式下采集库尔勒香梨样本的高光谱图像，在与样本采集相同的条件下，对采集的高光谱图像进行黑白校正以减轻光照分布不均匀和相机暗电流的影响，消除冗余的信息，白校正采用反射率为99.99％的白色聚四氟乙烯板，黑校正是通过盖上机盖使镜头全部被覆盖，最终高光谱校正图像通过以下公式获得：
7、
8、其中rraw为原始图像数据，rdark为全黑图像数据，rwhite为全白图像数据，rcal为校正后的图像数据；
9、s4、光谱信息提取：对样本高光谱校正图像选取香梨损伤部位作为感兴趣区域roi，每个区域的大小为60×60像素，使用matlab软件进行roi的识别和roi内光谱数据的提取，对roi中包含的每个像素点的所有光谱进行平均，以平均值作为每个香梨样本的光谱；
10、s5、光谱预处理方法及特征变量选择：采用的预处理方法为多元散射校正msc，使用预处理方法处理光谱数据后，采用连续投影算法spa、竞争性自适应重加权算法cars以及随机蛙跳rf三种方法挑选特征波长；
11、s6、将贮藏阶段所采集的高光谱数据集随机分为校正集和预测集，比例为2:1；
12、s7、分别建立基于全波长以及特征波长的偏最小二乘分类pls-da、支持向量机分类svm-da、子空间分类subspace-da三种分类模型，比较不同模型的稳定性和精度，筛选有效特征波长；
13、s8、图像纹理特征获取：对样本高光谱校正图像进行主成分pca降维分析，第一主成分pc1、第二主成分pc2、第三主成分pc3中pc1反映了香梨的纹理信息，pc2含有最明显的损伤信息，pc3中损伤信息不明显，故提取前2个主成分图像的灰度共生矩阵的纹理特征；
14、s9、通过合并的方式融合s7中的有效特征波长信息和s8中的图像纹理特征信息，获得融合数据；以融合数据为样本集构建最佳判别模型；
15、s10、采集待测库尔勒香梨的高光谱图像特征和光谱变量，获得融合数据；使用s9获得的最佳判别模型预测库尔勒乡里的早期隐性损伤。
16、优选的，s1中：挑选大小、形态、成熟度一致、无表面缺陷的库尔勒香梨共计240个，香梨样本置于室温24h后用75％的酒精水溶液清洗样本，自然晾干、将所有样本编号，这些样本被分为对照组和3个不同损伤等级的实验组，每组包括60个样本。
17、优选的，s2中：利用直径为3mm、重量为25.65g的空心铁球，从0.15m、0.3m和0.5m的高度自由落体，对样本造成不同程度的冲击损伤；由势能公式计算得到的冲击能ei(j)分别为0.04j、0.08j和0.133j；对照组用无损伤nb组表示，冲击能量为0.04j的损伤等级用b1组表示，冲击能量为0.08j的损伤等级用b2组表示，冲击能量为0.133j的损伤等级用b3组表示；所述势能公式为：
18、ei＝m g h
19、式中，m为空心铁球质量；g是重力常数，h是落差。
20、优选的，s3中：所述采样时间为2h、1d、2d、3d、5d、7d；所述可见-近红外高光谱成像系统波段范围为400～1000nm，由计算机、相机、成像光谱仪、卤素光源、移动平台组成，所述相机为单波长图像像素为804×534的高分辨率ccd相机，成像光谱仪光谱分辨率为2.8nm，用来获取香梨样本的图像信息和光谱信息，所述卤素光源为两个，卤素光源在距离移动平台上的样本30cm处以45°的投射角度固定于相机两侧，相机镜头与移动平台上的样本之间的距离为28cm，卤素光源强度设置为45w，曝光时间设定为3ms，移动速度为7mm/s。
21、优选的，s5中：
22、对于spa方法，特征波长的最大个数设置为10～50；
23、cars算法通过n次采样运行获得了n个变量子集及其对应的n个rmsecv值；选取rmsecv值最低的子集作为特征波长变量集，n被设置为50；
24、对于rf方法，特征波长的个数设置为20～50。
25、优选的，s6中：对于每个贮藏阶段，校正集由40个样本×4组共160个样本组成，预测集由20个样本×4组共80个样本组成，用于比较每个贮藏时期区分nb、b1、b2、b3组的准确率；
26、对于整个贮藏期间，校正集共960个样本，包括未损伤香梨240个，隐性损伤香梨720个；剩余的预测集480个样本，包括未损伤香梨120个，隐性损伤香梨360个，用于在实际应用中区分未损伤香梨和隐性损伤香梨。
27、优选的，基于主成分分析降维后的图像，选取的为前两个主成分图像作为灰度共生矩阵的提取对象。
28、优选的，s9中，最佳判别模型的构建过程为：
29、通过合并的方式融合s7中的有效特征波长信息和s8中的图像纹理特征信息，得到一个(a+b)×c的融合数据矩阵，a+b为融合数据的特征变量数量，a为有效特征波长数量，b为图像纹理特征数量，c为样本数量，根据融合数据建立pls-da模型。
30、本专利技术的有益之处在于：
31、(1)基于可见-近红外高光谱技术，相较于传统的破本文档来自技高网...
【技术保护点】
1.一种融合高光谱图像特征和光谱变量的库尔勒香梨早期隐性损伤的检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于高光谱图像和光谱检测库尔勒香梨早期隐性损伤的方法，其特征在于，S1中：挑选大小、形态、成熟度一致、无表面缺陷的库尔勒香梨共计240个，香梨样本置于室温24h后用75％的酒精水溶液清洗样本，自然晾干、将所有样本编号，这些样本被分为对照组和3个不同损伤等级的实验组，每组包括60个样本。
3.根据权利要求1所述的一种基于高光谱图像和光谱检测库尔勒香梨早期隐性损伤的方法，其特征在于，S2中：利用直径为3mm、重量为25.65g的空心铁球，从0.15m、0.3m和0.5m的高度自由落体，对样本造成不同程度的冲击损伤；由势能公式计算得到的冲击能Ei(J)分别为0.04J、0.08J和0.133J；对照组用无损伤NB组表示，冲击能量为0.04J的损伤等级用B1组表示，冲击能量为0.08J的损伤等级用B2组表示，冲击能量为0.133J的损伤等级用B3组表示；所述势能公式为：
4.根据权利要求1所述的一种基于高光谱图像和光谱检测库尔
5.根据权利要求1所述的一种基于高光谱图像和光谱检测库尔勒香梨早期隐性损伤的方法，其特征在于，S5中：
6.根据权利要求1所述的一种基于高光谱图像和光谱检测库尔勒香梨早期隐性损伤的方法，其特征在于，S6中：对于每个贮藏阶段，校正集由40个样本×4组共160个样本组成，预测集由20个样本×4组共80个样本组成，用于比较每个贮藏时期区分NB、B1、B2、B3组的准确率；
7.根据权利要求1所述的一种基于高光谱图像和光谱检测库尔勒香梨早期隐性损伤的方法，其特征在于，基于主成分分析降维后的图像，选取的为前两个主成分图像作为灰度共生矩阵的提取对象。
8.根据权利要求1所述的一种基于高光谱图像和光谱检测库尔勒香梨早期隐性损伤的方法，其特征在于，S9中，最佳判别模型的构建过程为：
...【技术特征摘要】
1.一种融合高光谱图像特征和光谱变量的库尔勒香梨早期隐性损伤的检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于高光谱图像和光谱检测库尔勒香梨早期隐性损伤的方法，其特征在于，s1中：挑选大小、形态、成熟度一致、无表面缺陷的库尔勒香梨共计240个，香梨样本置于室温24h后用75％的酒精水溶液清洗样本，自然晾干、将所有样本编号，这些样本被分为对照组和3个不同损伤等级的实验组，每组包括60个样本。
3.根据权利要求1所述的一种基于高光谱图像和光谱检测库尔勒香梨早期隐性损伤的方法，其特征在于，s2中：利用直径为3mm、重量为25.65g的空心铁球，从0.15m、0.3m和0.5m的高度自由落体，对样本造成不同程度的冲击损伤；由势能公式计算得到的冲击能ei(j)分别为0.04j、0.08j和0.133j；对照组用无损伤nb组表示，冲击能量为0.04j的损伤等级用b1组表示，冲击能量为0.08j的损伤等级用b2组表示，冲击能量为0.133j的损伤等级用b3组表示；所述势能公式为：
4.根据权利要求1所述的一种基于高光谱图像和光谱检测库尔勒香梨早期隐性损伤的方法，其特征在于，s3中：所述采样时间为2h、1d、2d、3d、5d、7d；所述可见-近红外高光谱成像系统波段范围为400～...
【专利技术属性】
技术研发人员：潘磊庆，李怡婷，兰维杰，屠康，尤思聪，吴莎莎，宋丽军，张丽，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。