本发明专利技术实施例提供一种检测方法，包括以下步骤：1）建立图谱信息与物理量的模型；2）运行Storm集群，根据测得的物理量以模型为依据输出图谱；3）根据输出图谱实时检测物理量。上述检测方法可以实现高光谱遥感技术在检测方法上的应用。
【技术实现步骤摘要】
【专利摘要】本专利技术实施例提供一种检测方法，包括以下步骤：1）建立图谱信息与物理量的模型；2）运行Storm集群，根据测得的物理量以模型为依据输出图谱；3）根据输出图谱实时检测物理量。上述检测方法可以实现高光谱遥感技术在检测方法上的应用。【专利说明】
本专利技术涉及一种检测方法，尤其涉及一种图像分析的。
技术介绍
高光谱遥感技术自20世纪80年代诞生以来高速发展，不断突破创新。高光谱遥感技术利用成像光谱扫描仪，以纳米级的光谱分辨率对被观测物体同时产生数百个波段的影像，能够记录被测物的连续光谱信息。高光谱遥感技术具有“图谱合一”的特性，使得人类在遥感领域又向前迈进了一大步。高光谱遥感技术目前被广泛应用于石油化工，食品工程、医疗制药等行业。主要应用于产品或者原材料的无损检测和无损质量评估，典型应用于苹果、茶叶、酸奶、石油的品质检测、分级，取得了很好的效果。然而，高光谱遥感技术的应用仍存在巨大的挑战，其中最主要的挑战在于:高光谱遥感技术的图谱数据量极大，但是这种多维度的数据对处理、传输、存储等过程提出了很高的要求。
技术实现思路
针对现有技术存在的缺陷，本专利技术的目的在于提供一种易于实现的高光谱遥感技术的检测方法。为解决以上技术问题，本专利技术提供的技术方案是，一种检测方法，包括以下步骤:I)建立图谱信息与物理量的模型；2)运行Storm集群，根据测得的物理量以模型为依据输出图谱；3)根据输出图谱实时检测物理量。优选的，所述检测方法还包括建立管理员集群，所述管理员集群可以并行运行Storm集群。优选的，所述建立管理员集群步骤位于步骤I和步骤2之间。优选的，所述步骤2)包括以下分步骤:2.1 搭建 Storm 集群；2.2 编写 Storm 的 Topology ；2.3建立位置与像素点信息的关系；2.4根据模型输入像素点信息输出位置；2.5建立位置与物理量的关系；2.6 启动 Storm 集群；2.7 提交 Storm 的 Topology。优选的，所述步骤I)采用SVM方法建立图谱信息与物理量的模型。优选的，所述检测方法检测茶叶含水量的用途，所述物理量为茶叶的含水率。与现有技术相比，本专利技术至少具有如下技术效果:缓冲装置浮动地搭接在进料盘上使得进料盘供料平稳。【专利附图】【附图说明】图1为本专利技术涉及的检测方法示意图。 图2为本专利技术检测方法流程示意图； 图3为本专利技术检测结果示意图。【具体实施方式】在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施例的限制。在高光谱遥感技术的检测方法的数据处理阶段，人们普遍使用并行计算来对海量数据进行实时处理。所谓并行计算，就是使用多线程、多进程，甚至多台计算机协同工作，在时间上并行的处理数据的方式。以并行计算思想开发的软件，在适合于并行计算的情形下能提供很高的处理速度和实时处理的延时，并且能够以线性方式对现有并行计算系统进行扩展，从而以较低的成本获得高的任务处理速度，节省任务处理耗时，实现真正的工业应用投放。但是并行计算思想开发的软件自问世以来一直受到业界的质疑。通常，并行计算编程花费的开发成本远远高于串行计算编程花费的开发成本，再考虑测试验证阶段的复杂度、后期维护的繁琐性，以及缺陷定位工作上的艰难程度，实际应用中使用并行计算思想的处理软件稳定性难以得到保证。Storm (Twitter公司开发)是一个开源的流式计算引擎。Storm流式计算引擎对问题进行分解，将问题的每一个处理步骤进行抽象，定义成Storm拓扑结构中的组件可以解决的子问题。增加组件的个数，提高计算的并行度，实现普通的并行计算问题解决方案。使用Storm框架，仅需要在Storm的组件上完成具体任务的业务逻辑代码开发，并且简单的定义整个拓扑结构，就可以轻松使用并行计算技术，实现毫秒级的实时计算。Storm流式计算引擎，对高光谱遥感技术采集到的图谱数据分多个维度开展并行。一种方式是对像素维度的并行。将一张高光谱遥感技术采集到的图谱的所有像素点拆分。单独通过模型进行计算、验证、预测，然后再进行整合，将会得到与对整幅图谱串行处理得到的结果完全一致的结果。同时可以极大的缩短处理时间，改变以往“高光谱遥感技术不可能直接用于工业生产中对产品的质量的实时检测方法”的看法。本专利技术提供一种使用Storm流式计算引擎检测茶叶含水率的检测方法。具体技术方案如下:1.建立模型a)根据高光谱遥感技术采集到的图谱信息与茶叶含水率信息之间的关系，建立模型，以米用 SVM (Support Vector Machine)为例:1.输入1:图谱信息矩阵为S,每一行向量为一个像素点的高光谱信息,每一列为一个波段的信息。输入2:实测含水率值列向量M，通过SVM方法求的AS=M中的A向量并由此建立茶叶含水率估测模型。i1.对一个像素点的茶叶含水率估计m可由M=As求得，其中A为上一步骤求的模型的参数，S为该像素点的图谱信息,其中m为列向量M的一个值，S为矩阵S的一个值。2.搭建管理员集群a)使用3个节点作为管理员集群为例，增加新的节点，只需稍做修改。在3个节点上安装管理员3.3.3,配置根目录下的zo0.conf,具体可参看http://管理员.apache.0rg/doc/trunk/ (官方帮助文档)。b)在每一台机器上启动管理员，形成管理员集群。3.搭建Storm集群，集群完成后拓扑如图1。a)下载 Storm 源码包(http://github.0rg/nathanmarz/storm) Storm-0.8.2,上传到服务器。b)修改hosts文件,添加主机名_ip记录，将集群中的主机的主机名_ip记录全部加入，包括用做监管员(工作节点)和光轮(任务分配，协调节点)以及管理员(状态管理节点)的机器。使得在集群内部通过主机名访问节点。c)安装 Storm 的依赖包:Python-2.6.6.tgz, jdkl.6.0_37.tgz,e2fsprogs-l.42.3_tlinux.tar.gz, zeromq-2.1.7.tar.gz, nathanmarz-jzmq-dd3327d.zipd)配置 storm 目录下 conf/storm.yaml。1.修改storm.管理员.servers属性,添加所有用做管理员的机器的主机名，每个主机名一行，以-“主机名”的格式添加。i1.修改光轮.host属性为用作光轮的主机名。4.编写Storm的Topology,完成图如图2。a)创建入口类 TopologyMain.java,在 main 函数中配置一个 Spout(ReadingSpout) , 2 个 Bolt (EstimatingBolt, UpdatingBolt)。b)ReadingSpout 实现了接口 backtype.storm, topology.1RichSpout。1.在open方法中实现打开图谱文件的方法,使用BufferedReader打开图谱文件。i1.在nextTuple方法中实现取出图谱文件中位于(x，y)位置像素的图谱信息S，调用emit方法将(X，y, s)信本文档来自技高网...
【技术保护点】
一种检测方法，包括以下步骤：1）建立图谱信息与物理量的模型；2）运行Storm集群，根据测得的物理量以模型为依据输出图谱；3）根据输出图谱实时检测物理量。
【技术特征摘要】
【专利技术属性】
技术研发人员：邓水光，李浬，徐亦飞，尹建伟，李莹，吴健，吴朝晖，
申请(专利权)人：浙江大学，
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。