来源:赛斯拜克 发表时间:2023-09-14 浏览量:349 作者:awei
鲜枣作为一种重要的水果,具有丰富的营养价值,在我国农业中占据着重要的地位。然而,由于种种原因,鲜枣在生长和采摘过程中经常出现裂纹问题,裂纹的出现不仅影响鲜枣的品质,还给生产带来了严重损失。因此,如何准确、快速地检测和判别鲜枣裂纹,成为了一个亟待解决的问题。传统的检测方法往往繁琐、耗时,且难以实现定性判别。近年来,随着高光谱成像技术的不断发展,为鲜枣裂纹的检测与定性判别提供了新的解决方案。
高光谱成像技术是一种无损检测技术,可以应用于鲜枣裂纹的定性和定量检测。以下是该技术在鲜枣裂纹检测中的应用步骤:
获取高光谱数据:首先,使用高光谱相机或传感器获取鲜枣的高光谱数据。这些数据包括鲜枣在多个波长下的反射或透射信息,能够捕捉到与裂纹相关的光谱特征。
数据预处理:对获取的高光谱数据进行预处理,包括去噪、光谱校准、背景去除等,以提高数据质量并减少干扰。这一步骤有助于突出与裂纹相关的信息。
特征提取与选择:通过对预处理后的高光谱数据进行分析,提取与裂纹相关的特征。这些特征可能包括特定波长范围内的反射率变化、吸收特征、纹理信息等。利用化学计量学方法、图像处理技术等,可以选择和提取最能够表征裂纹的特征。
建立判别模型:采用适当的机器学习算法,如偏最小二乘回归(PLSR)、支持向量机(SVM)等,建立鲜枣裂纹的判别模型。利用训练集数据对模型进行训练,并使用验证集数据对模型性能进行评估。优化模型参数以提高裂纹判别的准确性和稳定性。
裂纹定性与定量检测:应用建立的判别模型,对新的高光谱数据进行裂纹的定性和定量检测。定性检测可以确定裂纹的存在与否,而定量检测可以估计裂纹的大小、位置等参数。这可以通过分析模型输出的特征图像、裂纹指数等信息来实现。
高光谱成像技术对鲜枣裂纹进行定性判别和定量检测研究
本研究应用了400-1000nm的高光谱相机,可采用广东赛斯拜克科技有限公司产品SP130M进行相关研究。光谱范围在400-1000nm,波长分辨率优于2.5nm,可达1200个光谱通道。采集速度全谱段可达128FPS,波段选择后最高3300Hz(支持多区域波段选择)。
本研究采用高光谱成像技术对鲜枣的裂纹进行定性和定量检测。在获取鲜枣高光谱数据后,提取相关感兴趣区的平均光谱,并采用PLSR,SPA和图像PCA分析得到鲜枣裂纹敏感波段,建立鲜枣裂纹判别的LS-SVM模型以及用ROC 曲线对判别模型进行评判,最终选用最优模型下敏感波段对应的光谱图像进行分析,以获取鲜枣裂纹的位置、大小信息
采用高光谱成像技术对鲜枣裂纹进行定性判别和定量检测。运用PLSR回归系数、SPA和图像PCA来提取鲜枣裂纹敏感波段,采用LS-SVM 建立鲜枣裂纹判别模型以及采用ROC曲线评价判别模型,表明PLSR-LS-SVM模型对鲜枣裂纹判别效果最佳。运用该模型敏感波段下的图像进行PCA分析,对最能表现鲜枣裂纹特征的PC4图像进行裂纹信息的识别,定量地检测出裂纹在鲜枣的位置、大小信息特征,并将鲜枣裂纹识别模型及算法应用于另外8个样本,同样也得到了较好的识别效果,这为鲜枣裂纹的检测仪器开发提供理论基础和依据。