中国高校知识产权运营平台 欢迎您! 登录 | 免费注册

一种基于高光谱图像对白萝卜黑心检测的方法

一种基于高光谱图像对白萝卜黑心检测的方法

60.01分

中高价值评估

交易价格:¥50000
交易方式:转让
申请号:CN201510598014.2
权利人:南京农业大学
专利类型:发明专利
发明人:潘磊庆;王振杰;屠康;孙晔;顾欣哲;胡鹏程

中高专利自营店

中高专利自营店旗舰店

中高专利自营店旗舰店内所有专利商品是由各高校科研管理部门、专家通过委托交易的方式上架的专利,中高已经根据相关协议取得该专利的委托交易授权,敬请放心购买。如有疑问,请随时点击咨询。

南京农业大学

一种基于高光谱图像对白萝卜黑心检测的方法

专利(申请号):CN201510598014.2 申请人:南京农业大学 IPC分类号:G01N21/31(2006.01)I
专利类型:发明授权 公开号:CN105158186B 保护年限:17
代理机构: 代理人: 公开日:2017.09.22
发明设计人:潘磊庆;王振杰;屠康;孙晔;顾欣哲;胡鹏程

摘要

      本发明涉及一种基于高光谱图像对白萝卜黑心检测的方法,属于农产品贮藏与加工行业的无损检测技术。通过高光谱成像仪,获取白萝卜贮藏过程中的透射高光谱图像,分析正常白萝卜和黑心白萝卜的光谱响应的差异,提取400‑1000nm波长范围的光谱值作为神经网络的输入值,判断出白萝卜是否黑心。本方法可以实现对白萝卜黑心的准确识别,代替人工破坏性检测,有效避免不合格产品流向市场,提高白萝卜食用、加工利用率,促进萝卜深加工业发展,为高光谱技术应用于农产品领域提供借鉴。

主权项

      一种基于高光谱图像对白萝卜黑心检测的方法,包括高光谱透射图像采集系统、特征参数提取、检测模型构建、黑心与否判定、其中,1)高光谱透射图像采集系统由摄像机、光谱仪和焦距可变透镜组成的高光谱成像单元、样品支架、电动平台、线光源、光箱、电脑和图像采集软件构成,整个装置放置在密闭黑箱中,其中,摄像机为Imperx,ICL‑B1620,波段范围为400~1000nm,光谱分辨率为2.8nm、光谱仪为SpecimV10E;光箱为150W的卤素钨灯,由1个线性光纤导管完成传输;电脑型号为CPUE5800,3.2GHz,内存2G,显卡256MGeForceGT240;图像采集软件为自主开发的SpectralImage软件;光源为透射模式,其中,透镜离白萝卜样本距离为20cm,样本紧贴线光源放置,光源强度为90w,采集曝光时间70ms,采集速度2.5mm/s,图像分辨率804×440:2)特征参数提取①取无机械损伤的白萝卜样本,表面干净无杂物,放置于高光谱图像检测系统中,获取高光谱图像;<mrow><mi>R</mi><mi>c</mi><mo>=</mo><mfrac><mrow><msub><mi>R</mi><mn>0</mn></msub><mo>-</mo><mi>D</mi></mrow><mrow><mi>W</mi><mo>-</mo><mi>D</mi></mrow></mfrac></mrow>②利用上述公式对获得的图像进行校正,获得校正后的高光谱图像;其中,Rc为校正后的高光谱透射图像,R0为原始高光谱透射图像,w为将反射率为99.99%的标准白色校正板,放置在光源正上方,扫描透射白板得到全白的标定图像,D为将镜头盖上镜头盖,采集全黑的标定图像;③选择图像中白萝卜区域正中间部位25000个pixels的感兴趣区域,提取该区域所有像素点在400‑1000nm波段范围内的光谱均值,共有420个波段,利用不同波长组合构建偏最小二乘预测模型,采用连续投影算法选择特征波长,当模型交叉验证均方根误差为0.22419时,选定580nm、673nm、747nm、805nm和877nm共5个特征波长,构成检测模型的特征变量集v,即v580nm、v673nm、v747nm、v805nm、v877nm:3)构建检测模型根据选定的5个特征波长,构建基于神经网络、偏最小二乘判别分析、支持向量机、Fisher线性模型的白萝卜黑心检测模型,萝卜黑心样本设为1,正常罗卜样本设置为0:其中,构建的神经网络模型为:将特征变量集v做为输入值,白萝卜是否黑心做为输出值,神经网络模型参数为输入层为5,隐藏层数为1,隐藏层节点数为3,隐藏层激活函数为双曲正切,输出层个数为2,即合格样本与黑心样本,输出层激活函数为Softmax,最后给出每个样本检测结果M1;其中,构建的支持向量机模型为:将特征变量集v做为输入值,白萝卜是否黑心做为输出值,核函数为径向基函数,核函数参数gamma值均为1×10‑7,惩罚系数cost值为100,最后给出每个样本检测结果M2;其中,构建的偏最小二乘模型为:将特征变量集v做为输入值,白萝卜是否黑心做为输出值,潜变量个数为1,最后给出每个样本检测结果M3;其中,构建的线性判别模型为:将特征变量集v做为输入值,白萝卜是否黑心做为输出值,白萝卜黑心判断结果式中,v代表各个波长的响应值,Y1=0.002v580nm+0.008v673nm‑0.183v747nm+0.198v805nm‑0.085v877nm‑0.9669;Y0=0.024v580nm+0.000v673nm‑0.257v747nm+0.360v805nm‑0.549v877nm‑25.952,最后给出每个样本检测结果M4;4)白萝卜黑心与否判定根据以上四种模型的判别结果,即M1、M2、M3、M4,给出白萝卜样本是否黑心的最终结果,判定原则为:如果MI、M2、M3和M4值中,有任意大于2个的值为1,则该萝卜样本为黑心样本;如果M1、M2、M3和M4值中,有任意大于2个的值为0,则该萝卜样本为正常样本;如果M1、M2、M3和M4值中,有2个值同时为0或者1,则根据M4的值判定萝卜样本黑心与否。