基于高光谱信息融合和相关向量机的种蛋无损检测

• 作者: 刘婷 祝志慧 马美湖
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 图像处理 模型 无损检测 高光谱 种蛋 相关向量机 支持向量机
• 年，卷（期）: 2015,（15）
• 所属期刊栏目: 农产品加工工程
• 页码范围: 285-292
• 页数: 8页
• 分类号: S123
• 字数: 5947字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2015.15.039

摘要

为了尽可能早的检测出无精蛋和受精蛋，该文提出采用透射高光谱成像技术，融合图像和光谱信息，对其受精信息进行检测。利用高光谱图像系统采集孵化前种蛋在400～1000 nm的高光谱图像，提取图像特征（长短轴之比、伸长度、圆度、蛋黄面积与整蛋面积之比）；筛选出400～760 nm的波段，通过Normalize预处理结合相关系数法提取155个光谱特征变量；运用主成分分析法对图像和光谱的融合信息进行降维，采用相关向量机（relevance vector machine，RVM）分别建立基于图像、光谱和图像-光谱融合信息的受精蛋和无精蛋分类判别模型，并与支持向量机（support vector machine， SVM）模型进行比较，RVM模型检测正确率分别为90%，91%，96%；测试集检测时间分别为0.6619，1.0821，0.5016 s。SVM模型检测正确率分别为84%，90%，93%；测试集检测时间分别为5.9386，5.9886，5.6672 s。结果表明，基于图像-光谱融合所建立的模型优于单一信息的模型，在分类精度上，采用RVM分类精度高于SVM的分类精度；在分类时间上， RVM的分类时间比SVM短，因此，利用高光谱融合信息和相关向量机可以提高种蛋检测精度，研究结果为孵前无精蛋和受精蛋的在线实时检测提供参考。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马美湖	华中农业大学食品科学技术学院国家蛋品加工技术研发分中心	240	1715	20.0	27.0
2	祝志慧	华中农业大学工学院	20	117	6.0	10.0
6	刘婷	华中农业大学工学院	3	32	3.0	3.0