基于高光谱成像技术的山楂损伤和虫害缺陷识别研究

• 作者: 何勇 余克强 刘德华 张淑娟 王斌 赵艳茹
• 来源期刊: 光谱学与光谱分析
• 学科: 化学
• 关键词: 山楂 缺陷 高光谱成像技术 定性分析 特征识别
• 年，卷（期）: 2015,（11）
• 页码范围: 3167-3171
• 页数: 5页
• 分类号: O657.3
• 字数: 2703字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2015)11-3167-05

摘要

采用高光谱成像技术（420～1000 nm ）对山楂的缺陷（表面的损伤以及虫害区域）进行识别研究。共采摘了134个样品，包含损伤果46个、虫害果30个、损伤及虫害果10个和完好果48个。考虑到山楂的花萼、果梗与损伤、虫害的RGB图像有相似的外观特征，容易造成误判，利用高光谱成像系统采集了损伤、虫害、完好、花萼和果梗五个区域一共230个山楂样本的高光谱图像，并提取相应的感兴趣区域（region of in‐terest ，ROI），得到了样本的光谱数据。使用标准归一化（standard normalized variate ，SNV ），卷积平滑（savitzky golay ，SG），中值滤波（median filter ，MF），多元散射校正（multiplicative scatter correction ，MSC）方法进行光谱预处理，建立偏最小二乘（partial least squares method ，PLS）判别分析模型，结果表明经过SNV预处理后的预测结果较好。最后选取SNV作为预处理方法。应用回归系数法（regression coefficients ， RCs）从全波段中提取10条特征波段（483，563，645，671，686，722，777，819，837和942 nm ），利用Kennard‐Stone算法将各类样本按照3：1的比例随机分成训练集（173个）和测试集（57个），并对其建立最小二乘支持向量机（least squares‐support vector machine ，LS‐SVM ）判别模型，山楂缺陷的正确识别率为91.23％。然后，运用主成分分析（principal componentanalysis ，PCA）进行10条敏感波段下单波段图像的数据压缩，分别采用“sobel”算子和区域生长算法“Regiongrow”识别出86个缺陷山楂样本的边缘与缺陷特征区域，得出单损伤、单虫害和损伤及虫害样本的识别率分别为95.65％，86.67％和100％。研究结果表明：采用高光谱成像技术可以对山楂的损伤、虫害、花萼和果梗进行定性分析和特征识别，该研究为山楂的缺陷无损检测提供了理论参考。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何勇	浙江大学生物系统工程和食品科学学院	511	9054	45.0	65.0
2	张淑娟	山西农业大学工学院	122	728	14.0	22.0
3	王斌	山西农业大学工学院	21	74	5.0	8.0
4	赵艳茹	浙江大学生物系统工程和食品科学学院	23	196	8.0	12.0
5	余克强	浙江大学生物系统工程和食品科学学院	12	131	7.0	11.0
6	刘德华	山西农业大学工学院	5	22	2.0	4.0