基於高光譜成像技術的陶瓷片分類研究
一、背景
在陶瓷材料的鑒定和分類中，傳統的人工檢測方法容易受到主觀因素影響，且難以快速、zhunquediqufenbutongzhongleidetaocipian。gaoguangpuchengxiangjishuzuoweiyizhongfeipohuaixingjianceshouduan，nenggouyouxiaobuzhuocailiaozaibutongbochangxiadeguangputezheng，congershixianduibutongcailiaodezidongfenlei。weici，benanliliyongshuanglihepujinhongwaigaoguangpuchengxiangxitongGaiaField-R17-HR設備，結合高光譜成像和機器學習模型，成功實現了對陶片與瓷片的*確分類和可視化展示。
二、試驗材料與方法
2.1試驗設別
采用江蘇雙利合譜科技有限公司GaiaField-R17-HR近紅外高光譜成像係統進行陶瓷片的高光譜圖像數據采集。該係統主要由高光譜成像儀、麵陣列相機、鹵素燈光源、暗箱、計算機組成。
2.2試驗材料
本研究以陶瓷片為研究對象，區分陶片和瓷片。
2.3圖像處理分析
圖像處理分析主要包括圖像的預處理與數據分析，圖像預處理基於江蘇雙利合譜科技有限公司提供的高光譜成像係統采集軟件SpecView進行高光譜數據的采集。並對采集到的數據進行反射率校正，公式如下：
式中，
是反射率校正後的圖像，
是原始圖像，
為白板校正圖像，
是黑板校正圖像，
為白板的反射率。
2.4 光譜數據提取
采用江蘇雙利合譜科技有限公司開發的HyperScan Pro軟件進行陶片和瓷片光譜數據的提取，以框選的方式確定感興趣（ROI）區域（圖1），以每個ROI區域內所有像素點的平均值作為一個光譜數據（圖2），每類材料分別確定了124個ROI區域，即每類材料得到了124個數據。
圖1. ROI確定方式
圖2.光譜數據提取
三、結果與分析
3.1陶片、瓷片、以及背景光譜分析
圖3對比124個陶片和瓷片的平均光譜數據和背景數據。從圖中能夠看出，背景的光譜反射率非常低且平穩，反射率幾乎在0.1以下，前後噪音過重，沒有波峰波穀的存在，說明背景區域對光的反射較少，光譜特性與陶片和瓷片有明顯差異。瓷片與陶片均在大約950 nm之前，反射率有較大的上升，然後在大部分波長段保持相對平穩。在整個波長範圍內，瓷片的反射率明顯低於陶片，尤其是在波長1000 nm之zhi後hou，瓷ci片pian和he陶tao片pian的de反fan射she率lv差cha異yi逐zhu漸jian加jia大da，這zhe一yi部bu分fen的de差cha異yi可ke以yi作zuo為wei分fen類lei的de依yi據ju。另ling外wai，兩liang者zhe的de曲qu線xian形xing狀zhuang在zai總zong體ti趨qu勢shi上shang有you相xiang似si性xing，但dan反fan射she率lv水shui平ping的de顯xian著zhu不bu同tong可ke能neng表biao明ming材cai料liao成cheng分fen或huo結jie構gou的de差cha異yi。
圖3. 陶瓷片及背景的平均光譜曲線
3.2 光譜數據處理
從圖2能夠看出，采集到的光譜數據存在較大的噪聲，為了去除光譜數據中的噪聲、校正背景和基線漂移，提升信號質量，從而使後續的分析、建模和分類更加準確，本研究采用了S-G濾波結合MSC方法對原始光譜數據進行了預處理。能夠看出經過預處理後的光譜更加的平滑與聚集，特征峰也更加的明顯（圖4）。
圖4. 經過預處理後的陶瓷片光譜曲線
3.3基於SVM的陶瓷片分類識別
本試驗采用支持向量機（SVM）模型進行陶瓷片的分類識別，在建立定性模型之前，采用Kennard-Stone (KS)算法以7:3的比例對數據集進行劃分，將70%的數據用於模型訓練，30%的數據用於模型測試。最終訓練集174個，測試集74個。在SVM訓練過程中，c和g是兩個關鍵參數，經過不斷調試，最終得到*優的c和g，分別為16和0.0625，核函數采用的是RBF徑向基核函數，最終測試集分類準確率、平均精度和平均召回率均為1，表1為測試集的混淆矩陣。
表1. 測試集混淆矩陣
| 混淆矩陣 |
真實值 |
| 陶片 |
瓷片 |
| 預測值 |
陶片 |
41 |
0 |
| 瓷片 |
0 |
33 |
weileyanzhenggaimoxingdeshijiyingyongxiaoguo，womenpaisheleyipihunhebaifangdetaopianyucipiandegaoguangputuxiang，shouxianduiqizhongyigeboduandehuidutuxiangjinxingtuxiangchuliyiquchubeijingxinxi，dedaomeigeyangbendeROI區域，之後將確定過ROI區qu域yu的de圖tu像xiang映ying射she到dao高gao光guang譜pu圖tu像xiang上shang，提ti取qu每mei個ge樣yang本ben中zhong所suo有you像xiang素su點dian的de光guang譜pu數shu據ju。圖tu中zhong前qian兩liang行xing樣yang本ben為wei陶tao片pian，後hou兩liang行xing以yi及ji右you上shang角jiao和he右you下xia角jiao的de樣yang本ben為wei瓷ci片pian。結jie合he之zhi前qian訓xun練lian的de高gao精jing度duSVM分類模型，對每個像素點的類別進行了預測，並通過可視化技術展示了陶片與瓷片的分布情況。圖5中綠色區域為瓷片，紅色區域為陶片，能夠看出通過高光譜技術實現了對陶瓷片的有效識別。
圖5. 陶瓷片分類情況可視
地址：無錫市梁溪區南湖大道飛宏路58-1-108.png)
電話：.png)
郵箱：
在線谘詢