基於成像光譜技術的水果斑點及損傷快速識別研究
Announcer：
Release time：2017-08-23
基於成像光譜技術的水果斑點及損傷快速識別研究
四川雙利合譜科技有限公司-黃宇
一、引言
隨著人們生活水平的提高，消費者越來越關注果蔬的品質安全問題。如造成水果表麵出現黑白斑的內部腐爛、水果因運輸等原因造成的碰傷、損傷等，從而嚴重影響消費者的身體健康。因此水果黑白斑、碰傷損傷的快速有效的識別具有重要的研究價值。
高gao光guang譜pu圖tu像xiang技ji術shu結jie合he了le光guang譜pu分fen析xi和he圖tu像xiang處chu理li的de技ji術shu優you勢shi，國guo內nei外wai許xu多duo學xue者zhe對dui研yan究jiu對dui象xiang的de內nei外wai部bu品pin質zhi特te征zheng進jin行xing檢jian測ce分fen析xi，如ru趙zhao傑jie文wen等deng利li用yong高gao光guang譜pu圖tu像xiang技ji術shu檢jian測ce水shui果guo輕qing微wei損sun傷shang，準zhun確que率lv為wei88.57 %；Jasper G. Tallada等分別應用高光譜圖像技術對不同成熟度的草莓表麵損傷、蘋果的表麵缺陷及芒果的成熟度檢測進行了試驗研究。王玉田等運用熒光光譜檢測出水果表麵殘留的農藥；胡淑芬等運用激光技術對水果表麵農藥殘留進行了試驗研究；薛龍等針對水果表麵農藥殘留，以滴有較高濃度的臍橙為研究對象，利用光譜範圍425-725 nm的de高gao光guang譜pu圖tu像xiang係xi統tong進jin行xing檢jian測ce，發fa現xian對dui較jiao高gao濃nong度du的de農nong藥yao殘can留liu檢jian測ce效xiao果guo較jiao好hao。本ben文wen采cai用yong高gao光guang譜pu圖tu像xiang技ji術shu檢jian測ce不bu同tong水shui果guo的de黑hei白bai斑ban區qu域yu及ji損sun傷shang區qu域yu，以yi實shi現xian水shui果guo黑hei白bai斑ban、損傷區域快速識別的目的。
二、試驗材料與方法
2.1 實驗材料
本研究以蘋果和橙子為研究對象，分析蘋果、橙子的黑白斑區域與損傷區域。其中蘋果、橙子的黑白斑、損傷是非人為故意形成。
2.2 實驗設備
高光譜成像數據采集采用四川雙利合譜科技有限公司的 GaiaSorter高光譜分選儀係統。該係統主要由高光譜成像儀(V10E)、CCD 相機、光源、暗箱、計算機組成，結構圖與實景圖如圖1。實驗儀器參數設置如表1。
表1 GaiaSorter 高光譜分選儀係統參數
|
序號
|
項目
|
參數
|
|
1
|
光譜掃描範圍/nm
|
400~1000
|
|
2
|
光譜分辨率/nm
|
2.8
|
|
3
|
采集間隔/nm
|
1.9
|
|
4
|
光譜通道數
|
520
|
圖 1 GaiaSorter 高光譜分選儀結構圖與實景圖
2.3 圖像處理分析
采用SpecView和ENVI/IDL對高光譜數據的預處理及分析，預處理中的鏡像變換、黑白幀校準在SpecView中進行；其他數據的分析在ENVI/IDL中進行。
三、結果與討論
3.1 蘋果黑斑區域、損傷區域、正常區域和背景的光譜分析
取蘋果黑斑區域、損傷區域、正常區域和背景各3個不同位置周邊50個像元，分別獲取這3個不同位置50個像元的光譜反射率，並求取這50個像元的反射率均值，如圖2所示，其中，蘋果沒有損傷區域的光譜反射率在500-680 nm範圍內高於損傷區域及黑斑區域的光譜反射率；在550-700nm範圍內，蘋果黑斑區域的光譜反射率較低；在580-700 nm範圍內，蘋果黑斑區域、損傷區域、正常區域的光譜存在較為顯著的波峰波穀，而背景無顯著特征。在550-680 nm範fan圍wei內nei，損sun傷shang區qu域yu的de光guang譜pu反fan射she率lv鑒jian於yu蘋ping果guo黑hei斑ban區qu域yu和he正zheng常chang區qu域yu之zhi間jian，因yin此ci可ke以yi嚐chang試shi通tong過guo構gou建jian植zhi被bei指zhi數shu和he閾yu值zhi分fen割ge方fang法fa快kuai速su識shi別bie出chu蘋ping果guo黑hei斑ban區qu域yu和he損sun傷shang區qu域yu。
圖2 蘋果黑斑區域、損傷區域、正常區域和背景的光譜反射率
3.2 橙子黑斑斑區域、正常區域、背景的光譜分析
以橙子的正麵和側麵為例，取橙子黑斑區域、白板區域、正常區域和背景各3個不同位置周邊50個像元，分別獲取這3個不同位置50個像元的光譜反射率，並求取這50個像元的反射率均值，如圖3所示。從圖中可知，在580-700 nm範圍內，橙子的黑斑區域、白斑區域、正(zheng)常(chang)區(qu)域(yu)的(de)光(guang)譜(pu)反(fan)射(she)率(lv)上(shang)升(sheng)趨(qu)勢(shi)較(jiao)為(wei)顯(xian)著(zhu)，而(er)背(bei)景(jing)在(zai)此(ci)光(guang)譜(pu)範(fan)圍(wei)，光(guang)譜(pu)反(fan)射(she)率(lv)上(shang)升(sheng)較(jiao)為(wei)緩(huan)慢(man)，因(yin)此(ci)可(ke)以(yi)在(zai)此(ci)區(qu)域(yu)快(kuai)速(su)地(di)識(shi)別(bie)橙(cheng)子(zi)。無(wu)論(lun)從(cong)橙(cheng)子(zi)的(de)正(zheng)麵(mian)光(guang)譜(pu)還(hai)是(shi)側(ce)麵(mian)光(guang)譜(pu)來(lai)看(kan)，在(zai)530-1000 nm範圍內，橙子的黑斑區域的光譜反射率均低於橙子的白斑區域和正常區域。在400-1000nm範圍內，白斑區域和正常區域在藍光波段差異明顯。
圖3 橙子黑斑斑區域、正常區域、背景的光譜反射率
3.3 蘋果和橙子的最小噪聲分離變換
對經過鏡像變換、黑白幀校準的蘋果、橙子高光譜圖像進行MNF變換(如圖4，從左到右：蘋果、正麵橙子、側麵橙子) ，fenbiededaoyiyouxiaoxinxiweizhudeboduanheyizaoshengweizhudeboduan，bingqieanzhaoxinzaobicongdadaoxiaodeshunxupailie。yuanshishujudezhuyaoxinxidoujizhongzaiqianmiantezhengzhidadeboduan，houmiantezhengzhixiaodeboduanzhuyaoyizaoshengweizhu。tezhengzhijiejinyu0的多數是噪聲，最好選擇特征值高的波段。從圖4可知，無論是橙子還是蘋果，當特征值數到7時，特征值趨向於0且無顯著變化。
圖 4 蘋果腐爛區域與農業殘留區域提取流程圖
3.4 最小噪聲分離變換
由(you)於(yu)高(gao)光(guang)譜(pu)遙(yao)感(gan)數(shu)據(ju)波(bo)段(duan)多(duo)，波(bo)段(duan)間(jian)存(cun)在(zai)很(hen)大(da)相(xiang)關(guan)性(xing)，為(wei)了(le)克(ke)服(fu)維(wei)數(shu)災(zai)難(nan)，利(li)用(yong)最(zui)小(xiao)噪(zao)聲(sheng)分(fen)離(li)變(bian)換(huan)進(jin)行(xing)波(bo)段(duan)選(xuan)擇(ze)，達(da)到(dao)優(you)化(hua)數(shu)據(ju)，去(qu)除(chu)噪(zao)聲(sheng)和(he)數(shu)據(ju)降(jiang)維(wei)的(de)目(mu)的(de)。
最小噪聲分離變換( MNF)是對主成分變換( PCA) 的一種改進方法。PCA 是shi一yi種zhong線xian性xing變bian換huan，變bian換huan後hou各ge主zhu成cheng分fen分fen量liang彼bi此ci之zhi間jian互hu不bu相xiang關guan，隨sui著zhe主zhu成cheng分fen的de增zeng加jia該gai分fen量liang包bao含han的de信xin息xi量liang減jian小xiao，第di一yi主zhu成cheng分fen包bao含han的de信xin息xi量liang最zui大da，第di二er主zhu成cheng分fen與yu第di一yi主zhu成cheng分fen無wu關guan且qie在zai剩sheng餘yu成cheng分fen中zhong包bao含han的de信xin息xi量liang最zui大da，依yi此ci類lei推tui。但danPCAduizaoshengbijiaomingan，zaibianhuanhoudezhuchengfenfenliangzhong，xinxiliangdadexinzaobibuyidinggao，dangmougexinxiliangdadezhuchengfenzhongbaohandezaoshengdefangchadayuxinhaodefangchashi，gaizhuchengfenfenliangxingchengdetuxiangzhiliangjiucha。zhendui PCA 變換的不足，Green 和 Berman 提出最小噪聲分離變換( MNF)，它不但能判定圖像數據內在的維數( 波段數) ，分離數據中的噪聲，而且能減少隨後處理中的計算需求量。MNF 變換是基於圖像質量的線性變換，變換結果的成分按照信噪比從大到小排列。經過MNF變換大部分噪聲集中在特征小的分量中。而不像 PCA變換按照方差由大到小排列，從而克服了噪聲對影像質量的影響。
3.4.1 基於MNF的蘋果的黑斑、損傷區域識別
圖5列舉了蘋果原圖（高光譜RGB彩色合成）、MNF變換前7個特征值灰度圖。從MNF變換的特征值灰度圖來看，第1特征值灰度圖能較好地區分背景和蘋果，然而，蘋果的部分黑斑也會識別為背景；第2特征值灰度圖能較好地識別出蘋果的黑斑；第3特征值灰度圖雖能識別出蘋果的黑斑，但是蘋果的其他區域有一部分也會被識別為黑斑；第4特征值灰度圖較亮的部分為蘋果的黑斑和蘋果損傷區域，識別效果較好；第5、6、7特征值的灰度圖則無法正確識別出黑斑、損傷區域。
圖5 蘋果RGB原圖及前7個MNF特征值灰度圖
3.4.2 基於MNF的橙子的黑白斑區域識別
圖6列舉了橙子正麵、側麵原圖（高光譜RGB彩色合成）、MNF變換前7個特征值灰度圖。從正麵橙子的MNF變換的特征值灰度圖來看，第1特征值灰度圖能較好地區分背景、橙子黑斑，然而，背景和橙子黑斑則無法相互區分；第2、3特征值灰度圖亮度部分為黑斑，但是無斑點橙子也會被錯誤地識別為黑斑；第4特征值灰度圖能較好地識別出橙子的黑斑和白斑，即較亮的部分為橙子的黑斑、白斑，識別效果較好；第5、6、7及往後的特征值的灰度圖則無法正確識別出黑斑、白斑區域。
圖6 橙子正麵RGB原圖及前7個MNF特征值灰度圖
如圖7，從側麵橙子的MNF變換的特征值灰度圖來看，第1特征值灰度圖能較好地區分背景、橙子；第2、3特征值灰度圖識別效果並不如意，黑白斑、背景等均未能識別出來；第4特征值灰度圖雖然能識別出橙子黑斑，但是也錯誤地把部分無斑點橙子識別為黑斑；第5特征值灰度圖能較好地識別出橙子黑白斑、損傷區域，但是部分背景會錯誤地識別為黑白斑。第6、7及往後的特征值的灰度圖則無法正確識別出黑斑、白斑、損傷區域。
圖7 橙子測麵RGB原圖及前7個MNF特征值灰度圖
3.5 基於植被指數、閾值分割的蘋果斑點、損傷區域快速識別
根據圖2蘋果黑斑區域、損傷區域、正常區域和背景的光譜反射率變化規律，構建植被指數NDVI(723.6, 673.6)去除背景並掩膜，最後利用灰度密度分割，用紅色代表蘋果斑點、損傷區域，綠色代表損傷附近區域，如圖8所示。從圖中可知，利用植被指數、閾值分割的方法能快速、較為準確地識別出蘋果的斑點、損傷區域。
圖8 基於植被指數、閾值分割的蘋果斑點、損傷區域快速識別
3.6 基於植被指數、閾值分割的橙子斑點、損傷區域快速識別
根據圖3橙子黑白斑區域、損傷區域、正常區域和背景的光譜反射率變化規律，構建植被指數NDVI(706, 590)去除背景並掩膜MNF5，最後利用灰度密度分割，用紅色代表橙子斑點、損傷區域，黃色代表輕微損傷或者微小的橙子斑點，如圖9所示。從圖中可知，無論是橙子的正麵或者側麵，利用植被指數、閾值分割的方法均能快速、較為準確地識別出其斑點和損傷區域。
圖9 基於植被指數、閾值分割的橙子斑點、損傷區域快速識別
四、討論
高光譜成像技術應用於水果斑點及損傷區域的快速識別已體現出其“圖譜合一”的優越性。水果損傷和水果表皮的斑點顏色雖然能用肉眼一一識別，但是在工業生產用，僅靠人力去一一挑選無損傷、無斑點的水果，既費時費力費財。利用成像高光譜技術，獲取不同水果的光譜反射率，查找出其損傷、斑點的特征波段，利用特征波段構建植被指數從而實現水果損傷、斑點區域的快速有效的識別，並達到自動化挑選優質水果的目的。本研究結果表明，運用高光譜成像技術，運用最小噪聲分離、植(zhi)被(bei)指(zhi)數(shu)等(deng)方(fang)法(fa)等(deng)，均(jun)可(ke)有(you)效(xiao)地(di)識(shi)別(bie)水(shui)果(guo)損(sun)傷(shang)與(yu)斑(ban)點(dian)區(qu)域(yu)，但(dan)最(zui)小(xiao)噪(zao)聲(sheng)分(fen)離(li)方(fang)法(fa)較(jiao)為(wei)複(fu)雜(za)，運(yun)算(suan)速(su)度(du)較(jiao)慢(man)，不(bu)適(shi)合(he)在(zai)工(gong)業(ye)生(sheng)產(chan)上(shang)進(jin)行(xing)應(ying)用(yong)，而(er)植(zhi)被(bei)指(zhi)數(shu)算(suan)法(fa)簡(jian)單(dan)，僅(jin)利(li)用(yong)2個波段進行四則運算即可實現水果損傷和斑點的快速識別。
地址：北京市海澱區中關村大街19號新中關B座北翼1701-1706室.png)
電話：.png)
傳真：.png)
郵箱：
Customer Service-1