基于高光谱成像的苹果虫害检测特征向量的选取-论文.pdf

《基于高光谱成像的苹果虫害检测特征向量的选取-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第30卷第12期农业工程学报、向l_30NO．121322014年6月TransactionsoftheChineseSocietyofAgriculturalEngineeringJun．2014基于高光谱成像的苹果虫害检测特征向量的选取田有文，程怡，王小奇2，栗庆吉(1．沈阳农业大学信息与电气工程学院，沈阳110866；2．沈阳农业大学植物保护学院，沈阳110866)摘要：利用高光谱成像技术，明确苹果虫害无损检测的最优特征向量，以实现对苹果虫害的快速、准确、无损检测。本文首先对646nrn波长的特征图像进行阈值分割、膨胀与腐蚀运算获得掩膜图像，并利用掩模图像对高光谱图像进行掩模和主

2、成分分析，对获得的PC1(thefirstprincipalcomponent，第一主成分)图像进行最大熵阈值分割以有效提取虫害区域。然后对比分析虫害区域与正常区域图像的纹理特征，提取灰度共生矩阵的4个方向的4个纹理参数(能量、熵、惯性矩和相关性)，并且采用基于高光谱图像的光谱差值获取了2个特征波长对应的光谱相对反射率作为光谱特征。优化组合纹理特征和光谱特征成4个特征向量组，采用BP(backpropagation，反向传播)神经网络对正常苹果和虫害苹果进行检测。结果表明，融合0度方向的能量、熵、惯性矩和相关性的纹理特征和646、824am波段的相对光谱反射率的光谱特征进行检测识别效果

3、最好，正常果的识别率为100％，虫害果的识别率为100％，并且速度快、误差小。该研究所获得的特征向量可为开发多光谱成像的苹果品质检测和分级系统提供参考。关键词：无损检测；主成分分析；图像处理；光谱特征；高光谱成像doi：10．3969~．issn．1002—6819．2014．12．016中图分类号：TP391．41；TP274~．52文献标识码：A文章编号：1002—6819(2014)～12—0132—08田有文，程怡，王小奇，等．基于高光谱成像的苹果虫害检测特征向量的选取[J]．农业工程学报，2014，30(12)：132—139．TianYouwen，ChengYi，WangX

4、iaoqi，eta1．Featurevectorsdeterminationforpestdetectiononapplesbasedonhyperspectralimaging[J]．TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE)，2014，30(12)：132—139．(inChinesewithEnglishabstract)较高，且不能满足水果在线检测应具备的无损性、0引言快速性、直观性等要求【oJ。因此，亟需开发一种快中国是苹果生产大国，苹果的种植面积和总产速、无损

5、、高效的苹果虫害检测方法。量均居世界第一[11。然而中国苹果在国际市场上，由于高光谱成像技术融合了图像处理和光谱因为采后检测、分级技术落后等，导致品质较差、分析的优点，可以快速、无损地检测研究对象内外在国际市场上缺乏竞争力，苹果出口占总产量的比部特性，因此近年来在农产品品质与分级中获得了重非常低【2]。为了解决此问题，就必须严格把关中广泛的应用[7-10]，尤其为农产品受虫害后的检测带国苹果的缺陷检测，尤其是苹果虫害的检测。苹果来了新的途径和方法【J。RonaldP．Haf蹲2J研究了在生长中，果实有时会受到食心虫等虫害的侵入，一种受果蝇侵染的芒果高光谱图像进行分析和识从而使其正常新陈

6、代谢受到干扰，其生理机能、组别其上斑点的方法，该方法经反复优化参数，最终织结构等被破坏，极大影响苹果的品质和销售，因结果为最低总体识别错误率为12．3％。SinghCB此苹果虫害作为苹果质量分级的重要指标之一J，等[13]利用近红外光谱成像区分正常小麦与虫蛀小其检测尤为重要。害虫侵入苹果果实后，往往在其麦的损害，使用线性判别分析(1ineardiscriminant内部进行驻洞，在表面形成虫眼L4J。目前，中国对analysis，LDA)和二次判别分析(quadratic水果缺陷的检测仍停留在主要依靠人工目测、抽样discriminantanalysis，QDA)对健康小麦与虫蛀小麦切

7、片或常规可见光机器视觉检测的阶段p】，误判率判别，结果表明正确分类率达85％～100％。WangJ．等l4l应用高光谱成像技术实现了对枣的外部虫害收稿日期：2014—02．12修订日期：2014．06，03的检测，总体正确识别率为97％。XingJ等Ds]利用基金项目：农业部公益性行业(农业)科研专项资助项目(201103024)；高光谱透视图像和反射光谱数据研究酸樱桃的内辽宁省教育厅科学技术研究资助项目(L201ll14)作者简介：田有文(1