[发明专利]基于高光谱图像的过熟蓝靛果果实识别方法

说明书

技术领域

本发明涉及红外光谱识别领域，具体涉及一种基于高光谱图像的过熟蓝靛果果实识别方法。

背景技术

蓝靛果为多年生落叶灌木，其果实营养价值很高，含有灰分、蛋白质、脂肪、单宁、果胶、挥发酸、维生素和磷等多种元素，特别是维生素C的含量较高，并且它还含有人类必须从食物中获取的7种氨基酸和多种微量元素。鲜果可生食，更是酿造果酒和饮料的好原料，是难得的天然色素品。其浆果亦可入药，有清热解毒作用。通过机械振动式采摘装置收获的蓝靛果果实中包含未熟的红色、青色果实，刚熟和过熟的深蓝色果实。其中，未熟的红色、青色果实可通过普通的RGB图像处理方法判断出来；而过熟的果实与适熟的果实表面颜色相同，无法采用上述方法进行区分。但过熟的果实偏软，在运输过程中极易破损导致果浆外漏而影响其他正常果实，降低其市场价值。目前常用的方法是人工用手指判断果实的硬度，将偏软的果实挑拣出来，工作量大且效率低。

高光谱图像技术是将成像技术与光谱探测技术结合，在对目标的空间特征成像的同时，对每个空间像元经过色散形成几十个乃至几百个窄波段以进行连续的光谱覆盖。高光谱图像集图像信息与光谱信息于一身。图像信息可以反映成像对象的大小、形状、缺陷等外部品质特征，由于不同成分对光谱吸收也不同，在某个特定波长下图像对某个缺陷会有较显著的反映，而光谱信息能充分反映样品内部的物理结构、化学成分的差异。这些特点决定了高光谱图像技术在农产品内部品质的检测方面的独特优势。

发明内容

基于以上的分析，本发明的目的是利用高光谱图像，为过熟蓝靛果果实的识别提供一种全新的方法。

为了解决上述技术问题，本发明提供一种基于高光谱图像的过熟蓝靛果果实的识别方法，包括步骤：

S1：将待识别的蓝靛果果实置入高光谱成像装置，采集高光谱图像；

S2：分别对高光谱图像中的果实像素和背景像素进行采样，分析其光谱特征，提出去除图像背景的函数模型；

S3：根据S2中建立的函数模型去除图像背景；

S4：采用中值滤波、形态学滤波、空间处理和阈值判断的方法去除噪声，从而确定果实的位置；

S5：分别对过熟果像素和适熟果像素进行采样，利用逐步向前变量选择(Forward stepwise variable selection)的方法对光谱信息进行分析，从而优选出最具有判别性的波段，再采用线性判别分析(Linear discriminant analysis)法建立判别过熟果像素与适熟果像素的函数模型；

S6：根据S5建立的判别模型对每一个果实的每一个像素进行计算和判别分类，并分别标记为过熟果像素或适熟果像素；

S7：采用多数原则对每一个果实进行分类，当判别为过熟的像素数超过一个果实50％的像素数时，则该果实判为过熟果，否则为适熟果。

将每类果实的全部样本随机分成两个部分，一部分样本用于建模，另一部分样本用于测试；

设高光谱图像包含p个连续的波段，任一像素在任意波段q的亮度值I_q；

其中，所述步骤S2的去除图像背景的函数模型的获取方法为：

分别对高光谱图像中的果实像素和背景像素进行采样，对各个波段的取各自在果实像素和背景像素的平均亮度值，得到果实像素和背景像素的光谱特性曲线，分别寻找这两条曲线的亮度最大值所在波段，设果实像素的光谱特性曲线的最大亮度值所在波段为m，背景像素的光谱特性曲线的最大亮度值所在波段为n，由此提出去除图像背景的模型为：

V_B＝I_m/I_n

通过试验研究确定一个阈值V，当V_B＞V时，该像素属于果实像素，否则，该像素属于背景像素，从而获得初步去除背景的二值图像；

其中，所述步骤S4中的阈值判断为：

根据具体成像装置的分辨率以及与果实的距离，进行试验分析，确定一个阈值A，当图像中某区域的像素数大于A，则将其判定为果实区域，否则，判定为噪声区域并处理；

其中，所述步骤S5中建立判别过熟果像素与适熟果像素的函数模型的方法为：

S51：分别对过熟果像素和适熟果像素进行采样；