[发明专利]基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法有效
申请号: | 201811205621.8 | 申请日: | 2018-10-17 |
公开(公告)号: | CN109187378B | 公开(公告)日: | 2021-04-16 |
发明(设计)人: | 许丽佳;郑丽娜;陈昕远;康志亮;黄鹏;贾纪晨;李文鑫;张萌志 | 申请(专利权)人: | 四川农业大学 |
主分类号: | G01N21/27 | 分类号: | G01N21/27 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 611130 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 光谱 图像 猕猴桃 可溶性 固形物 含量 无损 检测 方法 | ||
1.基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法,其特征在于,
首先利用高光谱分选仪采集猕猴桃的高光谱图像并对其进行黑白校正,从中提取整个猕猴桃区域作为感兴趣区域;该感兴趣区域的平均光谱信息作为原始光谱信息,对其进行去除首尾两端噪声波段的光谱预处理;
然后将预处理后的光谱信息采用核主成分分析法降维提取出特征光谱,并将特征光谱输入用粒子群算法优化参数后的已训练检测器即最小二乘支持向量机,从而可检测出猕猴桃的可溶性固形物含量;
具体步骤为:
步骤101:通过高光谱分选仪采集猕猴桃的高光谱图像,对采集后的高光谱图像进行黑白校正,首先利用高光谱分选仪采集标准白色校正板得到全白的标定图像W,然后盖上镜头盖采集全黑的标定图像B;根据公式(1)计算出校正后的图像R:
式中,Io—采集的高光谱图像,R—校正后的高光谱图像;
步骤102:提取黑白校正后的猕猴桃高光谱图像中的整个猕猴桃区域,作为感兴趣区域;
步骤103:求取感兴趣区域的平均光谱信息,并将其作为原始光谱信息;
步骤104:去除原始光谱信息中的首尾两端噪声波段;
步骤105-1:求取去除首尾两端噪声波段后的原始光谱信息的平均光谱,并将该平均光谱作为标准光谱,根据公式(2)计算:
式中,Ai,j为猕猴桃样本在各波长点处的光谱值,n为猕猴桃样本数,为猕猴桃样本在各波长点处求取的平均值;
步骤105-2:将去除首尾两端噪声波段的原始光谱信息与标准光谱进行一元线性回归运算,根据公式(3)求取出线性平移量和倾斜偏移量:
式中,Ai为猕猴桃各样本的光谱值,为猕猴桃各样本的平均光谱值,mi、bi为求取的线性平移量和倾斜偏移量;
步骤105-3:将去除首尾两端噪声波段的原始光谱信息减去线性平移量并除以倾斜偏移量,以校正去除首尾两端噪声波段后的原始光谱信息的相对基线倾斜,从而获得包含有更多与所检测成分含量相关的光谱信息,该光谱信息即为预处理后的光谱信息,依照公式(4)计算:
式中,为预处理后的光谱信息;
步骤106:采用核主成分分析法对预处理后的光谱信息降维提取出特征光谱,首先将预处理后的光谱信息进行归一化处理,然后采用径向基核函数求其核矩阵,根据公式(5)计算:
式中,K(x,xc)是核矩阵,xc为核函数中心,σ2为径向基核函数中的核参数;
然后对核矩阵中心化处理得到中心化核矩阵,求取该中心化核矩阵的特征值λ1···λn并降序排列以及其对应的特征向量u1···un;设置降维后的特性光谱的维数,对特征向量u1···un进行正交化后提取其主成分,即为提取出的低维特征光谱,其目的是消除光谱信息的冗余性;
步骤107:将提取的低维特征光谱作为输入、以理化试验检测的猕猴桃可溶性固形物含量作为输出形成训练样本对,对检测器即最小二乘支持向量机进行训练;在训练过程中,利用均方根误差及相关系数来选取低维特征光谱的维数,当均方根误差越小且相关系数越接近1时,此时对应的即为特征光谱的最佳维数;相关系数及均方根误差根据公式(6)、(7)计算:
式中,Rc为猕猴桃样本相关系数,RMSEC为猕猴桃样本均方根误差,yi为猕猴桃样本可溶性固形物含量平均值,为第i个样本的可溶性固形物含量检测值,nc是猕猴桃样本数;
其中,被训练的检测器即最小二乘支持向量机的γ、σ2参数采用粒子群算法优化选取;γ为最小二乘支持向量机的正则化参数,σ2为径向基核函数中的核参数,最小二乘支持向量机的模型为:
式中,y(x)是最小二乘支持向量机模型输出值,K(x,xk)是核矩阵,xk是输入变量,ak为拉格朗日乘子,b为模型偏差;
步骤108-1:采用粒子群算法优化最小二乘支持向量机中的γ、σ2参数时,初始化粒子群个数、初始化学习因子、初始权重、终止权重、迭代次数以及γ、σ2的参数寻优范围;
步骤108-2:对每一个粒子初始化其随机速度信息和位置信息;
步骤108-3:定义每个粒子的位置和速度、每个粒子的最佳位置和最优适应度以及所有粒子的最佳位置和全局最优适应度;
步骤108-4:随着迭代次数的增加,γ、σ2的变化导致每个粒子的适应度变化,评价每个粒子的适应度并更新当前粒子的最好位置以及全局的最佳位置,以获得合适的γ、σ2值;
步骤109:待测猕猴桃通过上述步骤获得对应的低维特征光谱,并将该低维特征光谱输入训练后的最小二乘支持向量机,即可获得待测猕猴桃的可溶性固形物含量。
2.根据权利要求1所述的基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法,其特征在于,所述高光谱分选仪包括均匀光源、光谱相机、电控移动平台及计算机;其中,所述均匀光源采用4个LSTS-200溴钨灯并呈梯形结构排列;所述光谱相机包括成像光谱仪和电荷耦合器件,设置光谱分辨率为2.8nm,即光谱范围为[400nm,1000nm];所述电控移动平台用于放置待测猕猴桃样品,其可承载的最大样品空间尺寸为300mm×300mm×200mm;计算机用于控制整个系统工作。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川农业大学,未经四川农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811205621.8/1.html,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序