[发明专利]基于变分模态分解的高效甘蔗茎节识别方法

权利要求书

1.基于变分模态分解的高效甘蔗茎节识别方法，其特征在于，甘蔗茎节识别方法包括下述步骤：

S1、通过平行于甘蔗径向方向的平行光源扫描获得甘蔗的垂直投影图像，且所述垂直投影图像通过线阵CCD传感器获得原始光电信号；

S2、对步骤S1中的所述原始光电信号进行固定阈值二值化，以获得甘蔗的轮廓信号；

S3、将步骤S2的所述轮廓信号通过VMD算法分解为若干模态分量，且对各个模态分量进行HHT变换，以获得各个模态分量对应的HHT边际光谱；

S4、选择步骤S3中信号中低频部分最大能量范围的所述HHT边际光谱作为甘蔗节点的特征信号，且对所述特征信号进行归一化，以根据归一化后所述特征信号的饱和值设置节点阈值；

S5、获取步骤S4中归一化后所述特征信号中大于所述节点阈值的波峰，以获得节点波峰，将所述节点波峰对应的位置作为甘蔗节点位置。

2.根据权利要求1所述的基于变分模态分解的高效甘蔗茎节识别方法，其特征在于：在步骤S2中，通过Otsu阈值选择获得元素阈值，且根据二值化对所述原始光电信号进行预处理，获得每一元素阈值中被遮挡的元素，以根据被遮挡的元素获得甘蔗的轮廓信号。

3.根据权利要求2所述的基于变分模态分解的高效甘蔗茎节识别方法，其特征在于：所述二值化处理的计算方法为：

其中，f(x)为原始光电信号；g(y)为二值化后的信号；x为扫描甘蔗过程中的所有采样点；T_R为元素阈值。

4.根据权利要求1所述的基于变分模态分解的高效甘蔗茎节识别方法，其特征在于：在步骤S3中，通过VMD迭代更新所述轮廓信号中每个本征模式函数IMF的中心频率及带宽，以使所述轮廓信号的根据自身特性自适应地分解信号。

5.根据权利要求4所述的基于变分模态分解的高效甘蔗茎节识别方法，其特征在于：通过VMD构建受限变量模型，且通过引入增强拉格朗日乘法算子计算受限变量模型，以获得与分解本征模式函数IMF个数K及惩罚参数α相关的迭代持续到收敛表达式。

6.根据权利要求5所述的基于变分模态分解的高效甘蔗茎节识别方法，其特征在于：在步骤S3中，根据麻雀搜索算法构建适应度函数，且根据适应度函数获得与所述轮廓信号相匹配的[K,α]最优组合，以使所述轮廓信号分解为K个模态分量。

7.根据权利要求6所述的基于变分模态分解的高效甘蔗茎节识别方法，其特征在于：所述适应度函数为：

其中，FuzzyEn是模糊熵函数；d是随机信号时间序列；m是嵌入的维度；n表示相似容忍边界的梯度；r表示模糊函数边界的宽度；及为两个向量与m或m+1实数相匹配的r的概率；lg(omega)是最佳中心频率的相对聚集代数；length(w_k)是提取最佳中心频率w_k的信号长度；P*是时间序列x和y的PPMCC；和代表x和y的平均值。

8.根据权利要求1所述的基于变分模态分解的高效甘蔗茎节识别方法，其特征在于：在步骤S5中，通过findpeaks函数获得HHT边际光谱中节点波峰对应的距离信息及时间信息，且根据步骤S1中的扫描速度，获得甘蔗节点的坐标位置。

9.根据权利要求1所述的基于变分模态分解的高效甘蔗茎节识别方法，其特征在于：在步骤S5中，根据步骤S1中的扫描速度获得间距阈值，比较两相邻所述节点波峰之间的距离，当两相邻所述节点波峰之间的距离大于所述间距阈值，该两所述节点波峰对应的位置均为甘蔗节点位置，当两相邻所述节点波峰之间的距离小于所述间距阈值，两所述节点波峰中峰值较大的节点波峰对应的位置为甘蔗节点位置。