多重波段高光谱成像技术检测金冠苹果瘀伤—翻译1

《多重波段高光谱成像技术检测金冠苹果瘀伤—翻译1》由会员分享，可在线阅读，更多相关《多重波段高光谱成像技术检测金冠苹果瘀伤—翻译1（13页珍藏版）》请在金锄头文库上搜索。

1、多重波段高光谱成像技术检测金冠苹果瘀伤Juan Xing； Cedric Bravo； Pa l T. Jancso k； Herman Ramon； Josse De Baerdemaeker农业机械和处理实验室， 农业工程和经济学学院，鲁汶天主教大学艾伦伯格 Kasteel 公园 30，b 3001，比利时鲁汶；联系人的电子邮件juan.xingagr.kuleuven.ac.be：2004 年 6 月收稿，2004 年 11 月出版摘要：在这个研究中，使用的潜在多光谱成像系统追究检测“金冠苹果”瘀伤。为了这个目的，一个波段范围在 400nm 和 1000nm 的高光谱成像系统成立了。基于

2、高光谱成像的主成分分析，四个波段被选取了作为一个多光谱成像测试。主成分分析多光谱图像在高光谱影像给了非常相似的结果。第二个和第三个主成分组件分数图像被发现是适合标识瘀伤的存在的部位。开发了基于阈值分析的一个图像处理和分类算法。分类结果表明，使用示例数目的在这个实验中，大约 93%的非瘀伤的苹果被辨别出来。实现了约 86%的精度检测瘀伤，虽然所有的受伤区域被发现仍然在图像阈值范围内显现出来。关键词：苹果，跌打损伤，缺陷，近红外，高光谱成像，质量，光谱学1 引言擦伤是苹果在处理运输过程中发生的一个重大的皮肤缺陷。水果外表的会影响消费者购买行为和外貌值。因此，苹果有表面缺陷必须与非伤痕累累的苹果在进

3、入商场之前必须进行分级操作。最近可用商业分类系统以及存在各自不同程度的缺陷，但他们的能力检测suchsub 病变缺陷擦伤是仍然还是一个问题 (Lu，2003) 。许多技术被用来研究自动检测苹果果实的伤痕和损伤。机器视觉被广泛应用于水果业水果的大小进行排序和颜色的分类。然而，这一排序系统存在一定的缺陷，比如在机器视觉仍然具有一个挑战性的问题。商业在分拣系统中的缺陷，微笑的缺陷在跌打损伤仍然是一个问题，研究中发现， ，可用于近红外光谱（NIRS）检测瘀伤苹果，因为新鲜的具有伤痕累累组织的苹果具有较低的反射率比正常的结构的苹果在短波区域近红外（VIS/NIR）约 400-1000nm（brown 等

4、人，1974， ；Geoola 等人，1994 年，厄普丘奇等人，1990 年） 。然而，由于近红外光谱测量小面积的组织（点的测量） ，因此不适合用于检查整个苹果。Throop 认为使用近红外摄像头获取整个苹果扫描的图像开发的图像处理来检测两个具有不同的伤痕的苹果，不同的检测结果在很大程度上取决于挫伤的严重程度和挫伤中形状进行处理。后来，该组研究人员研发出一种多光谱成像系统使用四个波段来检测外伤缺陷，（Aneshansley 等人，1997 年， throop 等人，1999 年） 。制定详细的报告来说明检测挫伤的成效。其他（schatzki 等人， 1997）使用 X 射线成像系统来检测苹果

5、的缺陷，但是这种检测技术不适用于目前市面上的水果的缺陷。温和陶（1998）采用双凸轮技术，即一个近红外相机和一个红外摄像头用来检测具有表面缺陷的水果。最近，对高光谱成像进行研究的农产品质量安全检验检测（法-rence 等人，2001 年，199 年）lu 等人（1999 年）研究了高光谱成像检测了三个品种的苹果在 450-900nm 光谱区域的图像，研究发现在一个多拓展区可以检测水果的内部品质。然而，现在正在使用的Technolo 成像 GY 扩展的近红外区域检测跌打损伤等缺陷还没有被探索，因为没有合适的 NIR 成像设备，直到最近。以最近的 InGaAs 阵列探测器技术的进步，我们现在可以利

6、用高光谱跌打损伤检测苹果成像技术在近红外区域调查电位。本研究的总体目标是研究潜在的高光谱成像光谱区域在 900 nm 和 1700 nm被用来检测苹果的伤痕。研究的具体目标是： a)开发一个覆盖近红外高光谱成像系统从 900 纳米到 1700 纳米的光谱区作为苹果果实的挫伤检测。 b)开发计算机算法来识别和分辨苹果是正常组织还是具有新的和旧的瘀伤的水果。找出，适用于具有损伤检测的自身的光谱区域和相关性大的区域。2.材料和方法2.1 样品制备样品蛇果和金冠苹果来源于密歇根州立大学的园艺场 2000 年。对于那些苹果，我们分别从通过目测的瑕疵和瘀伤的研究。将其分成完好和具有损伤的两大类样品，样品的

7、分配是通过一个特殊的设备是专为诱导瘀伤苹果测试。 该装置有一根钢棒具有 483 毫米长配备一个摆动臂，其一端被连接到一个支枢的一端而其另一端有一个钢盘 38 毫米直径和 13 毫米的高度，重量为 113克。钟摆安装在一块木板和休息水平。通过抬起摆锤到一个预先选定的位置（或高度）后释放它，钢盘将影响水果坐在一个木头架子上的水果产生挫伤。40 个损伤样品，其中每个品种的水果被选定为挫伤研究。每个苹果都被打伤在三个不同的位置 围绕赤道线的果实具有三个钟摆（127，229 和 330 毫米）的位置。这三个撞击位置初步测试和推理的基上选择瘀伤要生成应该在之间的范围内 16 毫米和 28 毫米，这对应到瘀

8、伤实验中规定的三个质量等级的苹果 美国农业部的苹果分级标准（美国农业部农业 营销服务，1978 年）。第二个目的使用的三个位置的，以确定如果近红外光谱 成像下面描述将能够检测 各种大小或程度的伤痕，每一个水果。然而，后来研究中我们发现到此类想象，挫伤大小之间差别很大。水果即使是相同的青紫的位置，因为个人的苹果水果有相当不同的敏感性青紫。因此，在高光谱图像处理，跌打损伤的三个青紫色位置分成不同的类。平均挫伤大小相当于约 23 毫米红元帅苹果和 21直径的圆形区域金冠苹果，基于所估计的瘀伤地区从剥离的苹果的图像。实际瘀伤尺寸从约 10 毫米至 30 毫米之间变化。2.2 高光谱成像系统高光谱成像系

9、统，示意图所示图 1 中，被我们研究开发和使用。该系统主要的 InGaAs 阵列相机（传感器无限制 ED，普林斯顿，新泽西州）覆盖的光谱范围包括从 900 纳米和 1700 纳米之间的光谱范围，成像光谱仪（SPECIM 芬兰）被安装到相机上，一个 25 毫米焦距的电视镜头，一台电脑配备一帧的抓板控制相机这个是用来获取图像数据，石英卤灯，和一个专门设计的生物圆锥滚子是用来水果成像设备的定位。砷化铟镓指定的频谱效率大于 70 地区。成像光谱仪，具有大小为 50 毫米的狭缝的 F 数为 2.8，水果一行的扫描时间很短。由于输入的光束的光谱仪，它是 分散到不同的方向中，根据波长 同时保留其空间信息。分

10、散的光然后，映射到 InGaAs 检测器阵列，从而导致一个二维图像，一维表示光谱轴和其他的空间信息扫描线。为系统的光谱分辨率为 4.3 纳米。通过扫描水果的整个表面上，一个完整的三维高光谱遥感图像多维数据集的建立，在两个维度为代表的空间信息和所述第三表示的光谱信息。该 DC 石英卤灯的输出功率控制，以产生适当的照明需要的高光谱成像。通过两个光纤束光被送到两行灯定位约 303 从垂直线。辊装置由变速电动机控制与成像系统同步。高光谱成像系统校准后续 ING 陆和陈（1998 ）描述的过程。Lawrence 等。（2001 年）已经开发出一种复杂的校准指令成像光谱仪系统的校准程序。水果从冷藏库（0）

11、约 12 小时前的进行第一次成像，让他们到室温温度。高光谱图像的单果在按照不同的时间间隔进行图像采集，间隔为 47 天。在此期间期间我们评估的伤痕随着时间的变化。 高光谱首先从图像挫伤苹果前和挫伤后进行研究。这些图像被用来作为一个拍摄的图像参考，以协助确定瘀伤后果实被撞伤。在 4 个小时后，跌打损伤可能诱导图像产生变化，第一组的高光谱图像。图 1 高光谱成像系统的示意图2.3 数据处理和分析图像捕获和自动阈值项目虚拟仪器(国家仪器公司、奥斯汀、美国) 进行开发和使用；而其他处理程序是在 Matlab 开发(MathWorks Inc .，纳蒂克，美国)处理和完成的。2.3.1 数据简化和平滑减

12、少噪音和数量的数据进行计算，空间谱数据从每个扫描是由 10 个相邻象素平均在光谱维度和平均 5 个像素的横向空间维度。这导致了 104*104 的光谱通道与大约 7nm 像素的增量。为了避免低信噪比，只有波长从 500-950nm 被用在这个采样过程中。2.3.2 波长校准Wavelengthcalib 配给都使用一个 TLP 32 w / 33 型卤钨灯。 谱系的灯光从灯首次测量的 MCS 501 光谱仪(卡尔蔡司 Jena GmbH，德国耶拿) 检测发射峰波长的灯。后来，光相同的灯是通过测量光谱成像系统。比较来自两个设备排放峰值给了一个完美的线性回归(确定系数 r2 的 0 - 9999)

13、。这个光谱范围的高光谱 imagingsystem 被发现 341 - 996 nm 范围内利用 0 - 63 nm 波段来解析整个光谱确定范围。2.3.3 反射率校正由于非线性灵敏度的 CCD 摄像机、平标准反射率测量不会导致一个平面曲线。因此，一个反射校准前，还需要进行进一步的分析。为了这个目的，四个标准引用，withrefl ectance 99%(R99)，75%(R75)，20%(R20) 和 2%(R02)(Spectralon，Labsphere Inc .，北萨顿NH，美国) ，进行了测量。 一个线性关系被发现的强度之间的形象和反射 fromreferences在特定波长(sh

14、 的图 2)，反射率校正方程在这项研究中的应用公式如下：（1）(RkIb当 代表的是反射的样品表面波长 是图像的强度 从样品表面波长提单是系数) I和 ，分别代表不同相关系数。在测量两个标准的引用，如 Spectralon R99 和 R75。后k来，这个方程是应用于图像的 eachpixel 获得相应的反射率值。通常，在一个苹果的形象，该地区还有不到 30%的反射会切断在背景分割。 R75 的选择而不是黑色的电流测量，因为它已经预料到预测结果可以更准确的高反射率的水平。强度(在校准) 和反射(在校准)块的引用在图 3 中进行说明。显然，异构的敏感性 CCD 的偏位校正被更正了。图 2 关系图

15、像的灰度级(10 位值介于 0 和 1024(= 210)和反射在不同波长在一个固定的高度2.3.4 背景分割背景和低强度在边界地区的苹果是由一个简单的阈值分割方法。由此产生的图像被进一步分析了主成分分析(PCA) 。2.3.5 主成分分析主成分分析（Principal Component Analysis，PCA ） ， 将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。又称主分量分析。在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素） ，因为每个变量都在不同程度上反映这个课题的某些信息。主成分分析首先是由 K.皮尔森对非随机变量引入的，尔后 H.霍特林将

16、此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。3 结果与讨论图片 4 是代表这个光谱成像系统得到的校准反射谱。3.1 主成分分析在完整的波长区域图 3 影响反射率校正；R02，R99 R20、R75，是标准的 spectralon 参考与反射程度，分别是99%和 75%的范围图 4 代表形状的光谱波长和反射率校正后的瘀伤和完整的地区的苹果主成分分析应用于提高擦伤特性和降低数据维数。作为第一步，反射在整个波长范围对于每个像素必须校准。然后，所有的像素在一个苹果被标记为中毒基于反射图像在特定波段，比如。750 海里。后来，PCA 反射谱进行了一个苹果，因此几个主要组件可以实现的。如果大量的一个特定的主成分都有组织根据标签的像素，可以创建新的苹果形象。新的图像被称为“PCA 分数图像作为有别于正常的反射率或强度的图像。例如，对于一个像素的苹果，它第一次被标记为其位置根据反射率图像，即 th eithrow 和 jthco lumn 在图像。在主成分得分的形象，这个职位，第