基于透射和反射高光譜成像技術的馬鈴薯缺陷檢測方法研究.pdf

1、馬鈴薯作為世界上重要的農作物之一，具有良好的工業(yè)、食用及藥用價值。馬鈴薯的品質尤其是缺陷將直接影響其經濟價值，對馬鈴薯缺陷進行檢測研究有助于提高其商品價值。在實際檢測過程中，馬鈴薯的缺陷程度、缺陷放置方向、檢測系統(tǒng)關鍵參數和數據處理方法均會對檢測結果造成很大影響，因此，研究檢測系統(tǒng)的關鍵參數，確定物料多因素及不同數據處理方法對檢測結果的影響，進而建立馬鈴薯內外部缺陷無損檢測模型，實現(xiàn)快速、準確的檢測，以適應實時在線檢測的需求，具有重要的

2、科學意義和良好的應用前景。
　　該文以產于中國陜西省的克新1號馬鈴薯為研究對象，搭建了透射高光譜圖像采集系統(tǒng)，并綜合運用了透射高光譜成像技術、反射高光譜成像技術、圖像分析技術、光譜分析技術、數據分析技術等研究了馬鈴薯內部黑心病尤其是輕度黑心病馬鈴薯的定性識別方法及任意放置馬鈴薯外部損傷的定性識別方法。首先對所搭建的透射和反射高光譜圖像采集系統(tǒng)相關參數進行研究，確定了透射和反射高光譜圖像采集的關鍵參數;比較了透射和反射高光譜成像技術

3、對馬鈴薯黑心病的檢測準確率，確定了采用透射高光譜成像技術可以實現(xiàn)馬鈴薯輕度黑心病的檢測;采用透射和反射高光譜成像技術對任意放置的馬鈴薯外部損傷進行檢測，比較了反射圖像、反射光譜、透射光譜對馬鈴薯損傷識別的準確率，確定了任意放置的馬鈴薯外部損傷識別最優(yōu)模型。
　　研究結果如下:
　　1)搭建了透射和反射高光譜圖像采集平臺，并對透射、反射高光譜圖像采集的相關參數進行研究。
　　確定了反射高光譜成像系統(tǒng)的光源為環(huán)形布置，最佳

4、圖像采集速度為2mm/s。試驗對反射高光譜圖像的邊緣強度、梯度、圖像信息熵、標準差及光譜的扭曲程度和相關系數進行分析，結果表明，應用環(huán)形光源所采集的反射高光譜圖像較優(yōu);對棋盤紙反射高光譜圖像進行理論分析并結合試驗研究，確定圖像采集速度為2mm/s;
　　確定了透射高光譜成像系統(tǒng)的光源為3個50w鹵素燈，最佳圖像采集速度為2mm/s。試驗分別采用3個強度為20W、50W、100W的環(huán)形鹵素燈進行試驗，對三種強度下透射高光譜圖像的光譜

5、透射率進行分析，確定3個50W的鹵素燈最優(yōu);對棋盤紙透射高光譜圖像進行理論分析并結合試驗研究，確定圖像采集速度為2mm/s。
　　2)確定了反射高光譜圖像光譜維數據的最優(yōu)光譜預處理方法為去趨勢變換，最優(yōu)建模方法為偏最小二乘判別分析，模型總體識別準確率為89.47％，其中對黑心樣本的識別準確率為84.38％，對正常樣本的識別準確率為96.00％。
　　3)確定了透射高光譜圖像光譜維數據的最優(yōu)光譜預處理方法為標準正態(tài)變量校正，最

6、優(yōu)的建模方法為偏最小二乘判別分析，模型總體識別準確率為96.49％，其中對黑心樣本的識別準確率為97.30％，對正常樣本的識別準確率為95.00％。
　　4)比較了透射和反射高光譜成像技術對馬鈴薯黑心病檢測的準確率，確定透射高光譜成像技術較優(yōu)。
　　5)研究基于透射高光譜成像技術的馬鈴薯黑心病檢測模型優(yōu)化方法，確定了采用CARS-SPA變量選擇方法最優(yōu)。采用蒙特卡洛無信息變量消除法（MC-UVE）、隨機蛙跳算法(SFLA)、

7、子窗口排列分析(SPA)、競爭性自適應重加權采樣算法(CARS)及CARS-SPA等變量選擇方法對透射光譜進行變量選擇。結果表明，采用CARS-SPA變量選擇方法較好，應用該算法選擇5個變量建立了馬鈴薯黑心病PLS-DA模型，模型總體識別準確率為96.49％，其中對黑心樣本的識別準確率為97.30％，對正常樣本的識別準確率為95.00％。
　　6)研究基于反射高光譜圖像維的任意放置馬鈴薯外部損傷檢測方法。應用獨立成分(IC)分析提

8、取反射高光譜圖像的特征，以此特征對反射圖像進行二次IC分析，建立了基于反射圖像的馬鈴薯損傷識別模型。結果表明，損傷不同放置方向對識別準確率影響很大，損傷正對相機識別準確率最高，其中機械損傷的識別準確率為90.91％，碰傷的識別準確率為93.10％，正常樣本的識別準確率為94.00％。
　　7)研究基于反射高光譜圖像光譜維的任意放置馬鈴薯外部損傷檢測方法。應用IC分析提取反射高光譜圖像的特征，以此特征對反射光譜進行變量選擇，建立了基

9、于反射光譜的馬鈴薯損傷識別模型。結果表明，模型對碰傷識別準確率較高，碰傷部位正對相機放置時識別準確率最高為96.55％，背對相機放置時識別準確率為94.83％，側對相機放置時識別準確率為91.38％;但是模型對馬鈴薯機械損傷識別準確率較低，最高僅為78.18％。
　　8)確定了基于透射高光譜圖像光譜維的任意放置馬鈴薯外部損傷檢測方法。應用IC分析提取透射高光譜圖像的特征，以此特征對透射光譜進行變量選擇，建立了基于透射光譜的馬鈴薯損

10、傷識別模型。結果表明，模型對損傷識別準確率較高，碰傷三個放置方向中，識別準確率均為100％，機械損傷正對、背對相機的識別準確率均為100％，側對相機的識別準確率為98.18％。
　　9)確定了基于透射高光譜圖像光譜維的損傷識別模型優(yōu)化方法。應用子窗口排列分析算法(SPA)對透射光譜做進一步選擇，確定采用3個光譜變量建立任意放置馬鈴薯損傷識別的PLS-DA模型，模型對損傷的總體識別準確率為97.39％。結果表明，基于透射高光譜成像技