16、基于高光谱成像的苹果病害无损检测方法

基于高光谱成像的苹果病害无损检测方法

1、发现问题

苹果果实易发生病害,传统的苹果病害的检测不适应苹果分级在线检测的要求。 为了实现病害苹果快速、有效的在线检测,采用高光谱成像技术对寒富苹果的炭疽病、苦痘病、黑腐病和褐斑病的病害果进行无损检测研究。

2、研究思路

根据正常区域与病害区域光谱相对反射率差异,提出改进流形距离方法。 综合计算病害与正常区域,病害与果梗/花萼区域,正常与果梗/花萼区域的光谱相对反射率的总改进流行距离 L 值,从而从全波段中选择了 3 个特征波段,分别为 700,765,904nm。 对 700nm 特征波段下的图像进行阈值分割,以此获得掩膜图像,并对掩膜后的图像二次阈值分割提取感兴趣区域。 将 3 个特征波段下对应的光谱相对反射率分别组合,作为 BP 神经网络的输入矢量,检测苹果是否为病害果。

选择 700nm 与 904nm 波段下的光谱相对反射率为最佳组合,病害果的检测率达 96.25%。 说明高光谱成像技术所获得的 2 个特征波段可以有效对苹果病害进行检测,为开发多光谱成像的苹果品质在线检测和分级系统提供参考。

田有文等[基于高光谱成像技术,采用主成分分析选取 2 个特征波段的光谱相对反射率结合 0 度方向的能量、熵、惯性矩和相关性的纹理特征通过神经网络对苹果虫害进行检测,检测率达到 100%。

李江波等[利用高光谱成像技术采集并分析了脐橙的 11 类病害区域的光谱曲线,并结合主成分分析法(PCA)确定 5 个最佳波段。 然后根据特征波段选取第 5 主成分作为检测的特征图像,检测率达到 80%。

你可能感兴趣的:(高光谱文献阅读,神经网络,机器学习,人工智能,深度学习,计算机视觉)