本文關(guān)鍵詞： 高光譜成像 損傷檢測(cè) 支持向量機(jī) 波段比運(yùn)算 庫(kù)爾勒梨　出處：《光譜學(xué)與光譜分析》2017年01期 　論文類型：期刊論文

【摘要】：利用高光譜成像技術(shù)對(duì)庫(kù)爾勒梨早期損傷進(jìn)行快速識(shí)別檢測(cè)。以60個(gè)庫(kù)爾勒梨為研究對(duì)象,采集380~1 030nm波段范圍內(nèi)完好樣本和損傷后1~7天樣本的480幅高光譜圖像。提取圖像中感興趣區(qū)域(ROI)的平均光譜信息,利用小波變換(WT)對(duì)光譜數(shù)據(jù)進(jìn)行去噪平滑,將去噪后的全部樣本按2∶1的比例分成建模集(320個(gè))和預(yù)測(cè)集(160個(gè))。利用二階導(dǎo)數(shù)從全譜信息中提取出19個(gè)特征波長(zhǎng),分別基于全譜和提取出的特征波長(zhǎng)對(duì)建模集和預(yù)測(cè)集進(jìn)行支持向量機(jī)(SVM)建模分析。結(jié)果表明,基于全譜和特征波長(zhǎng)的判別分析模型中,兩者預(yù)測(cè)集的識(shí)別率都達(dá)到93.75%,表明提取的特征波長(zhǎng)包含了光譜數(shù)據(jù)中的關(guān)鍵信息。然后,基于特征波長(zhǎng)運(yùn)用波段比運(yùn)算挑選最佳波段比,根據(jù)波段比F值的分布確定光譜圖像分割的最佳波長(zhǎng)684和798nm。對(duì)最佳波段比(684/798nm)下的圖像,利用選擇性搜索(SS)對(duì)高光譜圖像中樣本的完好和損傷區(qū)域進(jìn)行分割,從分割結(jié)果來看,1~7天損傷樣本的受損區(qū)域能夠被準(zhǔn)確檢測(cè)出來。研究結(jié)果表明:基于高光譜成像技術(shù)對(duì)庫(kù)爾勒梨進(jìn)行損傷鑒別是可行的,該研究所獲得的特征波長(zhǎng)和波段比為研發(fā)在線實(shí)時(shí)的庫(kù)爾勒梨損傷檢測(cè)系統(tǒng)提供支撐。
[Abstract]:Using hyperspectral imaging technology of Korla pear injury at the early stage of fast recognition detection. In 60 Korla pear as the research object, collecting 380~1 030nm band within 1~7 days after injury and intact samples of 480 hyperspectral images. The image region of interest extraction (ROI) the average spectral information, using wavelet transform (WT) the spectral data denoising smoothing, all samples will go after noise by 2: 1 ratio into modeling set (320) and prediction set (160). By using the two order derivative from the full spectrum of extracted 19 characteristic wavelengths based on full spectrum information, and extract the characteristic wavelength of the calibration set and the prediction set for support vector machine (SVM) modeling and analysis. The results show that the model based on discriminant analysis and full spectrum characteristic wavelength, the prediction of recognition rate has reached 93.75%, that includes the extraction of characteristic wavelength spectral data in the key Information. Then, using the characteristic wavelength band operation than the selection of the best band ratio based on band ratio distribution according to F-measure determine the optimal wavelength spectral image segmentation and 798nm. 684 of the best band ratio (684/798nm) under the image, using the selective search (SS) samples of hyperspectral images in the intact and damage region segmentation. From the segmentation results, 1~7 days damage samples of the damaged area can be accurately detected. The results show that: Based on hyperspectral imaging technology for damage identification of Korla pear is feasible, the study obtained characteristic wavelength and band ratio of Korla pear damage detection system for the development of online real-time support.

【作者單位】： 浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院;浙江大學(xué)農(nóng)業(yè)與生物技術(shù)學(xué)院;
【基金】：南方山地果園智能化管理技術(shù)與裝備協(xié)同創(chuàng)新中心開放基金項(xiàng)目(JX2014XCH103) 國(guó)家自然科學(xué)基金項(xiàng)目(31471417) 國(guó)家支撐計(jì)劃項(xiàng)目(2015BAD19B03)資助
【分類號(hào)】：TP391.41;S661.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 單佳佳;彭彥昆;王偉;李永玉;吳建虎;張雷蕾;;基于高光譜成像技術(shù)的蘋果內(nèi)外品質(zhì)同時(shí)檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2011年03期

2 王斌;薛建新;張淑娟;;基于高光譜成像技術(shù)的腐爛、病害梨棗檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年S1期

3 蔡健榮;韓智義;;碧螺春茶葉的真?zhèn)舞b別技術(shù)——基于漫反射式高光譜成像技術(shù)[J];農(nóng)機(jī)化研究;2013年04期

4 孫梅;陳興海;張恒;陳海霞;;高光譜成像技術(shù)的蘋果品質(zhì)無損檢測(cè)[J];紅外與激光工程;2014年04期

5 羅陽(yáng);何建國(guó);賀曉光;王松磊;劉貴珊;;農(nóng)產(chǎn)品無損檢測(cè)中高光譜成像技術(shù)的應(yīng)用研究[J];農(nóng)機(jī)化研究;2013年06期

6 田有文;牟鑫;程怡;;高光譜成像技術(shù)無損檢測(cè)水果缺陷的研究進(jìn)展[J];農(nóng)機(jī)化研究;2014年06期

7 余克強(qiáng);趙艷茹;李曉麗;張淑娟;何勇;;基于高光譜成像技術(shù)的鮮棗裂紋的識(shí)別研究[J];光譜學(xué)與光譜分析;2014年02期

8 丁冬;;高光譜成像技術(shù)及其在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用[J];科技信息;2013年35期

9 張?bào)憷?劉飛;聶鵬程;何勇;鮑一丹;;高光譜成像技術(shù)的油菜葉片氮含量及分布快速檢測(cè)[J];光譜學(xué)與光譜分析;2014年09期

10 章海亮;高俊峰;何勇;;基于高光譜成像技術(shù)的柑橘缺陷無損檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年09期

相關(guān)會(huì)議論文 前7條

1 盧云龍;劉志剛;;高光譜成像技術(shù)及其在目標(biāo)檢測(cè)中的應(yīng)用進(jìn)展[A];國(guó)家安全地球物理叢書（九）——防災(zāi)減災(zāi)與國(guó)家安全[C];2013年

2 馬本學(xué);應(yīng)義斌;饒秀勤;;高光譜成像在水果表面缺陷及污染檢測(cè)中的研究進(jìn)展[A];2007年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

3 何寶琨;;使用曲面棱鏡的高光譜成像系統(tǒng)設(shè)計(jì)[A];中國(guó)空間科學(xué)學(xué)會(huì)空間探測(cè)專業(yè)委員會(huì)第二十六屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)會(huì)議論文集[C];2013年

4 孫向軍;劉凱龍;趙志勇;李雪濤;;高光譜成像及仿真技術(shù)途徑探索[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

5 顏昌翔;;星載高光譜成像及數(shù)據(jù)應(yīng)用[A];第十屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

6 肖功海;舒嶸;薛永祺;;顯微成像光譜技術(shù)及其應(yīng)用[A];成像光譜技術(shù)與應(yīng)用研討會(huì)論文集[C];2004年

7 賴建軍;陳四海;陳坦;易新建;;基于MEMS微鏡陣列的高光譜成像技術(shù)研究[A];中國(guó)宇航學(xué)會(huì)深空探測(cè)技術(shù)專業(yè)委員會(huì)第三屆學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前9條

1 葛明鋒;基于輕小型無人機(jī)的高光譜成像系統(tǒng)研究[D];中國(guó)科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

2 何青;多類型高光譜成像集成系統(tǒng)的研制及其應(yīng)用研究[D];暨南大學(xué);2015年

3 王彩玲;干涉高光譜成像中的信息提取技術(shù)[D];中國(guó)科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所);2011年

4 朱逢樂;基于光譜和高光譜成像技術(shù)的海水魚品質(zhì)快速無損檢測(cè)[D];浙江大學(xué);2014年

5 馬m，

本文編號(hào)：1528274