波段比算法结合高光谱图像技术检测柑橘果锈

光谱

光谱

18 2

农业工程学报

20 09住

1 3图像采集 .

柑橘果锈区域的光谱曲线。从图 3可以看出，果锈区域

在图像数据采集前，首先确定高光谱摄像机的曝光时间以保证图像的清晰度[]】;然后，根据相机的扫描频 率确定输送装置的速度以避免图像失真。光纤卤素灯对称式照射，保证柑橘表面形成足够的光照强度，在此条件下对相机的曝光时间进行优化，最终确定为 3。根 0 ms据实际测量，摄像机的视野范围为 10 mi,精度为 7 l l 013 m/ie,输送装置速度为 1 2/。 . pxl 3m . s 2 mm数据采集时，线阵的探测器在光学焦面的垂直方向

与正常区域的光谱曲线在波长 5 0 5n之间区别较 5￣7 0 m大，而在 5 0nn以下和 7 0n以上的光谱曲线噪音明 5 i 5 m显。因此，在后期的数据处理过程中，选取 5 0 7 0 l 5 - 5 n n

范围内的高光谱图像数据进行分析。 为了减少噪音和数据冗余，将标定后的图像块在光谱轴方向每 5个像素取平均值，在 x轴方向选取 2 1 8~ 8 0范围内的像素，以保证柑橘图像完整为准， 0这样就得到一个 5 0 2×Y×5 6的图像块，从而大大减少了数据量。

作横向扫描 (轴方向 ) ,获得一个线状空间，每一个像素具有不同波长下光谱信息；随着样品的前进 ( y轴方向),线阵探测器逐行扫出整个平面，得到一个大小为 1 8×Y×12 20 04的高光谱图像块( Y据样品的宽度而定 ), 如图 2所示，原始的高光谱图像既有特定像素下的光谱信息又有特定波长下的图像信息。

50 0 60 0 70 0 80 0 9 0 10 1O 0 00 t0

波长/ m n浆承杂o

图 3样品正常区域和果锈区域的光谱曲线F . Re e t n e s c r o t en r l e in 3 l f ca c pe taf m o ma g o r h r a dt er s e in o es ra eo t s n u t g o n t u f c f i u h r h cr

2 2波段比算法原理 .波段比算法不但可以有效地降低柑橘表面不平整带来光线反射不均匀的影响，还可以增强波段之间的波谱差异，提供一些任何单一波段无法得到的独特信息。波段比就是用一个波段除以另一个波段

生成一幅能提供相对波段强度的图像。比值函数的数学表达式如公式 ( ) 2所示，

特定像素下的光谱信息

特定波长下的图像信息

图 2高光谱图像数据块F g 2 Hy e s e t l ma i g d t c b i . p r p cr g n a a u e ai

, B聃B『, K/K,=』

() 2

1 4图像标定 .

式中 B『和 _, l _——分别是第 k,和波段相同位置

由于各波段下光源强度分布不均匀及传感器的暗电流，造成光照强度较弱的波段下，获得的图像含有较大噪音，须进行标定。在与样品采集相同的系统条件下， 首先，扫描反射率为 9%标准白色校正板 ( pc a n, 9 S et l ro L bp ee o, n l d a shr . ga )得到全白的标定图像 W;然后， C E n 关闭摄像机快门进行图像采集得到全黑的标定图像 B;最后，按照公式 ( )完成图像标定，使采集得到的绝对图 1像I变成相对图像 R] I。 . 5:

像素 (j i)的亮度值；B『——该位置下像素 (j l, l i)的比率值。分母若为 0 .,,,则将输出比值 _赋值为，0。

为了以线性方式表达函数的值域并用标准的 8数位(值范围为 0 5 )编码比值，需要使用归一化函数做进￣2 5一

步处理，如公式 ( )所示： 30=

:

,,,,

0

ItBVJ￣ 2 ) 1 nE￣' 17+] (’ It￣ n( BV, ,

B y’∈1 5, . _[ 25]( )『/ 1 3,,

兰一

() 1式中

,

/+2) 2 18

∈ 1 5] ( 2 5,

式中，——原始的高光谱图像； B——为全黑的标定图

一——像素 ( )的输出亮度值；/t n——表

像；——全白的标定图像；一 J R

标定后的高光谱图像。

2结果与讨论2 1数据预处理 .

示取整运算。 2 3特征波长选取 .由于高光谱图像数据量大、相邻波段之间相关性强， 因此波段的选择非常关键。波段之间的相关性越小，波段比值图像的信息量就越大，所以必须寻找合适的特征波长。S e e hf l i d指数 ( hf e dx S )可以很好地用 S e l I e, I i dn来确定和评价最佳波段，如公式 ( )所示： 4

由高光谱的原理知道，柑橘图像上的每个像

素点都存在不同波长下的光谱信息。图 3表示柑橘正常区域与果锈区域在 4 81 1n范围内的光谱曲线，图中，上面 0 .17 m的三条曲线是柑橘正常区域的光谱曲线，下面的三条是

S=Cv l/ I o

() 4

光谱

第1期

蔡健荣等：波段比算法结合高光谱图像技术检测柑橘果锈

19 2

式中 lC v一一协方差矩阵中任意一个 P阶行列 op l式[-J/ 11,S值越大，对应波段间的相关性越小。 35波段比算法是两个波段问的比值变换，当选择 p >2时，根据确定的波段数势必大于 2,仍需确定相关性，

2 5目标区域检测 .

为了消除图 5 a的背景噪声，使检测效果更理想，须构建掩膜，因此对图 5进行处理：首先提取其轮廓，然 c

最小的两个波段，因此只需考虑 p 2的情况。分别计算=各种波段组合的值，进行排序。表 1列出了最大的 5 个值及其对应的波段组合。由表 1可知，最大的值所对应的波段组合的波长分别为 6 5和 7 7n ( 2 1 m图像如图 4所示 ),说明这两个波段的相关性最小，因此确定这两个波段为特征波长¨。 表 1最大的 5个值及其对应的波段组合T b e 1 F v r e t 1v l e n o r s o d n ai a d a l i el g s￥ au s d c re p n i gr tob n s a a

后进行填充，最后构建掩膜，它是由 0和 1组成的二值图像，如图 6 b所示。将掩膜作用于图 6,使掩膜上 1 a值区域相对应的图 6 a的区域保留，掩膜上 0值区域相对应

的图 6 a的区域清 0,从而去除了大部分的背景噪声，接着进行灰度线性拉伸，结果如图 6所示。然后进行阈值 c分割，结果如图 6 d所示。最后做形态学变换，完成目标区域的检测，结果如图 6所示。 e

值排序

1

2

3

4

5

值( 0)×1一

672 .6

67 1 . 3

6 2 .4 7

672 . 0

6 9 .5 6

波段组合/m 65和 7 7 6 1 77 6 8 77 1 n 2 1 2和 1 1和 1 68和 74 6 5 7 1 1 2和 2

一一一a目标图像 . b掩膜 .d闽值分割 .

c掩膜作用 .

图 4特征波长图像F g4 Ch r ce it v ln t g so t s i . a

a t rs cwa e e g h i i ma e f i u cr

2 4波段比处理 .

将上述两个特征波长图像作比值变换，图 5是波长 a为 7 7 n的波段按照公式 ( )除以波长为 6 5 m的波 1 l n 2 2 n段后，再按照公式 ( )进行归一化函数处理后得到的相 3对强度图像。它突出了果锈区域，而在特征波长图像中几乎辨认不出果锈区域。显然经过比值变换后的图像表征效果较理想，但同时存在很大的背景噪声，因此需要提取柑橘的轮廓，构建掩膜，然后利用掩膜去除相对强度图像的背景噪声。图 5 b是提取波长 6 5 n l 2 i的图像轮 i廓，显然得不到一个完整的轮廓 H。如果使用相关性很

F g 6 I g r c s i gi x r ci g t er s a u e i u i . ma ep o e sn e ta t t e t r si c t s n n h u f n r

2 6检测结果 .

按照以上步骤，对 10个柑橘样本进行检测，结果 0如表 2所示。从表 2中可以看出，在 5个正常柑橘样本 0中，有 4个样本被正确检测，2个误检；在 5个果锈柑 8 0橘样本中，有 4 4个被正确检测，6个误检；10个样本 0的总体检测正确率为 9%。对试验结果进一步分析：造 2成正常柑橘样本误判为果锈柑橘的原因很复杂，主要是由于比值变换后，在边缘与背景的临界处引入一定的噪

强的两个波段作比值变换，就能得到很好的效果，因为相关性很强的两个波段的吸收率很相近，其比值一般集

日团图6柑橘果锈特征提取的图像处理表 2柑橘果锈的检测结果

e形态学变换 .

中在 1左右，而背景噪声的比值就有明显的差异。本试验选取波长为 6 5 m的特征波长，以及它的一个邻近波 2 n段 (2 r)作为比值波段，进行比值变换，结果如图 6 1n n 5所示，可以看到图像轮廓比较完整。 c

声，经处理后，未将这些噪声完全消除，从而被误判为果锈；而将果锈柑橘误判为正常柑橘的原因是柑橘上的果锈面积过小，在图像处理时容易将这些过小的区域腐蚀掉，造成漏检。

T b e2 a l

Re u t f ee t gr s n t es ra eo i u s l o tc i t u f c fct s s d n u o h r

a Q 1/2 77 5 6

b 6 5

m图像轮廓 . 2 a

图5波段比运算后的图像F g. I g sa e a d r t lo i m i5 ma e f r n ai ag r h t b o t

3结

论

1 )本文利用波段比算法结合高光谱图像技术检测柑

光谱

10 3

农业工程学报

20 0 9年

橘果锈，克服了传统视觉系统检测果锈时的不足，检测率达到 9%。 2 2 )利用波段比算法可以有效地降低光照反射不均匀的影响，增强谱问差异，从高光谱数据中挖掘更多的特

assigp ahf if m es]B oytms n ier g ses ec r t r n s[ . iss gn e n, n u i J e E i2 0,9 ( ) 1 1 1 1 0 6 32: 6— 7 .

[】 S ben G d Tmoh sy A T R set l aii r 7 a re a, i tyKuk . S E p c a rt n f r o gol h lgc l i o o i a ma p n i t e t p i g n h Ar b a - b a s i l a in Nu in h ed, t e h

征信息，有效地提取对象物的完整轮廓。 3试验表明， )利用 s可以克服高光谱图像数据量大 I和相邻波段之间的强相关性等不足，实现高维数据的降维，快速确定特征波长。 4 )利用试验得到的三个特征波长 ( 2、6 5和 61 2 77 m) 1r,可以选取相应的滤波片，设计基于滤波片的高 i光谱图像采集系统以实现生产过程中对柑橘果锈的在线快速无损检测。

NepoeoocWa i d ae, ia gp[ . o d a a o rtrz i d a Sn i y t] G n w Ki r,E J n R sac,2 0, 1():3 6 3 5 ee h 0 7 13) 2 - 3 . r[] Fa kJA vnR i n ek Pa ehDeb, re a e 8 rn a ut b e, rv s b a FekD vndr eM e r e a .M a p n e, t 1 p i g wh t mi a a d h i a s r t n i e c s n t er b o p i o

waeegh uig y eset l a d rt s] R moe vlnts s hp r c a n p r b n ao[ . e t i J Snigo E vrn n,2 0, 1234:2 I 2 2 e s f n i met 0 6 0 (-) 1- 2 . n o[] Am

a A t idsA, u mo e a. t iia cod 9 t U, no ai o n C o t 1 Sa scl lu tt d tco f m S V R lset l mae[ .R moe e tn r ei o E I I mutp cr i gs] e t i a JS n igo E vrn n, 2 0, 1 2 7 0 7 6 e sn f n io me t 0 8 1: 5 - 6 .

5 )波段比算法的高光谱图像技术可以推广应用到苹果，梨等表面不平整的农产品的品质检测。[参考文献]

[0 A i aD P L , u e . ern ae yeset l 1】 r n , uR F G y r E N a- f dh pr c a a D ir r p rr f ca c i gn f r ee t n f b u s s n ik i g e e tn e ma i g o d tc i o r ie o p c l l o n

ccmb r[ .C mp t sa d Eet nc n Ag cl r, uu es] o ue n l r i i r ut e J r co s i u 2 0, 5 () 0 0 0 6 31:6—7 .

[1 1]Nioa , o e eE P i e a. nd s ut e cli B M L t t , er A, t 1No—et c v I zz s r im e s r me t o b t r p t i a p e fu t u i g NI a u e n f i e i n p l r i t s n R

E Mar, n n, 1a e d l e a. y e se t l 1 s G Wa gNig E S y d A e t 1 H p r cr y, p ai g n o o d sr ci e d t r n t n f s me q ai ma ig f r n n e t t ee mi ai o o u l y u v o t

h p r et l i g gJ. P s avs B oo ad y es c a p r mai[ n] ot ret h ilg y nT c n lg, 2 0,4 () 1 6 eh oo y 0 6 01: - .

ar ue rsa er[ . o ra o o dE gn e n, ti tsf t wbr J Ju l fF o n ier g tb o r y] n i2 0,8 () 8 17 0 7 11:9— 0 .[】洪添胜，乔 21— 1 51 55.

军， WagNi,等.基于高光谱图像技术 n n g

[2 odrG r He dn V D,e

1 ai ai n 1]P le Wa G i e n j ta.C l rt n a d b o caat zt no gn pcrgah[]Jun l f er h ce a o fmaigset rp s .o ra o N a r i r i i o JIf e p c ocp,2 0, 1() 9 -2 0 n a dS et soy 0 3 1:1 3 1 . r r r 3

的雪花梨品质无损检测[ .农业工程学报，2 0,2 () J] 0 7 32:Ho g T a s e g Q a Jn Wa g Nig e a. n i h n, io u, n n n, t 1 No - e t c ie i s e to fCh n s e r q ai a e n n d s u t n p ci n o i e e p a u l y b s d o r v t

[3 Io e P f ea J Mia e 1Noma zddf r c 1】 nu eu ls, y t A, t . r l e iee e i a a i f ns e t li d c s f re t t g p o o y t ei f ce c n p c a n ie si i h t s n h t e in y a d r o ma n c ic p ct t a c n p c l e i e r m y e s e ta a d a a i a a o y s a e d rv d fo h p rp c l n y r

h p r et l ma ig eh iu[ . Tasc o s f te y es c a p r i gn tcnq eJ] rn at n o h i

C 2 l x mesrme t n r eJ.R moe e s g f O f aue ns i[ u i c] e t S ni o nE v o met 0 8 121: 16 12 n i n n,2 0, 1() 5— 7 . r[4 Se eD ak￣Al sn r i r a B n u s n, t 1] tv eB c e e adaP￣ i, r oH yma s e k ' c u ua . De o s g f mu t o o e t ma e u i g 1 n ii o n l c mp n n i g s sn wa ee i v lt

C A,2 0,2 () 1 1 1 5 i h ee t n lh S E 0 7 32: 5— 5 .( C i s hE gi n n wi s a s at bt c r ) M Wa gNig e 1P r u lya d i[] Q a u, ai O, n n, ta. okq a t n 3 ioJn Ngd

mab i g e e a s s me t u i g a h p rp cr l m a i g r l lv l s e s n sn y e s e ta i g n n

l s surset tr[ . ma eadV s nC m uig e t q ae smaosJ I g n i o o p t, a— i] i n2 0,2 0 8 6: 1 3 0 8— 1 5 . 0 1 T o s Ko n g e t r M e i— r i,M a i t i, e 1 h ma e i,L se l Ga ca e r S en a t a. E tb ih g o r lto s f s ap i l ma s sa l i c re ai n o c l f d sn e p wih t e t oh r e p rme t l v ra l s u i g c v r n e a a y i a d xe i n a a i b e s o a i c n lss n n a

ss m[ .o ra o F o n i e n,2 0,8 () 0 yt J Jun l f o dE gn r g 0 7 3 1:1— e] ei1 6.

[]赵杰文，刘剑华，陈全胜，等 .利用高光谱图像技术检测 4

水果轻微损伤[]农业机械学报， 0 8 3 () 16 19 J. 2 0, 9 1: 0 - 0 .Z a iw n LuJah a C e u nhn, t 1D t t g hoJ e, i i u, hnQ a se g e a. ee i e n cn sbl ri s n ri w t h pr et l maigJ. u t bus o f t i e e us h y es cr i gn[ p a]

rsmpig me o s] l i l uo h s l,2 0, ea l t d[ .Ci c n h J n a Nerp yi o og y 081 99: 1 6 2 2— 1 270.

T ascin fte C A rn at so h S E,2 0,3 (、 1 6 19 ( o 0 8 9 1: 0— 0 . i nC iee j n lhas at hn s t E gi bt c) wh s r [】陈全胜，赵杰文，蔡健荣，等 .利用高光谱图像技术评判 5

蔡健荣，许月明.基于主动形状模型的苹果果形分级研究[1业工程学报，2 0,2 () 13 16 J.农 0 6 26: 2— 2 .Ca i n o g XuYu mi g I e t c t n a d ca s c t n o i a r n . e n . d n i ai n ls i ai f J i f o i f o

茶叶

的质量等级[ .光学学报，2 0,2 () 6 -6 4 J] 0 8 84:6 9 7 .C e Q ase g Z a J we, C i J no g e a hn unh n, ho i n e a i rn,t 1 a .Esi t n o e u l e e sn y es e ta ma ig t mai fta q ai lv lui g h p rp crli gn o y t

a pesae ae nat esaemo e[ . rnat n f p l p sdo c v p d l J Ta sc o s h b i h s] i o te S E 2 0, 26: 2—1 6 ( hns i n lh h A, 0 6 2 () 13 2 .i C iee t E gi C n wh s a s at bt c r )No K. u R . p rp cr ll s ri d c d f o e c n e h H L F Hy e s e ta a e - u e u r s e c n l

tcn lg[ . ea pi iia2 0, 84:6 -6 4 ( eh oo yJ A t t aSnc, 0 8 2 ()6 9 7 . n] O c i

C iee t E gi s at hn s h n lha t c) wi s br[】 6Lu Re u nf,Pe g n Ya k n.Hy e s e t a s a t rn f r nu p r p c r l c te i g o

i gn r ses g ape ri q a t[ .P s avs maig f ass n p l ut u l J ot ret o i f i] y h

Bilg dTc n lg, 2 0,4 () 13 2 1 oo a eh ooy 0 7 32: 9 - 0 . y n

光谱

第 1期

蔡健荣等：波段比算法结合高光谱图像技术检测柑橘果锈

11 3

De e to fr ti ir pe s c r l m a i e hno o y a nd t c i n o us n ct usby hy r pe t a i g ng t c l g nd ba r to a g rt a i l o ihmC ii rn n i h iC e u n h n h o i e a J no g gJ n ef h nQ a s e g Z a e n a l Wa a I Jw(co lf o da d il i l n ier g Ja guU i ri, h nin 10 3 C i ) S h o o F o n Boo c E gn ei, i s nv sy Z e a g2 2 1, hn g a n n e t

j aAb t a t Hy e s e ta g n c n l g s t mp e ee t u t n ct si i su y a d b n ai l o t m s r c: p rp cr l ma i g t h o o y wa t i e a e t dt d t c s i t s t d, n a d r t a g r h o r i u r n h o i

w s rp sdt o ec meteav reefc f n v nrf c n e ne syd et cra r f p e cl bet. i t a o oe v ro d es f t o e e l t c tn i u uv t e h r a ojcsFr, p o h es u ee a i t o u os i s S e edIdx wa sd t d tr n pi l a d i . 2 m n m) a d te fs rt g s h f l n e su e o e miet o t n sfe 6 5a a d7 n . n h r ai i ewa i e wo ma b . l 7 i t o mao tie y rt b an d b i a s o ma i n b t e n t e Ne t t eo t l a d wih 6 5 n a d i e g b r a dwi 2 m a o仃 n f r t e o w e m. x . h p i n t 2 m n s i h o n t 6 n h ma b tn b h l we e p re me o r t r n f r ai n n h e o d r t ma e wa b a n d t u l h s .T e,t e r e l r d t ai t s o’ o a m t .a d t e s c n ai i g s o t i e o b i t e ma k o o d hn h b c g o d n ie o e f s a i ma e wa e v d b h a k F n l, s e t r s o e s r a e o i u r a k r u o s f h rtr t i g sr mo e y t e m s . i al r tf a e n t u f c fct swe e n t i o y u u h r e ta t d b r s o d s g e t t n a d m o p o o ia g r c s i g Th x e i n a e u t h w a e r s i x r c e y t e h l e m n ai n r h l g c l ma ep o e sn . e e p rme t l s l

s o t t h t n h o i r s h t u ct s c n b e e td wi n a c r c f 9% b y e s e t li a i g t c n l g n a d r t l o t m . i i a e d tce t a c u a y o 2 u r h y h p r p cr m g n e h o o y a d b a n a i ag r h o i Th s wo k d mo s a e h tb n a i l o t m s a l o e f c i e y r d c h d e s fe t fu e e e lc a c r e n t t st a a d r t a g r h wa b e t fe t l e u e t e a v r e e f cs o n v n r f tn e r o i v e

itn i,ma i z h ifrn e ewe n b n s n mp o e te p ro a c n d tcin o s i i s b ne s y t xmie te dfe e c sb t e a d,a d i r v h e fr n e i ee t f r t n ct y m o u u rh p rper l ma ng tc no o y. y e s ta gi e h l g i

Ke r s h p rp c r l m a i g b n t l o t m, o d s u t ed t c i n S e ed i d x r s, i u y wo d: y e s e t g n, a dr i ag r h n n e t c i ee t, h f l e, t ct s a i a o i r v o i n u r

本文来源：https://www.bwwdw.com/article/84j4.html