馬鈴薯外部缺陷的高光譜技術(shù)無損檢測研究.pdf

1、本文以馬鈴薯為研究對象，對馬鈴薯不同類型的表面缺陷做了相關(guān)檢測研究。由于馬鈴薯的一些外部缺陷對其品質(zhì)造成了嚴(yán)重的影響。傳統(tǒng)的人工挑選分級方法存在效率低、勞動強度大、客觀性不夠強和容易誤檢等缺點，阻礙了馬鈴薯在實際大量生產(chǎn)加工過程中準(zhǔn)確、快速分級。
　　利用可見光-近紅外高光譜成像技術(shù)（400～1700nm），結(jié)合圖像處理方法，建立了馬鈴薯外部缺陷檢測的識別算法，從而實現(xiàn)了對馬鈴薯外部品質(zhì)的綜合評價，為下一步開發(fā)在線、實時、快速的無

2、損檢測系統(tǒng)提供理論依據(jù)。主要研究內(nèi)容和結(jié)果如下:
　　(1)利用高光譜圖像技術(shù)在400～1000nm的光譜區(qū)域檢測馬鈴薯各種外部缺陷，通過特征波段主成分分析法和圖像差值算法建立馬鈴薯外部缺陷在線無損檢測方法。該研究以6種缺陷類型（機械損傷、孔洞、瘡痂、表面碰傷、綠皮、發(fā)芽）以及合格的馬鈴薯為研究對象，分別獲取它們的高光譜圖像，提取并分析高光譜圖像中感興趣區(qū)域的反射率光譜;
　　(2)主成分分析法用于光譜數(shù)據(jù)降維，根據(jù)所有類型

3、馬鈴薯第二個主成分圖像(PC2)的權(quán)重系數(shù)曲線的局部極值選取5個特征波長(478、670、723、819和973nm);
　　(3)對選出的特征波長進行主成分分析得到5個新的主成分圖像，并針對不同的馬鈴薯缺陷類型分別選出馬鈴薯缺陷部位與周圍區(qū)域灰度值差別最明顯的主成分圖像，通過閾值分割、腐蝕、膨脹和連通度分析等圖像處理方法對馬鈴薯的外部缺陷進行識別，正確識別率達(dá)到82.50％。
　　(4)為進一步消除馬鈴薯圖像背景區(qū)域灰度值

4、對其缺陷部位的影響，同時提高缺陷部位與周圍區(qū)域的對比度，該研究又提出圖像差值算法，并與特征波長主成分分析法相結(jié)合，再經(jīng)過閾值分割、腐蝕、膨脹和連通度分析等步驟對全部7種類型馬鈴薯的正確識別率達(dá)到96.43％。試驗結(jié)果表明高光譜圖像技術(shù)結(jié)合圖像處理方法可以有效地識別馬鈴薯外部缺陷。
　　(5)為探討馬鈴薯各種外部缺陷在線快速無損檢測的可行性，在900～1700nm的近紅外光譜區(qū)域，基于高光譜圖像技術(shù)建立一套合適的檢測方法。該研究以5

5、種缺陷類型以及合格的馬鈴薯為研究對象，分別獲取它們的高光譜圖像，并提取高光譜圖像中感興趣區(qū)域的反射率光譜;
　　(6)主成分分析法用于光譜數(shù)據(jù)降維，選取7個特征波長(990，1026，1109，1226，1285，1464，1619nm);
　　(7)再次對選出的特征波長進行主成分分析，并選出第二個主成分圖像用于馬鈴薯外部缺陷的圖像識別，正確識別率達(dá)到71.25％。
　　(8)為提高識別率，該研究又提出波段比算法，并與