高光譜圖像對白蘿卜內部缺陷的檢測.pdf

1、蘿卜（Raphanus sativus L.），是十字花科蘿卜屬的一年生或兩年生草本雙子葉植物。栽培范圍廣，種植面積大，是我國的第三大蔬菜。隨著人們生活水平的提高和生產的發(fā)展，消費者對蘿卜產品質量的要求也逐步提高，然而病蟲害及內部缺陷是蘿卜優(yōu)質、高產的主要威脅。蘿卜的內部缺陷主要表現(xiàn)為糠心和黑心，糠心表現(xiàn)為蘿卜內部出現(xiàn)木質化，水分損失，最后產生空洞;黑心表現(xiàn)為蘿卜表面光滑無異樣，內部變黑、腐爛，最后成空心干腐狀。目前國內對蘿卜品質的檢測

2、主要停留在人工檢測上，通常是采收過程中對樣本隨機抽樣，然后采用目測法檢測，對有明顯糠心、黑心癥狀或癥狀不明顯的樣品進行剖開檢驗，此種方法費時費力效果不好。高光譜圖像是一種先進的無損檢測技術，已被成功用于農產品的質量和安全檢測。本文利用高光譜圖像技術對蘿卜內部缺陷進行檢測，期望通過光譜信息結合篩選的特征波段提高識別蘿卜內部缺陷的精度，達到無損鑒別糠心、黑心蘿卜的目的，為蘿卜自動化分級提供理論和技術支持。
　　1.高光譜圖像檢測系統(tǒng)的

3、構建
　　為了識別蘿卜內部缺陷，以白蘿卜為對象，構建了透射、反射和半透射三種高光譜圖像采集單元，并通過反復實驗，確定了包括光照強度、曝光時間、傳送帶運行速度、光源高度和角度等系統(tǒng)檢測參數。
　　2.白蘿卜貯藏過程中糠心原因的分析
　　分析了不同等級糠心白蘿卜的水分含量、硬度、脆度、可溶性固形物、粗纖維和木質素等理化指標，對理化指標變化與糠心等級進行了相關性分析研究，探討了白蘿卜理化指標與糠心之間的關系。結果表明，水分含

4、量和木質素與糠心等級的相關系數分別為0.982和0.985，顯示了水分含量和木質素的變化是引起白蘿卜采后糠心的主要原因。
　　3.高光譜圖像對白蘿卜糠心的檢測
　　為了實現(xiàn)白蘿卜糠心的無損檢測，利用透射、反射和半透射3種高光譜圖像采集模式來獲取白蘿卜的高光譜圖像信息，提取了白蘿卜中心部位感興趣區(qū)域的光譜信息，采用不同光譜預處理方式對光譜進行處理，運用連續(xù)投影算法(successiveprojections algorithm

5、，SPA)方法選出了4個特征波長:623、685、747和796 nm。比較全波段和特征波段建模結果，結合偏最小二乘分析(partial least squares discriminant analysis，PLS-DA)、支持向量機(support vector machine，SVM)、人工神經網絡（artificial neural network，ANN）三種算法分別建立識別白蘿卜糠心的模型，并對模型的性能進行了比較，最后利用

6、算法建立識別白蘿卜5個糠心等級的模型。結果表明:3種采集模式中，透射采集模式優(yōu)于其他采集模式，更適合白蘿卜糠心的檢測。全波段建模和特征波段建模結果差別不大，但特征波段可以減少冗余信息，提高模型運算速度，故選擇特征波長進行進一步研究。3種識別模型中，ANN模型得到的結果更加穩(wěn)定，識別白蘿卜糠心效果好，建模集和驗證集識別白蘿卜糠心的總體準確率分別為94.9％和95.6％。識別白蘿卜5個糠心等級的模型效果較差，建模集和驗證集準確率分別為64.

7、3％和60.2％，對白蘿卜進行5個糠心等級的識別需要模型進一步改進。
　　4.高光譜圖像對白蘿卜黑心的檢測
　　本研究利用高光譜圖像透射采集模式對白蘿卜黑心進行檢測，樣本通過接種黑心病原菌并培養(yǎng)一周后獲得，選取樣本中心25000個pixels的矩形區(qū)域作為感興趣區(qū)域，提取原始光譜數據，利用SPA方法選出五個特征波長，為別為580 nm、673 nm、747 nm、805 nm和877 nm。比較全波段和特征波長，結合PLS-