本發(fā)明涉及無(wú)損檢測(cè)方法領(lǐng)域，具體是一種基于多光譜成像技術(shù)的蟲(chóng)蛀巴旦木原料快速無(wú)損鑒別方法。

背景技術(shù)：

巴旦木含有豐富的生物活性物質(zhì)如維生素e、精氨酸、纖維、單不飽和脂肪酸、多不飽和脂肪酸以及其他微量元素，對(duì)心臟相關(guān)疾病、癌癥和2型糖尿病有一定的預(yù)防作用，加上香味和口感獨(dú)特，因此成為國(guó)內(nèi)外消費(fèi)和貿(mào)易的重要經(jīng)濟(jì)作物。

受高溫、高濕環(huán)境影響，采摘后的巴旦木易受害蟲(chóng)侵染，并且巴旦木的蟲(chóng)蛀現(xiàn)象很復(fù)雜，不同于板栗，表面有蟲(chóng)孔，幼蟲(chóng)會(huì)直接啃食果仁而不啃食果皮，這些傷口有的能暴露出來(lái)，有的則被隱藏，肉眼無(wú)法識(shí)別。為了發(fā)現(xiàn)早期的蟲(chóng)蛀現(xiàn)象，消除潛在風(fēng)險(xiǎn)，有必要將蟲(chóng)蛀巴旦木分等級(jí)鑒別。在巴旦木產(chǎn)品加工之前通過(guò)篩選，剔除蟲(chóng)害的堅(jiān)果，可以減少貯運(yùn)期間的損失，最大限度地保持營(yíng)養(yǎng)、新鮮程度及食用安全性，增加對(duì)消費(fèi)者的吸引力，同時(shí)及時(shí)處理輕微蟲(chóng)蛀的巴旦木，防止進(jìn)一步侵染，降低潛在風(fēng)險(xiǎn)。目前，我國(guó)商品化巴旦木的蟲(chóng)蛀堅(jiān)果鑒別存在耗時(shí)費(fèi)力、速度慢、結(jié)果不穩(wěn)定等問(wèn)題，因此，在巴旦木的加工過(guò)程中迫切需要一種便捷、快速的鑒別方法。

多光譜成像是近年來(lái)廣泛采用的一種快速無(wú)損檢測(cè)技術(shù)，與傳統(tǒng)高光譜成像技術(shù)相比，多光譜成像技術(shù)避免了海量的光譜特征數(shù)據(jù)，更適合于農(nóng)產(chǎn)品品質(zhì)的實(shí)時(shí)在線(xiàn)檢測(cè)。目前，在農(nóng)產(chǎn)品的無(wú)損檢測(cè)中機(jī)器視覺(jué)、近紅外光譜等已初步應(yīng)用在工業(yè)在線(xiàn)檢測(cè)，但用于內(nèi)部瑕疵檢測(cè)的相關(guān)商業(yè)化設(shè)備較少。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于多光譜成像技術(shù)的蟲(chóng)蛀巴旦木原料快速無(wú)損鑒別方法，以解決現(xiàn)有技術(shù)沒(méi)有應(yīng)用于巴旦木內(nèi)部瑕疵檢測(cè)的多光譜成像技術(shù)的問(wèn)題。

為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案為：

基于多光譜成像技術(shù)的蟲(chóng)蛀巴旦木原料快速無(wú)損鑒別方法，其特征在于：包括以下步驟：

(1)基于多光譜成像技術(shù)獲取正常巴旦木樣本和蟲(chóng)蛀巴旦木樣本的光譜圖像信息；

(2)依據(jù)蟲(chóng)蛀程度，將蟲(chóng)蛀果進(jìn)一步分為輕微和嚴(yán)重蟲(chóng)蛀兩個(gè)等級(jí)，鑒別不同蟲(chóng)蛀程度的巴旦木。

(3)分別對(duì)正常巴旦木樣本和蟲(chóng)蛀巴旦木樣本的光譜圖像信息依次進(jìn)行去噪處理、背景剔除、圖像分割后，獲得正常巴旦木樣本、蟲(chóng)蛀巴旦木樣本的果殼光譜圖像信息；

(4)利用步驟(3)中的原始光譜數(shù)據(jù)，結(jié)合支持向量機(jī)(svm)回歸法建立正常巴旦木樣本、蟲(chóng)蛀巴旦木樣本的果殼光譜圖像信息的分析模型。原始數(shù)據(jù)里記錄了每個(gè)巴旦木樣品的特征分量，不同類(lèi)別的樣品分別給出類(lèi)別標(biāo)簽，首先將樣本隨機(jī)分為兩組，一組作為訓(xùn)練集，一組作為測(cè)試集，之后用訓(xùn)練集訓(xùn)練分類(lèi)器，可以得到分類(lèi)模型，再用得到的模型對(duì)測(cè)試集進(jìn)行類(lèi)別標(biāo)簽預(yù)測(cè)，從而實(shí)現(xiàn)對(duì)蟲(chóng)蛀巴旦木的快速無(wú)損鑒別。

所述的基于多光譜成像技術(shù)的蟲(chóng)蛀巴旦木原料快速無(wú)損鑒別方法，其特征在于：步驟(1)中，選取的正常巴旦木樣本和蟲(chóng)蛀巴旦木樣本外形均是完整的。

所述的基于多光譜成像技術(shù)的蟲(chóng)蛀巴旦木原料快速無(wú)損鑒別方法，其特征在于：步驟(1)中的多光譜成像技術(shù)由多光譜測(cè)量?jī)x實(shí)現(xiàn)，并采用多光譜測(cè)量?jī)x包含405～970nm范圍內(nèi)19個(gè)特征波長(zhǎng)的光譜波段(405,435,450,470,505,525,570,590,630,645,660,700,780,850,870,890,910,940,970nm)，以獲取正常巴旦木樣本和蟲(chóng)蛀巴旦木樣本的光譜圖像信息。

所述的基于多光譜成像技術(shù)的蟲(chóng)蛀巴旦木原料快速無(wú)損鑒別方法，其特征在于：步驟(3)中，采用videometerlab軟件進(jìn)行去噪處理。

所述的基于多光譜成像技術(shù)的蟲(chóng)蛀巴旦木原料快速無(wú)損鑒別方法，其特征在于：步驟(3)中，采用典型判別分析和閾值設(shè)定完成背景剔除和圖像分割。

所述的基于多光譜成像技術(shù)的蟲(chóng)蛀巴旦木原料快速無(wú)損鑒別方法，其特征在于：步驟(4)中，采用支持向量機(jī)回歸法建立正常巴旦木樣本、蟲(chóng)蛀巴旦木樣本的果殼光譜圖像信息的分析模型。

本發(fā)明針對(duì)巴旦木復(fù)雜的蟲(chóng)蛀情況，介紹了一種基于多光譜成像技術(shù)的蟲(chóng)蛀巴旦木原料快速無(wú)損鑒別方法，即利用多光譜成像技術(shù)獲取巴旦木果殼信號(hào)，將獲取的巴旦木光譜圖像經(jīng)由圖像分割、數(shù)據(jù)分析和計(jì)算機(jī)建模，實(shí)現(xiàn)對(duì)蟲(chóng)蛀巴旦木的快速無(wú)損鑒別。此法具有操作簡(jiǎn)便、快速、無(wú)破損等優(yōu)點(diǎn)，有利于巴旦木的精細(xì)化生產(chǎn)，滿(mǎn)足消費(fèi)者對(duì)高品質(zhì)堅(jiān)果的追求。

本發(fā)明提供了一種基于多光譜成像技術(shù)的蟲(chóng)蛀巴旦木原料快速無(wú)損鑒別方法，為多光譜成像在堅(jiān)果內(nèi)部品質(zhì)的無(wú)損、實(shí)時(shí)、自動(dòng)檢測(cè)領(lǐng)域提供技術(shù)支持，可滿(mǎn)足巴旦木在線(xiàn)檢測(cè)加工對(duì)準(zhǔn)確度、識(shí)別度及穩(wěn)定性方面的要求，為我國(guó)巴旦木商品的自動(dòng)化深加工與提高市場(chǎng)競(jìng)爭(zhēng)力提供技術(shù)支持。

本發(fā)明利用多光譜成像技術(shù)具有無(wú)損、快速、無(wú)污染等優(yōu)點(diǎn)，與常規(guī)的方法相比，該方法能夠在巴旦木外形完整、一致的情況下將蟲(chóng)蛀巴旦木從正常果中有效地鑒別出來(lái)，識(shí)別不同蟲(chóng)蛀程度的巴旦木，而且不破壞樣品、不污染環(huán)境，同時(shí)還避免了人工評(píng)價(jià)和篩選中的人為因素的干擾，結(jié)果更客觀、準(zhǔn)確。

附圖說(shuō)明

圖1正常和蟲(chóng)蛀巴旦木的平均反射光譜圖。

圖2正常和蟲(chóng)蛀巴旦木測(cè)試集的實(shí)際分類(lèi)和預(yù)測(cè)分類(lèi)圖。

圖3正常、輕微和嚴(yán)重蟲(chóng)蛀巴旦木測(cè)試集的實(shí)際分類(lèi)和預(yù)測(cè)分類(lèi)圖。

具體實(shí)施方式

基于多光譜成像技術(shù)的蟲(chóng)蛀巴旦木原料快速無(wú)損鑒別方法，包括以下步驟：

(1)基于多光譜成像技術(shù)獲取正常巴旦木樣本和蟲(chóng)蛀巴旦木樣本的光譜圖像信息；

(2)依據(jù)蟲(chóng)蛀程度，將蟲(chóng)蛀果進(jìn)一步分為輕微和嚴(yán)重蟲(chóng)蛀兩個(gè)等級(jí)，鑒別不同蟲(chóng)蛀程度的巴旦木。

(3)分別對(duì)正常巴旦木樣本和蟲(chóng)蛀巴旦木樣本的光譜圖像信息依次進(jìn)行去噪處理、背景剔除、圖像分割后，獲得正常巴旦木樣本、蟲(chóng)蛀巴旦木樣本的果殼光譜圖像信息；

(4)利用步驟(3)中的原始光譜數(shù)據(jù)，結(jié)合支持向量機(jī)(svm)回歸法建立正常巴旦木樣本、蟲(chóng)蛀巴旦木樣本的果殼光譜圖像信息的分析模型。原始數(shù)據(jù)里記錄了每個(gè)巴旦木樣品的特征分量，不同類(lèi)別的樣品分別給出類(lèi)別標(biāo)簽，首先將樣本隨機(jī)分為兩組，一組作為訓(xùn)練集，一組作為測(cè)試集，之后用訓(xùn)練集訓(xùn)練分類(lèi)器，可以得到分類(lèi)模型，再用得到的模型對(duì)測(cè)試集進(jìn)行類(lèi)別標(biāo)簽預(yù)測(cè)，從而實(shí)現(xiàn)對(duì)蟲(chóng)蛀巴旦木的快速無(wú)損鑒別。

步驟(1)中，選取的正常巴旦木樣本和蟲(chóng)蛀巴旦木樣本外形均是完整的。

步驟(1)中的多光譜成像技術(shù)由多光譜測(cè)量?jī)x實(shí)現(xiàn)，并采用多光譜測(cè)量?jī)x包含405～970nm范圍內(nèi)19個(gè)特征波長(zhǎng)的光譜波段(405,435,450,470,505,525,570,590,630,645,660,700,780,850,870,890,910,940,970nm)，以獲取正常巴旦木樣本和蟲(chóng)蛀巴旦木樣本的光譜圖像信息。

步驟(3)中，采用videometerlab軟件進(jìn)行去噪處理。

步驟(3)中，采用典型判別分析和閾值設(shè)定完成背景剔除和圖像分割。

步驟(4)中，采用支持向量機(jī)回歸法(svm)建立正常巴旦木樣本、蟲(chóng)蛀巴旦木樣本的果殼光譜圖像信息的分析模型。

實(shí)施例

實(shí)驗(yàn)樣本：

準(zhǔn)備兩組(a、b)果殼完整的巴旦木，a組果仁正常，b組果仁有蟲(chóng)蛀現(xiàn)象；

1、快速無(wú)損檢測(cè)正常和蟲(chóng)蛀巴旦木

檢測(cè)步驟如下：

(1)從a組中隨機(jī)選取115粒、b組選取230粒巴旦木，用多光譜測(cè)量?jī)x(videometera/s，丹麥，其光譜范圍為405-970nm，具體包含405,435,450,470,505,525,570,590,630,645,660,700,780,850,870,890,910,940,970nm)獲取上述巴旦木樣本和背景信息，然后使用videometerlab軟件進(jìn)行去噪處理，運(yùn)用典型判別分析和閾值設(shè)定完成背景剔除和圖像分割，獲取樣本的果殼信息。

(2)采用支持向量機(jī)回歸法(svm)對(duì)上述樣本建立巴旦木與所對(duì)應(yīng)光譜信息的分析模型。a、b兩組分別隨機(jī)分配40和80個(gè)樣本作為測(cè)試集，剩下的樣本作為訓(xùn)練集。將正常堅(jiān)果的標(biāo)簽定為1，蟲(chóng)蛀堅(jiān)果的標(biāo)簽定為2，先用測(cè)試集訓(xùn)練分類(lèi)器，再用得到的模型對(duì)測(cè)試集進(jìn)行類(lèi)別標(biāo)簽預(yù)測(cè)，圖2即為測(cè)試集的預(yù)測(cè)結(jié)果。

(3)表1即為正常巴旦木和蟲(chóng)蛀巴旦木測(cè)試集樣本的檢測(cè)結(jié)果。

表1蟲(chóng)蛀巴旦木的快速無(wú)損鑒別結(jié)果

2、快速無(wú)損檢測(cè)不同蟲(chóng)蛀程度的巴旦木

檢測(cè)步驟如下：

(1)將實(shí)施例1中蟲(chóng)蛀巴旦木樣品分成輕微和嚴(yán)重蟲(chóng)蛀兩類(lèi)，各115個(gè)樣品。用多光譜測(cè)量?jī)x(videometera/s，丹麥，其光譜范圍為405-970nm，具體包含405,435,450,470,505,525,570,590,630,645,660,700,780,850,870,890,910,940,970nm)獲取上述巴旦木樣本和背景信息，然后使用videometerlab軟件進(jìn)行去噪處理，運(yùn)用典型判別分析和閾值設(shè)定完成背景剔除和圖像分割，獲取樣本的果殼信息。

(2)蟲(chóng)蛀巴旦木的分類(lèi)依據(jù)樣品蟲(chóng)蛀程度劃分，具體操作如下：

光譜圖像獲取后，所有的樣品經(jīng)過(guò)帶殼稱(chēng)重、去殼稱(chēng)重，計(jì)算出果仁比重。與正常巴旦木相比后，以50％的果仁比重為界限，大于50％的視為輕微蟲(chóng)蛀，小于等于50％的視為嚴(yán)重蟲(chóng)蛀，并以此特征重新將蟲(chóng)蛀光譜分為輕微和嚴(yán)重兩類(lèi)；

(3)采用支持向量機(jī)(svm)回歸法對(duì)上述樣本建立巴旦木與所對(duì)應(yīng)光譜信息的分析模型。三類(lèi)樣品分別隨機(jī)分配40和75個(gè)樣本作為測(cè)試集和訓(xùn)練集。將正常堅(jiān)果的標(biāo)簽定為1，輕微蟲(chóng)蛀堅(jiān)果的標(biāo)簽定為2，嚴(yán)重蟲(chóng)蛀堅(jiān)果的標(biāo)簽定為3，先用測(cè)試集訓(xùn)練分類(lèi)器，再用得到的模型對(duì)測(cè)試集進(jìn)行類(lèi)別標(biāo)簽預(yù)測(cè)，圖3即為三類(lèi)巴旦木測(cè)試集的預(yù)測(cè)結(jié)果。

(4)表2即為不同蟲(chóng)蛀等級(jí)巴旦木測(cè)試集樣本的檢測(cè)結(jié)果。

表2不同蟲(chóng)蛀等級(jí)巴旦木的快速無(wú)損鑒別結(jié)果

從圖1可看出，正常、蟲(chóng)蛀巴旦木在405-970nm之間有明顯的光譜區(qū)分，由表1可知，120個(gè)被測(cè)結(jié)果的總正確判別率為97.50％，表2中測(cè)試集的總正確判別率為93.33％，而從圖2、圖3可明確看出正常、蟲(chóng)蛀巴旦木以及不同蟲(chóng)蛀等級(jí)巴旦木的錯(cuò)判情況，由此表明本發(fā)明利用多光譜成像對(duì)蟲(chóng)蛀巴旦木的快速無(wú)損鑒別是可行的。