[發(fā)明專利]用于水蜜桃褐腐病缺陷檢測(cè)的特征角余弦值方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210386636.5
• 申請(qǐng)日: 2012-10-12
• 公開（公告）號(hào): CN102890092A
• 公開（公告）日: 2013-01-23
• 發(fā)明（設(shè)計(jì)）人: 饒秀勤;陳思;應(yīng)義斌;張若宇
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G01N21/88
• 分類號(hào): G01N21/88
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 林懷禹

技術(shù)領(lǐng)域

本發(fā)明涉及水果缺陷檢測(cè)方法，尤其是涉及一種用于水蜜桃褐腐病缺陷檢測(cè)的特征角余弦值方法。

背景技術(shù)

水蜜桃不耐貯運(yùn)，貯運(yùn)過程中極易發(fā)生各種機(jī)械損傷和病菌侵染，導(dǎo)致果實(shí)腐敗，給果農(nóng)和消費(fèi)者造成經(jīng)濟(jì)損失。不論是鮮食桃、罐頭桃還是果汁桃，在進(jìn)入市場(chǎng)和加工前都要進(jìn)行挑選和分級(jí)。因此，水蜜桃缺陷無損檢測(cè)是有必要的。

由于水蜜桃表面顏色有底色和著色之分，使得利用RGB彩色機(jī)器視覺系統(tǒng)檢測(cè)水蜜桃缺陷的難度加大，而高光譜圖像技術(shù)所檢測(cè)到的樣本信息融合了圖像信息和光譜信息，它可以全面的反應(yīng)樣本的外在特征、表面缺陷等情況。它雖然不能很好的滿足快速檢測(cè)的目的，但它有個(gè)重要的作用就是確定樣本品質(zhì)的有效特征波長(zhǎng)，為多光譜圖像系統(tǒng)和機(jī)器視覺系統(tǒng)的搭建提供理論依據(jù)，以實(shí)現(xiàn)在線、快速、無損檢測(cè)農(nóng)產(chǎn)品品質(zhì)目的。

例如，利用光譜和圖像融合信息，提取圖像中像素點(diǎn)的光譜信息建立LDA、QDA等分類器，構(gòu)造分割二值圖像來檢測(cè)棉花雜志（郭俊先.基于高光譜成像技術(shù)的棉花雜質(zhì)檢測(cè)方法的研究.2011，浙江大學(xué).）；利用k-NN、LDC、SVM等分類方法對(duì)蘋果多波段圖像像素進(jìn)行分類分割，實(shí)現(xiàn)蘋果缺陷檢測(cè)(Unay?D,Gosselin?B.Automatic?defect?segmentation?of‘Jonagold’apples?on?multi-spectralimages:A?comparative?study.Postharvest?Biology?and?Technology,2006,42(3):271-279.)

目前，以水蜜桃作為研究對(duì)象的高光譜圖像研究比較少，大多數(shù)都是針對(duì)其他水果表面缺陷的高光譜研究，國(guó)內(nèi)還未見有關(guān)水蜜桃缺陷檢測(cè)的相關(guān)報(bào)道。Gowen等利用高光譜技術(shù)檢測(cè)白蘑菇表面瘀傷，分別對(duì)高光譜圖像立方塊和600條光譜（300個(gè)正常區(qū)和300瘀傷區(qū)）做PCA分析，得到主成分分量圖像和虛擬圖像，經(jīng)過圖像分割，識(shí)別出缺陷區(qū)域。Xing等利用高光譜技術(shù)檢測(cè)“喬納金”蘋果表面瘀傷，基于瘀傷引起蘋果表面變形使PC1圖像等高線發(fā)生變化這一原理，研究出瘀傷識(shí)別算法。Zwiggelaar等結(jié)合光譜信息和機(jī)器視覺技術(shù)檢測(cè)桃和杏表面的瘀傷，利用光譜分析儀和3種分類準(zhǔn)則分析所得光譜，得到最優(yōu)雙波段組合，930nm和970nm。由CCD相機(jī)加濾波片獲得波段組合圖像，采用洪泛算法，分割出缺陷區(qū)域。但前兩位所涉及到的波段數(shù)太多，不利于多光譜在線檢測(cè)系統(tǒng)的實(shí)現(xiàn)。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種用于水蜜桃褐腐病缺陷檢測(cè)的特征角余弦值方法，是通過均值歸一化對(duì)由球面效應(yīng)引起的光譜差異進(jìn)行修正，根據(jù)像素點(diǎn)3個(gè)波段的灰度值所構(gòu)成的特征角的余弦值來對(duì)該像素點(diǎn)進(jìn)行分類，實(shí)現(xiàn)水蜜桃缺陷檢測(cè)。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

該方法的步驟如下：提取水蜜桃高光譜圖像中660nm、680nm及700nm波段圖像，對(duì)圖像進(jìn)行二值分割去背景、均值濾波和均值歸一化后，計(jì)算3個(gè)波段圖像像素構(gòu)成的特征角的余弦值，以此作為特征值構(gòu)建LDA像素分類器，實(shí)現(xiàn)水蜜桃褐腐病缺陷檢測(cè)。

所述提取波段圖像：以黑色托盤為背景，采集高光譜圖像，并提取660nm、680nm及700nm波段的水蜜桃圖像；

所述對(duì)圖像進(jìn)行二值分割去背景：以680nm波段圖像為對(duì)象，進(jìn)行閾值分割，即采用閾值為圖像像素最大灰度值×0.12的分割，大于該閾值的區(qū)域?yàn)樗麉^(qū)域，即得到水果區(qū)域；

所述均值濾波：對(duì)660nm、680nm及700nm波段圖像的水果區(qū)域進(jìn)行3×3均值濾波，即對(duì)每個(gè)像素點(diǎn)和該像素點(diǎn)周圍8鄰域內(nèi)的像素求均值作為該像素點(diǎn)處的值，此8鄰域用3×3掩膜矩陣覆蓋，依次遍歷整個(gè)水果區(qū)域；

所述均值歸一化：對(duì)水果區(qū)域內(nèi)的每一個(gè)像素點(diǎn)(x，y)作如下處理：對(duì)像素點(diǎn)(x，y)處的光譜值離散序列求均值，即對(duì)660nm、680nm及700nm波段處的光譜值求和取平均，得每個(gè)波段光譜值除以此均值，實(shí)現(xiàn)高光譜圖像的均值歸一化；計(jì)算公式如下：