[發(fā)明專利]基于近紅外高光譜紋理特征建模的預(yù)測茶葉含水率的方法

無效

• 申請?zhí)枺?/td>: 201310338087.9
• 申請日: 2013-08-05
• 公開（公告）號: CN103389255A
• 公開（公告）日: 2013-11-13
• 發(fā)明（設(shè)計）人: 鄧水光;李浬;徐亦飛;尹建偉;李瑩;吳健;吳朝暉
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G01N5/04
• 分類號: G01N5/04;G01N21/35
• 代理公司: 杭州裕陽專利事務(wù)所(普通合伙) 33221
• 代理人: 應(yīng)圣義

1.一種基于近紅外高光譜紋理特征建模的預(yù)測茶葉含水率的方法，其特征在于，包括以下具體步驟：

1）數(shù)據(jù)采集：

1.1）使用精密電子天平對茶葉葉片質(zhì)量進行稱量，記為W_i,j，其中，i為稱量次數(shù)，j為茶葉葉片的順序標(biāo)號；

1.2）使用推帚式高光譜成像系統(tǒng)對茶葉葉片進行高光譜數(shù)據(jù)采集，采集過程中，使用一個可以調(diào)節(jié)速度的傳送帶對茶葉葉片進行傳輸從而令茶葉葉片產(chǎn)生位移，該位移垂直于所述推帚式高光譜成像系統(tǒng)的線性掃描，其中，以所述位移的距離為y軸，以線性掃描的采樣距離為x軸，以采樣時得到的光譜波長為z軸，得到一組高光譜數(shù)據(jù)立方，記為D_i,j；

1.3）使用烘干爐對茶葉葉片進行烘干，烘干溫度為55℃，使茶葉葉片脫去部分水分；

1.4）將烘干后的茶葉葉片置于預(yù)置有變色硅膠干燥劑的干燥器內(nèi)，冷卻至室溫后取出；

1.5）重復(fù)上述步驟1.1）-1.4）直至對茶葉葉片的兩次稱量所得改變小于3%wt，記最后一次稱量所得茶葉葉片的重量為茶葉葉片的干重W₀，分別計算每次稱量時的茶葉葉片的含水率，記為C_i,j；

2）光譜特征提?。涸诟吖庾V數(shù)據(jù)立方D_i,j范圍內(nèi)，計算該高光譜數(shù)據(jù)立方D_i,j所有像素點的平均波長，記為光譜向量S_i,j；

3）紋理特征提?。簩⒉枞~葉片的葉面分割成大小均勻的多個正方形區(qū)域，對分割后的正方形區(qū)域所對應(yīng)的高光譜數(shù)據(jù)立方D_i,j應(yīng)用GLCM算法提取用于代表該區(qū)域的紋理特征的特征值向量，所述特征值向量包括能量、對比度、相關(guān)性、熵值以及逆差距，所述能量為灰度共生矩陣元素值的平方和，所述對比度為圖像的清晰度和紋理溝紋深淺的程度，所述相關(guān)性為空間灰度共生矩陣元素在行或列方向上的相似程度，所述熵值為空間共生矩陣中圖像紋理的非均勻程度，逆差距為圖像紋理的同質(zhì)性，記所述特征值為T_i,j；

4）數(shù)據(jù)降維與特征選取：應(yīng)用連續(xù)投影法分別對光譜向量S和特征值向量T進行特征變量選取，選取后的特征變量分別為S′和T′；

5）特征變量建模：分別將茶葉葉片的含水量C、光譜向量S′和特征值向量T′作為PLS算法的輸入變量，即X＝[S′T′]^T，Y=C，建立回歸模型M，所述回歸模型M包括一個系統(tǒng)向量A，令所有的X_i,j與Y_i,j均符合U_i,j=AX_i,j；通過該回歸模型M即可求得茶葉葉片的含水率。

2.根據(jù)權(quán)利要求1所述基于近紅外高光譜紋理特征建模的預(yù)測茶葉含水率的方法，其特征在于，還包括對高光譜數(shù)據(jù)立方D_i,j的校正步驟：在進行高光譜數(shù)據(jù)立方D_i,j的采集過程時，使用白板采集100%反射率向量W，使用黑采集0%反射率向量I₀，其中W與I₀均沿x軸采集，對高光譜數(shù)據(jù)立方D_i,j中沿x軸方向的每一行像素進行校正，得到校正后的像素