[發明專利]基于高光譜圖像的獼猴桃可溶性固形物含量無損檢測方法

有效

• 申請號: 201811205621.8
• 申請日: 2018-10-17
• 公開（公告）號: CN109187378B
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 許麗佳;鄭麗娜;陳昕遠;康志亮;黃鵬;賈紀晨;李文鑫;張萌志
• 申請（專利權）人: 四川農業大學
• 主分類號: G01N21/27
• 分類號: G01N21/27
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于高光譜圖像的獼猴桃可溶性固形物含量無損檢測方法，其特征在于，

首先利用高光譜分選儀采集獼猴桃的高光譜圖像并對其進行黑白校正，從中提取整個獼猴桃區域作為感興趣區域；該感興趣區域的平均光譜信息作為原始光譜信息，對其進行去除首尾兩端噪聲波段的光譜預處理；

然后將預處理后的光譜信息采用核主成分分析法降維提取出特征光譜，并將特征光譜輸入用粒子群算法優化參數后的已訓練檢測器即最小二乘支持向量機，從而可檢測出獼猴桃的可溶性固形物含量；

具體步驟為：

步驟101：通過高光譜分選儀采集獼猴桃的高光譜圖像，對采集后的高光譜圖像進行黑白校正，首先利用高光譜分選儀采集標準白色校正板得到全白的標定圖像W，然后蓋上鏡頭蓋采集全黑的標定圖像B；根據公式(1)計算出校正后的圖像R：

式中，I_o—采集的高光譜圖像，R—校正后的高光譜圖像；

步驟102：提取黑白校正后的獼猴桃高光譜圖像中的整個獼猴桃區域，作為感興趣區域；

步驟103：求取感興趣區域的平均光譜信息，并將其作為原始光譜信息；

步驟104：去除原始光譜信息中的首尾兩端噪聲波段；

步驟105-1：求取去除首尾兩端噪聲波段后的原始光譜信息的平均光譜，并將該平均光譜作為標準光譜，根據公式(2)計算:

式中，A_i,j為獼猴桃樣本在各波長點處的光譜值，n為獼猴桃樣本數，為獼猴桃樣本在各波長點處求取的平均值；

步驟105-2：將去除首尾兩端噪聲波段的原始光譜信息與標準光譜進行一元線性回歸運算，根據公式(3)求取出線性平移量和傾斜偏移量：

式中，A_i為獼猴桃各樣本的光譜值，為獼猴桃各樣本的平均光譜值，m_i、b_i為求取的線性平移量和傾斜偏移量；

步驟105-3：將去除首尾兩端噪聲波段的原始光譜信息減去線性平移量并除以傾斜偏移量，以校正去除首尾兩端噪聲波段后的原始光譜信息的相對基線傾斜，從而獲得包含有更多與所檢測成分含量相關的光譜信息，該光譜信息即為預處理后的光譜信息，依照公式(4)計算：

式中，為預處理后的光譜信息；

步驟106：采用核主成分分析法對預處理后的光譜信息降維提取出特征光譜，首先將預處理后的光譜信息進行歸一化處理，然后采用徑向基核函數求其核矩陣，根據公式(5)計算：

式中，K(x,x_c)是核矩陣，x_c為核函數中心，σ²為徑向基核函數中的核參數；

然后對核矩陣中心化處理得到中心化核矩陣，求取該中心化核矩陣的特征值λ₁···λ_n并降序排列以及其對應的特征向量u₁···u_n；設置降維后的特性光譜的維數，對特征向量u₁···u_n進行正交化后提取其主成分，即為提取出的低維特征光譜，其目的是消除光譜信息的冗余性；

步驟107：將提取的低維特征光譜作為輸入、以理化試驗檢測的獼猴桃可溶性固形物含量作為輸出形成訓練樣本對，對檢測器即最小二乘支持向量機進行訓練；在訓練過程中，利用均方根誤差及相關系數來選取低維特征光譜的維數，當均方根誤差越小且相關系數越接近1時，此時對應的即為特征光譜的最佳維數；相關系數及均方根誤差根據公式(6)、(7)計算：

式中，R_c為獼猴桃樣本相關系數，RMSEC為獼猴桃樣本均方根誤差，y_i為獼猴桃樣本可溶性固形物含量平均值，為第i個樣本的可溶性固形物含量檢測值，n_c是獼猴桃樣本數；

其中，被訓練的檢測器即最小二乘支持向量機的γ、σ²參數采用粒子群算法優化選取；γ為最小二乘支持向量機的正則化參數，σ²為徑向基核函數中的核參數，最小二乘支持向量機的模型為：

式中，y(x)是最小二乘支持向量機模型輸出值，K(x,x_k)是核矩陣，x_k是輸入變量，a_k為拉格朗日乘子，b為模型偏差；

步驟108-1：采用粒子群算法優化最小二乘支持向量機中的γ、σ²參數時，初始化粒子群個數、初始化學習因子、初始權重、終止權重、迭代次數以及γ、σ²的參數尋優范圍；

步驟108-2：對每一個粒子初始化其隨機速度信息和位置信息；

步驟108-3：定義每個粒子的位置和速度、每個粒子的最佳位置和最優適應度以及所有粒子的最佳位置和全局最優適應度；

步驟108-4：隨著迭代次數的增加，γ、σ²的變化導致每個粒子的適應度變化，評價每個粒子的適應度并更新當前粒子的最好位置以及全局的最佳位置，以獲得合適的γ、σ²值；

步驟109：待測獼猴桃通過上述步驟獲得對應的低維特征光譜，并將該低維特征光譜輸入訓練后的最小二乘支持向量機，即可獲得待測獼猴桃的可溶性固形物含量。

2.根據權利要求1所述的基于高光譜圖像的獼猴桃可溶性固形物含量無損檢測方法，其特征在于，所述高光譜分選儀包括均勻光源、光譜相機、電控移動平臺及計算機；其中，所述均勻光源采用4個LSTS-200溴鎢燈并呈梯形結構排列；所述光譜相機包括成像光譜儀和電荷耦合器件，設置光譜分辨率為2.8nm，即光譜范圍為[400nm，1000nm]；所述電控移動平臺用于放置待測獼猴桃樣品，其可承載的最大樣品空間尺寸為300mm×300mm×200mm；計算機用于控制整個系統工作。