[發明專利]采用近紅外光譜圖像特征的水稻霉變程度檢測方法

在審

• 申請號: 202011399095.0
• 申請日: 2020-12-02
• 公開（公告）號: CN112507851A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 關海鷗;馬曉丹;錢麗麗;左鋒;溫馮睿
• 申請（專利權）人: 黑龍江八一農墾大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 商秀玲

本發明提供一種采用近紅外光譜圖像特征的水稻霉變程度檢測方法，包括：獲得已知不同霉變狀態稻谷的近紅外光譜圖像數據；以所述近紅外光譜圖像數據為研究對象，獲得所述近紅外光譜圖像的圖像特征；利用前饋神經網絡(BP)自適應推理機制，建立稻谷霉變程度與其近紅外圖像的圖像特征之間映射模型；獲得待測稻谷的近紅外光譜圖像數據；獲得所述待測稻谷的近紅外光譜圖像的圖像特征；利用所述映射模型獲得所述待測稻谷的霉變狀態。本發明方法可以實現稻谷霉變程度無損檢測。

技術領域

本發明涉及一種采用近紅外光譜圖像特征的水稻霉變程度檢測方法。

背景技術

稻谷儲運過程中在適宜的溫濕度環境下極易發生霉變，導致產生多種對人體和牲畜有害的真菌霉素。傳統稻谷霉變研究是通過化學處理后利用電子顯微鏡等儀器，觀測稻谷中真菌孢子，用來檢測稻谷霉變情況。這些方法存在的不足是耗費時間長，檢測過程繁瑣。有必要建立稻谷霉變程度無損檢測的新方法。

發明內容

本發明提供一種采用近紅外光譜圖像特征的水稻霉變程度檢測方法，可以實現稻谷霉變程度無損檢測。

一種采用近紅外光譜圖像特征的水稻霉變程度檢測方法，包括：

獲得已知不同霉變狀態稻谷的近紅外光譜圖像數據；

以所述近紅外光譜圖像數據為研究對象，獲得所述近紅外光譜圖像的圖像特征；

利用前饋神經網絡(BP)自適應推理機制，建立稻谷霉變程度與其近紅外圖像的圖像特征之間映射模型；

獲得待測稻谷的近紅外光譜圖像數據；獲得所述待測稻谷的近紅外光譜圖像的圖像特征；利用所述映射模型獲得所述待測稻谷的霉變狀態。

根據本發明實施例，所述稻谷的品種選自牡響、早香、彩稻三個品種，例如種植于黑龍江地區。

根據本發明實施例，所述稻谷的霉變狀態包括：健康稻谷、輕度霉變和中度霉變。

根據本發明實施例，所述近紅外光譜圖像數據是在近紅外波長為700-900nm，帶寬為30-50nm采集的。

根據本發明實施例，所述近紅外光譜圖像數據是在近紅外波長為790nm，帶寬為40nm采集的。例如可采用4通道多光譜相機(Sequoia)。在一些實施例中，數據采集間隔為12-36小時，例如24小時，固定多光譜相機在距離樣本上方一定距離(例如30-60cm，具體例如40cm處)拍攝。在一些實施例中，拍攝時相機鏡頭盡量垂直于稻谷表面。

根據本發明實施例，拍攝時可以采用自然光源，也可采用人工光源。采用人工光源時要求包含全波段，即能夠產生日光的效果。在一些實施例中，采用100W單端鹵鎢燈為光源。

根據本發明實施例，應用數字圖像處理技術結合光譜圖像分析方法，研究所述近紅外光譜圖像數據，獲得所述近紅外光譜圖像的圖像特征。

根據本發明實施例，所述近紅外光譜圖像的圖像特征包括紋理特征和近紅外光譜圖像的反射值分布頻率。

根據本發明實施例，所述紋理特征包括所述近紅外光譜圖像的均值、標準差、平滑度、三階距、一致性、信息熵、平均梯度和分形維數。

根據本發明實施例，所選取的所述近紅外光譜圖像的反射值分布頻率的區間為：0.2～0.3，0.3～0.4，0.4～0.5，0.5～0.6，0.6～0.7，0.7～0.8。

根據本發明實施例，所構建BP神經網絡的三層結構為14-60-3型。所述神經網絡結構的3層節點分別為：輸入層、隱含層、以及輸出層，各層采用全互連方式，同層之間不存在相互連接。

根據本發明實施例，還包括對所述映射模型進行訓練的步驟。