[發(fā)明專利]面向果實品質檢測的高光譜圖像重構方法及檢測方法

在審

• 申請?zhí)枺?/td>: 202110275774.5
• 申請日: 2021-03-15
• 公開（公告）號: CN113418874A
• 公開（公告）日: 2021-09-21
• 發(fā)明（設計）人: 翁士狀;朱恭欽;劉存川
• 申請（專利權）人: 安徽工業(yè)技術創(chuàng)新研究院六安院
• 主分類號: G01N21/31
• 分類號: G01N21/31;G01N21/55;G01N21/84
• 代理公司: 合肥九道和專利代理事務所(特殊普通合伙) 34154
• 代理人: 胡發(fā)丁

1.一種面向果實品質檢測的高光譜圖像重構方法，其特征在于：包括如下步驟：

S110、利用高清相機（5）和高光譜相機拍攝果實圖像分別得到果實的高清圖像和高光譜圖像；

S120、對果實的高清圖像和高光譜圖像進行分割并提取感興趣區(qū)域，兩個圖像中的感興趣區(qū)域一一對應；

S130、每個感興趣區(qū)域作為一個樣本，對感興趣區(qū)域中的相機通道響應值D和光譜反射率R分別求平均得到樣本集；

S140、根據樣本集找到樣本光譜反射率數據和相機通道響應值之間的轉換矩陣W；

S150、利用高清相機（5）拍攝待測果實的高清圖像，再用轉換矩陣W對待測果實的通道響應值Dv進行轉換即可得到重構后的光譜反射率數據Rv。

2.如權利要求1所述的面向果實品質檢測的高光譜圖像重構方法，其特征在于：所述的步驟S110中，高清相機（5）和高光譜相機拍攝的果實圖像中有一個或多個果實，高清相機（5）拍攝的圖像格式為RGB，步驟S120中，每一個果實即為一個感興趣區(qū)域，步驟S140中，樣本訓練集中，相機通道相應平均值為1×3矩陣，光譜反射率平均值為1×M矩陣，其中M為高光譜相機的通道數，轉換矩陣W為3×M矩陣且滿足。

3.如權利要求2所述的面向果實品質檢測的高光譜圖像重構方法，其特征在于：所述的步驟S140中，包括如下步驟：

S141、通過核函數將樣本集升到高維空間；

S142、再利用降維思想求高維數據的協(xié)方差矩陣的特征向量；

S143、保持變量的總方差不變，用少量指標表示多維數據；

S144、通過線性變換，實現特征向量空間數據與高維數據之間的轉換即得到轉換矩陣W。

4.一種面向果實品質檢測的方法，其特征在于：包括如下步驟：

S210、將待測果實放在采集裝置中采集其高清圖像；

S220、按照權利要求1中步驟S110-S150對待測果實的高清圖像進行重構得到待測果實的光譜反射率數據；

S230、將重構后的光譜反射率數據通過神經網絡模型進行分類和回歸實現待測果實品質的檢測。

5.如權利要求4所述的面向果實品質檢測的方法，其特征在于：所述的采集裝置包括暗箱（1）、升降臺（3）、高清相機（5）、光源（4）以及控制單元（6），暗箱（1）整體為方盒狀且側面安裝有門用于放入待測果實，升降臺（3）設置在暗箱（1）內底面上用于托撐待測果實，高清相機（5）設置在暗箱（1）內頂部中心，光源（4）設置在高清相機（5）的旁側，控制單元（6）與升降臺（3）和光源（4）相連分別控制升降臺（3）的高度和光源（4）的強度。

6.如權利要求5所述的面向果實品質檢測的方法，其特征在于：包括計算單元（7），所述高清相機（5）拍攝的圖像通過控制單元（6）輸出至計算單元（7）中，計算單元（7）將高清圖像按照步驟S220和S230進行處理得到待測果實的品質。

7.如權利要求6所述的面向果實品質檢測的方法，其特征在于：所述的步驟S210中，包括如下步驟：

S211、調整暗箱（1）中的光源（4）強度和升降臺（3）高度為默認值；

S212、將待測果實放在升降臺（3）上采集其高清圖像；

S213、將采集到的高清圖像輸出至控制單元（6）中，控制單元（6）計算該高清圖像和控制單元（6）內存儲的參考圖像的圖像質量評價指標，若圖像質量評價指標低于或高于設定閾值，則執(zhí)行下一步，否則執(zhí)行步驟S220；

S214、控制單元（6）調節(jié)升降臺（3）的高度或光源（4）的強度后，返回步驟S212重新采集高清圖像。

8.如權利要求7所述的面向果實品質檢測的方法，其特征在于：所述的步驟S213中，參考圖像有多張，每種果實、每個高度、每個光照強度下分別對應一張參考圖像，參考圖像由人工拍攝后存儲在控制單元（6）中；且步驟S213中選擇與步驟S212中所獲得的高清圖像的果實種類、升降臺（3）高度、光照強度均相同的那張參考圖像計算圖像質量評價指標。