[發(fā)明專利]基于高光譜成像技術的獼猴桃貨架期快速判別方法

有效

• 申請?zhí)枺?/td>: 202110770250.3
• 申請日: 2021-07-08
• 公開（公告）號: CN113496486B
• 公開（公告）日: 2023-08-22
• 發(fā)明（設計）人: 許麗佳;黃鵬;陳銘;康志亮;王玉超;彭英琦
• 申請（專利權）人: 四川農業(yè)大學
• 主分類號: G06V20/68
• 分類號: G06V20/68;G06V10/58;G06V10/82;G06V10/70;G06T7/00;G06T5/00;G06N3/006;G06N3/048
• 代理公司: 北京博爾赫知識產權代理事務所(普通合伙) 16045
• 代理人: 王燦

1.基于高光譜成像技術的獼猴桃貨架期快速判別方法，其特征在于：包括以下判別步驟：

S1：取不同貨架期的獼猴桃樣本，并采集獼猴桃樣本的高光譜圖像，再對該圖像進行黑白校正，獲得校正后圖像R：

式中，R為校正后圖像，R_D為黑標準圖像，R_W為白標準圖像，R₀為獼猴桃高光譜圖像；

S2：對校正后的圖像進行降噪處理，獲得有效光譜信息

式中，X_i,j為獼猴桃樣本在各波長下提取的感興趣區(qū)域內每個像素點的光譜信息值，所述感興趣區(qū)域為校正后圖像中選擇獼猴桃中間部位85×85像素點的正方形區(qū)域，h為感興趣區(qū)域內的像素點數(shù)，為獼猴桃樣本在各波長點處求取的有效光譜信息值；

S3：采用DOSC處理方法對有效光譜信息進行預處理；

S4：將預處理后的有效光譜信息采用SPA算法提取出特征光譜變量；

S5：建立ELM模型，再將特征光譜變量輸入至ELM模型中，獲得待測獼

猴桃貨架期的判別結果；ELM模型為：

式中，x_j為第j個樣本的輸入變量，g(·)為隱含層神經元激活函數(shù)，b_i為隱含層神經元的偏置，l、L分別為隱含層節(jié)點數(shù)和樣本數(shù)，w_i為輸入層節(jié)點到隱含層節(jié)點之間的權值，β_i為隱含層節(jié)點到輸出層節(jié)點之間的權值，f(x_i)是ELM模型的輸出值；

所述DOSC處理方法包括以下步驟：

S31：對有效光譜矩陣x(n×m)、真實貨架期矩陣Y(n×1)進行均值中心化，其中，n為獼猴桃樣本個數(shù)，m為有效光譜變量數(shù)；

S32：將Y分解成正交部分M和F，其中，M是Y在X上的投影，即M＝X'((X')^-1)Y，F(xiàn)與X正交；

S33：將X分解成2個正交部分，一部分與M同幅值，另一部分與M正交，

即Z＝X-MM^-1X；

S34：對Z×Z'進行奇異值分解，求得Z的得分矩陣T_d；

S35：計算權重矩陣H：H＝X^-1T_d；

S36：計算新的得分矩陣T_d-new:T_d-new＝XH；

S37：計算載荷矩陣Q：Q＝X'T_d-new(T_d-new'T_d-new)^-1；

S38：計算預處理后的光譜信息矩陣X_DOSC：X_DOSC＝X-T_d-newQ'；

所述SPA算法包括以下步驟：

S41：將預處理后的光譜信息X_DOSC標準化處理為X_M×K，其中，K是預處理后的光譜波段數(shù)，N為SPA提取出的特征光譜變量個數(shù)；

S42：任選一列光譜數(shù)據(jù)x_j，記為變量x_k(0)(k(0)＝j)；

S43：定義集合代表其余未選中的光譜變量；

S44：計算x_j在S上的投影P_xj:

S45：記錄投影向量中最大投影k(n)：k(n)＝arg(max||Px_j||,j∈S)；

S46：令P_xj為下輪迭代的投影向量：x_j＝P_xj,j∈S；

S47：若n＜N，返回步驟S43，繼續(xù)投影；

在步驟S5中，在特征光譜變量輸入至ELM模型之前，需對ELM模型的權值(w_i,β_i)和隱含層偏置b_i采用PSO算法處理，PSO處理步驟如下：

S51：初始化粒子群算法的參數(shù)，包括學習因子c₁和c₂、慣性因子初值ω_ini和終值ω_end、隱含層節(jié)點數(shù)、迭代次數(shù)K和粒子種群數(shù)，以及粒子的尋優(yōu)范圍；

S52：以ELM實際輸出與期望輸出的RMSEC為適應值，計算所有粒子的適應值，并從中找出全局最佳適應值和對應的全局最優(yōu)粒子；

S53：更新各粒子并計算其適應值，并與前一次各自的個體適應值作比較，若此次適應值更接近期望值，則更新粒子及其相應的適應值，否則維持不變；

S54：在各粒子的適應值中找出新的全局最佳適應值和新的全局最優(yōu)粒子；

S55：若新的全局最佳適應值優(yōu)于上次的全局最佳適應值，則保留該次全局最佳適應值及相應的全局最優(yōu)粒子，否則維持不變；

S56：判斷當前迭代次數(shù)k是否等于迭代次數(shù)K，或粒子對應的RMSEC為限值范圍內的最小值；若是，則結束對ELM模型的PSO處理；若否，循環(huán)執(zhí)行步驟S52～S55。