[發明專利]基于近紅外高光譜圖像的大豆種子病變粒識別方法及系統

在審

• 申請號: 202210321719.X
• 申請日: 2022-03-30
• 公開（公告）號: CN114689539A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 葉文武;李凱楠;沈廣輝;鄭小波;王源超
• 申請（專利權）人: 南京農業大學
• 主分類號: G01N21/3563
• 分類號: G01N21/3563;G01N21/359;G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06V10/77;G06V10/771;G06K9/62
• 代理公司: 鎮江至睿專利代理事務所(普通合伙) 32529
• 代理人: 劉靜

1.一種基于近紅外高光譜圖像的大豆種子病變粒識別方法，其特征在于，所述方法包括以下步驟：

S1：采集三種不同類型的大豆種子，構建種子樣本，所述類型包括健康、霉變和紫斑；

S2：獲取所述種子樣本的近紅外高光譜圖像，對所述圖像進行分割和光譜提取，獲得單個大豆種子的近紅外光譜數據；

S3：對所述近紅外光譜數據進行預處理；

S4：根據所述預處理后的近紅外光譜數據進行種子病變相關特征波長篩選，篩選出與大豆種子病變最相關的特征波長；

S5：基于所述特征波長，構建判別分析模型；根據所述判別分析模型對待識別的大豆種子進行識別，得到識別結果。

2.根據權利要求1所述的方法，其特征在于，所述獲取所述種子樣本的近紅外高光譜圖像，對所述圖像進行分割和光譜提取包括：

根據以下公式對原始高光譜圖像進行黑白校正：

式中，I為經校正后的圖像，I₀為原始的高光譜圖像，B為黑色標定背景的信息，W為白板標定圖像信息。

3.根據權利要求2所述的方法，其特征在于，所述獲得單個大豆種子的近紅外光譜數據包括：

使用主成分分析法結合最大類間方差法對大豆高光譜圖像進行背景分割，分別提取每一個種子所有像素的光譜，計算平均值作為此大豆種子的指紋圖譜。

4.根據權利要求3所述的方法，其特征在于，所述根據所述預處理后的近紅外光譜數據進行種子病變相關特征波長篩選包括：

使用連續投影法對近紅外光譜數據進行處理，篩選出與大豆種子病變最相關的波長，最大選定特征波長數設為30。

5.根據權利要求4所述的方法，其特征在于，所述基于所述特征波長，構建判別分析模型包括：

將大豆種子的特征波長數據按照3:1隨機分為校正集和驗證集，使用偏最小二乘判別分析算法構建判別分析模型。

6.一種基于近紅外高光譜圖像的大豆種子病變粒識別系統，其特征在于，所述系統包括：

采集模塊，用于采集三種不同類型的大豆種子，構建種子樣本，所述類型包括健康、霉變和紫斑；

獲取模塊，用于獲取所述種子樣本的近紅外高光譜圖像，對所述圖像進行分割和光譜提取，獲得單個大豆種子的近紅外光譜數據；

處理模塊，用于對所述近紅外光譜數據進行預處理；

篩選模塊，用于根據所述預處理后的近紅外光譜數據進行種子病變相關特征波長篩選，篩選出與大豆種子病變最相關的特征波長；

識別模塊，用于基于所述特征波長，構建判別分析模型；根據所述判別分析模型對待識別的大豆種子進行識別，得到識別結果。

7.根據權利要求6所述的系統，其特征在于，所述獲取模塊獲取所述種子樣本的近紅外高光譜圖像，對所述圖像進行分割和光譜提取包括：

根據以下公式對原始高光譜圖像進行黑白校正：

式中，I為經校正后的圖像，I₀為原始的高光譜圖像，B為黑色標定背景的信息，W為白板標定圖像信息。

8.根據權利要求7所述的系統，其特征在于，所述獲取模塊獲得單個大豆種子的近紅外光譜數據包括：

使用主成分分析法結合最大類間方差法對大豆高光譜圖像進行背景分割，分別提取每一個種子所有像素的光譜，計算平均值作為此大豆種子的指紋圖譜。

9.根據權利要求8所述的系統，其特征在于，所述篩選模塊根據所述預處理后的近紅外光譜數據進行種子病變相關特征波長篩選包括：

使用連續投影法對近紅外光譜數據進行處理，篩選出與大豆種子病變最相關的波長，最大選定特征波長數設為30。

10.根據權利要求9所述的系統，其特征在于，所述識別模塊基于所述特征波長，構建判別分析模型包括：

將大豆種子的特征波長數據按照3:1隨機分為校正集和驗證集，使用偏最小二乘判別分析算法構建判別分析模型。