水果成熟度的高光谱成像无损检测研究

水果成熟度作为衡量水果品质和等级的一个重要指标,区分不同成熟度的水果可以降低水果在采摘、包装、储存、运输等物流环节的损失率.高光谱技术是一种新型光谱技术和计算机视觉融合技术,它可以从图像维和光谱维对水果的综合品质进行评价.分析了国内外将该技术应用于水果成熟度检测方面的研究进展,提出了利用高光谱图像技术检测枣和梨成熟度的方法,利用不同成熟度的水果在可见光及近红外波段的反射率,初步确定了利用高光谱成像技术检测枣和梨2种水果成熟度的有效特征波长.     

高光谱成像在肉品品质及安全检测方面的应用

高光谱图像作为一种快速无损的分析技术在食品行业中得到广泛应用。高光谱图像是一种图像和光谱的融合技术,通过高光谱成像技术可以同时获取样品的空间和光谱信息。文章介绍了高光谱成像系统的原理以及在肉品品质和安全检测中的应用,主要包括肉类的化学组成成分分析、感官品质评价以及肉与肉制品的掺假物鉴别,并针对目前发展趋势展望了该技术在肉品品质及安全检测中存在的问题及应用前景,为更好地应用该技术提供参考。     

基于光谱特征的玉米品种高光谱图像识别

为了对玉米种子进行无损识别分类,对玉米种子的高光谱图像的光谱信息进行分析,探索高光谱图像技术在玉米种子识别分类上的可行性。利用波长范围为400～1 000 nm的高光谱图像采集系统采集11类共528粒玉米样本的高光谱图像;在每个玉米样本上提取感兴趣区域并获取此区域的平均光谱信息,对光谱曲线进行分析,去除12个奇异样本;结合偏最小二乘判别分析法对所选玉米种子样本识别分类。实验结果表明,在所选玉米样本的识别中训练集样本的识别精度可以达到99.22%,测试集样本的识别精度也达到了94.66%。研究结果表明,不同种类的玉米种子的光谱信息具有一定的差异性,利用高光谱图像技术提取其光谱信息对玉米种子品种进行无损识别分类是可行的。     

肉品品质检测技术综述

介绍了人工嗅觉与人工味觉检测技术、计算机视觉技术、近红外光谱技术、高光谱图像检测技术等无损检测技术的发展概况.应用高光谱图像技术对肉品品质进行无损检测是当前的研究热点之一.介绍了该技术的基本原理和国内外肉品品质高光谱图像检测技术的研究现状,并展望了高光谱图像检测技术在肉品品质检测中的研究前景,以期对我国相关研究人员的研究工作提供参考.     

基于GA-ICA和高光谱图像技术的黄瓜叶叶绿素检测

用遗传算法(GA)和独立分量法(ICA)提取黄瓜叶高光谱图像的特征信息,对高光谱图像技术检测叶绿素含量及其叶面分布的可行性进行了研究.高光谱图像标定校正后,提取其中的光谱信息,采用GA对光谱信息进行特征波长选择,将GA优选出来的光谱进行ICA信号分析并结合叶绿素含量值建立多元线性回归模型(MLR).结果表明GA共优选出...     

基于高光谱图像和逐步回归的新疆新鲜牛肉颜色分析

由于高光谱图像可同时获得样品的图像和光谱信息,近年来在现代检测技术上得到广泛关注,本文探讨了高光谱图像技术对新疆新鲜牛肉颜色检测的可行性.本研究采集了78个牛肉背脊样品的高光谱图像,并测量其亮度(L*)、红度(a*)、黄度(b*)和饱和度(C*)等颜色参数.选取感兴趣区域获取样品代表性光谱,通过选择多元散射校正Savitzky-Golay平滑、一阶导数和中心化等预处理方法,建立并评价了预测各颜色参数的逐步多元线性回归校正模型.对于L*、a*、b*和C*,模型选择的波长点数分别为7、11、4和9,校正集的相关系数分别为0.92.0.85、0.86和0.81,校正标准差分别为1.55、1.54、0.83和1.83,预测集的相关系数分别为0.91、0.84、0.92和0.86,预测标准差分别为1.71.1.62、0.81和1.68.结果表明,高光谱图像技术可用于快速无损地检测新疆新鲜牛肉的颜色.     

高光谱图像技术检测梨表面农药残留试验研究

以滴有不同浓度毒死蜱和炔螨特农药的水晶皇冠梨为研究对象,探讨高光谱图像技术结合人工神经网络方法检测水果表面农药残留量的可行性.分别配制不同浓度分布的毒死蜱水溶液和炔螨特水溶液样本各20个,按100μL和150μL取农药溶液滴在梨表面,在835.467 8～1 648.356 8 nm范围采集高光谱图像,提取感兴趣区域数据得到4组样本数据,每组20个,每组随机抽取5个样本作为预测集,利用BP人工神经网络对每组数据分别建立数学模型.滴有150μL和100μL农药溶液区域的建模结果为:两种农药的残留样本相关系数分别都大于0.99和0.95;RMSEC和RMSEP的最大值分别为0.634 9,1.323 9和1.742 5,3.441 7.结果表明:150μL农药样本区优于100μL农药样本区的建模结果,高光谱图像技术结合人工神经网络法检测梨表面农药残留量是可行的,为水果表面农药残留量检测提供了新方法.     

用于高光谱遥感图像分类的空间约束高斯过程方法

高光谱遥感图像分类是遥感图像处理的一项重要内容.高光谱遥感图像具有非线性属性.图像中不同方位光谱特征的变化将使得仅从标记训练样本得到的分类器分类精度不会太高.为了提高分类的精度,一方面应对光谱信息的合理利用;另一方面,对空间信息的利用也非常重要.高斯过程(Gaussion process,GP)是一种贝叶斯统计学习方法,能够建立概率模型,并且使得分类结果更易于解释.传统GP分类方法中核函数的构造仅利用光谱信息.本文提出了一种加入空间关系的新分类方法.利用遥感图像空间相关性,在GP分类方法中通过构造新的核函数(spatial Gauss kernel,SGK)来实现空间约束,部分消除了同物异谱和同谱异物造成的分类错误.实验结果表明,该方法对于提高高光谱遥感图像的分类精度具有积极意义.     

基于多通道窄带滤波阵列的微型多光谱成像仪

设计出一种基于多通道窄带滤波阵列的微型多光谱成像仪.系统根据推帚式成像光谱仪的原理进行设计,采用多通道窄带滤波阵列在后光学系统进行分光,利用高精度载物台驱动实验目标进行推扫成像,选用USB总线作为数据采集的微机接口.整个系统由宽光谱光源、普通光学镜头、分光滤波片、面阵CCD成像装置、载物台自动装置以及数据采集和控制模块等几部分组成.系统的光谱范围从760 nm到900 nm,共16个波段,光谱分辨率＜10 nm.系统具有同时获取不同波长光谱信息、结构紧凑、成本低、可靠性强和小型化等优点;不仅能够提供目标在近红外的单波段光谱图像,而且能够获得图像中任意像素的光谱曲线,实现光谱技术和成像技术的结合.     

基于近红外透射光谱与机器视觉的蜜柚汁胞粒化分级检测

汁胞粒化是一种柑橘类水果中汁液囊的生理失调现象,表现为汁液囊变硬、干燥等,对水果内部品质产生消极影响。蜜柚是一种厚皮的柑橘类水果,很难通过外部果皮及果形,鉴定果实内部的汁胞粒化程度。采用近红外透射光谱结合机器视觉技术的快速无损检测方法,对蜜柚汁胞粒化程度进行分级检测。采集600个不同生长期的蜜柚样本在900～1700 nm的光谱数据,按果实的汁胞粒化程度将其分为5级。结合化学计量学研究由汁胞粒化引起的内部品质的化学变化,而机器视觉技术可用于研究由汁胞粒化引起的外部特征的物理变化。因此,该方法相较于传统检测方法,分级模型的预测能力更好。尤其是,连续投影-K近邻算法预测模型的准确性、敏感性和特异性分别达到0.970 0、0.923 1和0.987 4以上。结果表明:该方法可用于汁胞粒化的鉴定与评估分级,且具有巨大潜力,以期为厚皮类水果在线分选及内部品质研究提供参考和理论依据。     

基于集合论的光谱相似性度量及在影像检索中的应用

将高光谱遥感中光谱向量相似性度量转换为相应的集合相似性度量,提出了两种适用于光谱的相似性度量方法,即基于光谱多边形面积和基于特征波段位置匹配度量.实验结果表明,基于光谱多边形的方法能够更有效地综合应用反射率和波长二维信息,有效度量光谱向量相似性.     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分割的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

基于机器视觉的齿轮产品外观缺陷检测

提出应用机器视觉技术对齿轮外观缺陷进行检测.首先对齿轮产品实物图像进行预处理,提取齿轮边缘图像,对其实物图像和设计图像进行分割和缩放处理,得到相同大小的实物;其次,采用互信息方法对两幅图像进行配准,通过不断旋转实物图像,计算它与设计图像的互信息,找出实物图像的最佳旋转配准角度;在此基础上将两幅图像进行小波融合,即自动对齐叠加在一起,根据重合效果,检测人员可以判断生产出的齿轮产品是否合格.通过实例验证了该方法的可行性和有效性,检测效果直观.     

陕西丰镐地区航空高光谱遥感数据预处理研究

目的对获取的丰镐地区航空高光谱遥感数据进行前期数据处理和校正。方法通过辐射校正、噪音去除、航带间差异调整、几何校正等图像处理方法对畸变和误差较大的遥感数据进行校正。结果获得了高质量、高精度的数据,为后续光谱定标、分类识别及信息提取提供了理想的图像。结论本方法对校正航空高光谱图像存在的较为严重的辐射畸变和几何畸变有良好效果。     

分块噪声自适应高光谱图像去噪算法研究

高光谱图像在获取过程中容易产生噪音,从而影响了地物空间信息的识别。噪声去除是高光谱图像处理十分必要的步骤。结合低秩矩阵分解理论,在传统奇异值阈值方法的基础上提出基于分块的噪声自适应遥感去噪方法。实验结果证明,该方法运算速度快,并能够有效去除缺失值造成的死线噪声以及高斯噪声,在平均峰值信噪比(MPSNR)和平均结构相似性(MSSIM)上优于Godec算法。     

高光谱影像预处理技术

 以核工业北京地质研究院遥感重点实验室获取的高光谱数据CASI/SASI的处理为例,总结了高光谱数据处理技术的流程、具体技术细节和技术点,并根据数据处理中存在的问题,例如高光谱数据量大、处理时间长、影像的拼接困难等,阐述了对高光谱影像预处理中所存在问题的相关对策,为高空间分辨率的高光谱数据预处理提供了较好的应用范例和技术支撑.     

基于自适应波段聚类PCA的高光谱图像压缩

对高光谱图像进行有效压缩已经成为高光谱遥感领域的研究热点。针对现有高光谱图像压缩算法谱间特性利用不够充分的问题,提出了一种自适应波段聚类PCA(principal component analysis)与JPEG2000相结合的高光谱图像压缩算法。算法采用基于吸引力传播聚类的方法进行自适应波段聚类,对聚类后的各个波段组分别进行PCA运算,最后利用JPEG2000标准对所有主成分进行编码压缩。对高光谱图像进行波段聚类,不仅能更有效地利用谱间相关性,提高压缩性能;还可以降低PCA的运算量。实验结果表明,该算法在相同压缩比下,其信噪比、异常检测、光谱角性能相比对比算法均有所改善。