沙果腐爛的高光譜圖像檢測

劉蔣龍，張淑娟，孫海霞，趙旭婷，李軍宇

沙果腐爛的高光譜圖像檢測

劉蔣龍，*張淑娟，孫海霞，趙旭婷，李軍宇

（山西農業大學工學院，山西晉中030801）

采用高光譜成像技術對沙果的腐爛進行識別，通過高光譜成像系統采集了18個沙果腐爛樣本的高光譜圖像，利用主成分分析（PCA）對圖像進行數據壓縮，分別采用“Sobel”算子和區域生長算法“Region grow”并結合主成分圖像對18個沙果腐爛樣本進行識別。結果表明，采用高光譜圖像技術可以實現對沙果腐爛的識別。該研究為沙果的在線檢測提供了理論參考和依據。

沙果；腐爛；高光譜成像；檢測

0 引言

沙果[1-2]，正名花紅（Malus asiatica Nakai），薔薇科蘋果屬，栽培歷史悠久，普遍分布于黃河、長江流域及遼寧一帶，是我國特有的栽培物種。沙果營養豐富，富含鐵、鋅、硒等多種人體需要的微量元素及維生素，藥用價值高，對高血壓、咳嗽氣喘、冠心病具有較好的治療效果。此外，沙果還具有價格低、貯藏期長等優點。沙果既可以鮮食，也可以加工制作成果脯、飲料等產品，是一種頗受消費者青睞的果品。然而在沙果生長過程中，會受自然災害等多種因素影響，導致沙果產生腐爛，影響產品品質。

試驗以沙果的腐爛為研究對象，采集腐爛樣本的高光譜圖像信息，從圖像的角度出發，對沙果腐爛樣本進行快速檢測。

1 試驗材料與方法

1.1 樣品采集

試驗的研究對象為沙果，采集于山西省太谷縣。采集成熟期的腐爛樣本18個，利用高光譜成像系統采集各個樣本的圖像信息。

1.2 試驗設備

使用高光譜成像采集系統對沙果進行圖像采集。在采集樣本信息的過程中，需要合理設置曝光時間和移動平臺的移動速度等參數，經過多次研究，相機曝光時間為0.09 s，移動平臺速度為2.58 mm/s。為了得到所需要的樣本光譜，在采集樣本信息時，將目標區域對準鏡頭，鏡頭到沙果水平赤道平面的距離為310 mm，高光譜采集到圖像信息的像素（寬×高）為672×512。

1.3 區域生長算法

區域生長算法（Region grow）[3]的設計主要有以下3點：生長種子點的確定、區域生長的條件和區域生長停止的條件。種子點的個數根據具體的問題可以選擇1個或者多個，并且根據具體的問題不同可以采用自動確定或者人機交互確定。區域生長的條件實際上就是根據像素灰度間的連續性而定義的一些相似性準則；而區域生長停止的條件定義了一個終止規則，一般來講，在沒有像素滿足加入某個區域的條件時，區域生長就會停止。在算法里面，定義一個變量最大像素灰度值距離。加入像素點的灰度值和已經分割好的區域所有像素點平均灰度值差的絕對值小于或等于最大像素灰度值距離時，該像素點已經加入到分割好的區域；相反，則區域生長算法停止。

2 基于高光譜圖像的沙果腐爛檢測

主成分分析（Principalcomponentanalysis，PCA）[4]是針對存在一定相關關系的變量，通過原始變量線性組合，構成維數較少的不相關新變量代替原始變量，而且每個變量都包含盡可能多的原始變量信息過程，新的變量叫作原始變量的主成分。通過主成分分析，達到增強和提取某些有用信息的目的。在高光譜圖像處理中，常用到主成分分析進行預處理，實現數據的壓縮和圖像增強。

對沙果腐爛樣本進行主成分分析，前4個PC圖像的累計貢獻率達到99.76%。所以，選用PC1～PC4主成分圖像進行后續研究。

圖像前4個成分的累計貢獻率見表1，沙果腐爛樣本的4個主成分見圖1，腐爛樣本檢測算法關鍵步驟見圖2，沙果腐爛圖像識別檢測結果見圖3。

表1 圖像前4個成分的累計貢獻率

圖1 沙果腐爛樣本的4個主成分

圖2腐爛樣本檢測算法關鍵步驟

圖2 為沙果腐爛樣本檢測算法的關鍵步驟流程，原始高光譜圖像主成分分析后得到灰度圖。為了提取樣本的邊緣信息，需要去除圖像的背景，其中PC1圖像的背景和樣本相差最大，故對其掩膜[5]（Mask）處理，再運用“Sobel”算子[6]識別出沙果的邊緣；在腐爛損傷特征識別中，由于PC4圖像的損傷特征最明顯，于是對PC4圖像采用區域生長“Region grow”[3]提取損傷區域；最后將損傷區域圖和邊緣圖做加法運算，即得識別結果。按照圖2對樣本進行圖像識別，圖3為18個腐爛樣本的識別效果圖。

圖3 沙果腐爛圖像識別檢測結果

3 結論

試驗基于高光譜圖像識別技術，對沙果的腐爛進行識別，通過PCA對圖像進行數據處理，利用“Sobel”算子和區域生長算法“Region grow”分別提取圖像的邊緣和自然損傷特征區域。結果表明，該判別算法能夠實現對沙果腐爛樣本的檢測。通過圖像手段達到沙果腐爛識別，為開發沙果在線檢測設備提供了理論參考和依據。

[1]李慧峰，呂德國，王海波，等.6個沙果品種果實香氣成分分析[J].山西農業大學學報（自然科學版），2012（2）：136-139.

[2]宋彩香.基于近紅外光譜技術檢測沙果貨架期的品質變化[D].太谷：山西農業大學，2013.

[3]劉德華，張淑娟，王斌，等.基于高光譜成像技術的山楂損傷和蟲害缺陷識別研究[J].光譜學與光譜分析，2015，35（11）：3 167-3 171.

[4]林海明，杜子芳.主成分分析綜合評價應該注意的問題[J].統計研究，2013（8）：25-31.

[5]孫波成，邱延峻.基于圖像處理的路面裂縫識別研究[J].重慶交通大學學報（自然科學版），2008（1）：61-64，168.

[6]沈德海，侯建，鄂旭.基于改進的Sobel算子邊緣檢測算法[J].計算機技術與發展，2013（11）：22-25.◇

Detection of Rot in Malus asiatica Nakai Using Hyperspectral Imaging

LIU Jianglong，*ZHANG Shujuan，SUN Haixia，ZHAO Xuting，LI Junyu
（College of Engineering，Shanxi Agricultural University，Jinzhong，Shanxi 030801，China）

Hyperspectral imaging technology is employed to detect rot of Malus asiatica Nakai.18 RGB image of rot samples are acquired by hyperspectral imaging system.The images of PCA are employed to identify the location and area of defects feature through imaging processing.Using Sobel operator，Region growing algorithm and the images of PCA，the edge and defect feature of 18 Malus asiatica Nakai could be recognized.This investigation demonstrates that the rot defect of Malus asiatica Nakai could detect by hyperspectral imaging technology，which provides a theoretical reference for the on-line detection of Malus asiatica Nakai.

Malus asiatica Nakai；rot；hyperspectral imaging；detection

TS255.7

A

10.16693/j.cnki.1671-9646（X）.2017.07.012

1671-9646（2017）07a-0039-02

2017-06-26

劉蔣龍（1992—），男，在讀碩士，研究方向為農產品檢測技術及裝備。

*通訊作者：張淑娟（1963—），女，博士，教授，博士生導師，研究方向為農產品無損檢測技術及裝備。