基于高光谱成像对苹果病虫害无损检测的研究

【摘要】：高光谱成像是一种新兴的无损快速检测技术,可以同时获取研究对象的图像和光谱信息,集成了光谱分析和图像处理的优势,已成为农产品病虫害信息快速、无损检测的重要手段之一。本研究采用高光谱成像技术对苹果病虫害进行无损检测,对提高苹果品质检测和分级处理水平具有重要意义。 本文以具有代表性的红富士苹果为研究对象,采用自制的高光谱成像系统对苹果高光谱图像进行采集。对采集的高光谱图像通过相对反射率选出光谱区域为450-980nm之间的高光谱图像,经过主成分分析方法及提取的纹理特征对苹果虫害进行无损检测研究。基于高光谱图像的光谱差值获取了2个有效波长(646和824nm)及对应光谱的相对反射率,并利用这2个有效波长下的特征图像和Otsu阈值理论检测出感兴趣区域。通过感兴趣区域选择出纹理特征图像,采用了灰度矩阵的4个纹理参数(能量、熵、惯性矩和相关性)和2个有效波长的相对反射率,构成6个特征量。利用6个特征量作为输入量构建BP神经网络模型,对测试集中25个正常苹果和25个虫害苹果进行检测评估。正常果的识别率为100%,虫害果的识别率为100%,整体检测精度为100%。结果表明,利用高光谱成像技术可以实现对虫害苹果的有效检测。 本文还对苹果腐烂果进行了无损检测研究,并采用支持向量机和BP神经网络两个数据模型分别对其进行检测,验证苹果腐烂果的识别率,优选识别模型。结果显示BP神经网络模型的检测精度达到了100%,明显高于支持向量机检测模型。同时对苹果的果梗/花萼和虫害果与腐烂果进行综合识别,构建BP神经网络的检测模型,正确识别出果梗/花萼的检测率为96%,正确识别出虫害果与腐烂果的检测率为98%。识别结果表明,利用高光谱成像技术可以实现在果梗/花萼干扰下对病虫害苹果的有效检测。