返回當(dāng)前位置:主頁>應(yīng)用案例>農(nóng)業(yè)監(jiān)測(cè)
來源:賽斯拜克 發(fā)表時(shí)間:2023-09-14 瀏覽量:498 作者:awei
鮮棗作為一種重要的水果,具有豐富的營養(yǎng)價(jià)值,在我國農(nóng)業(yè)中占據(jù)著重要的地位。然而,由于種種原因,鮮棗在生長和采摘過程中經(jīng)常出現(xiàn)裂紋問題,裂紋的出現(xiàn)不僅影響鮮棗的品質(zhì),還給生產(chǎn)帶來了嚴(yán)重?fù)p失。因此,如何準(zhǔn)確、快速地檢測(cè)和判別鮮棗裂紋,成為了一個(gè)亟待解決的問題。傳統(tǒng)的檢測(cè)方法往往繁瑣、耗時(shí),且難以實(shí)現(xiàn)定性判別。近年來,隨著高光譜成像技術(shù)的不斷發(fā)展,為鮮棗裂紋的檢測(cè)與定性判別提供了新的解決方案。
高光譜成像技術(shù)是一種無損檢測(cè)技術(shù),可以應(yīng)用于鮮棗裂紋的定性和定量檢測(cè)。以下是該技術(shù)在鮮棗裂紋檢測(cè)中的應(yīng)用步驟:
獲取高光譜數(shù)據(jù):首先,使用高光譜相機(jī)或傳感器獲取鮮棗的高光譜數(shù)據(jù)。這些數(shù)據(jù)包括鮮棗在多個(gè)波長下的反射或透射信息,能夠捕捉到與裂紋相關(guān)的光譜特征。
數(shù)據(jù)預(yù)處理:對(duì)獲取的高光譜數(shù)據(jù)進(jìn)行預(yù)處理,包括去噪、光譜校準(zhǔn)、背景去除等,以提高數(shù)據(jù)質(zhì)量并減少干擾。這一步驟有助于突出與裂紋相關(guān)的信息。
特征提取與選擇:通過對(duì)預(yù)處理后的高光譜數(shù)據(jù)進(jìn)行分析,提取與裂紋相關(guān)的特征。這些特征可能包括特定波長范圍內(nèi)的反射率變化、吸收特征、紋理信息等。利用化學(xué)計(jì)量學(xué)方法、圖像處理技術(shù)等,可以選擇和提取最能夠表征裂紋的特征。
建立判別模型:采用適當(dāng)?shù)臋C(jī)器學(xué)習(xí)算法,如偏最小二乘回歸(PLSR)、支持向量機(jī)(SVM)等,建立鮮棗裂紋的判別模型。利用訓(xùn)練集數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練,并使用驗(yàn)證集數(shù)據(jù)對(duì)模型性能進(jìn)行評(píng)估。優(yōu)化模型參數(shù)以提高裂紋判別的準(zhǔn)確性和穩(wěn)定性。
裂紋定性與定量檢測(cè):應(yīng)用建立的判別模型,對(duì)新的高光譜數(shù)據(jù)進(jìn)行裂紋的定性和定量檢測(cè)。定性檢測(cè)可以確定裂紋的存在與否,而定量檢測(cè)可以估計(jì)裂紋的大小、位置等參數(shù)。這可以通過分析模型輸出的特征圖像、裂紋指數(shù)等信息來實(shí)現(xiàn)。
高光譜成像技術(shù)對(duì)鮮棗裂紋進(jìn)行定性判別和定量檢測(cè)研究
本研究應(yīng)用了400-1000nm的高光譜相機(jī),可采用廣東賽斯拜克科技有限公司產(chǎn)品SP130M進(jìn)行相關(guān)研究。光譜范圍在400-1000nm,波長分辨率優(yōu)于2.5nm,可達(dá)1200個(gè)光譜通道。采集速度全譜段可達(dá)128FPS,波段選擇后最高3300Hz(支持多區(qū)域波段選擇)。
本研究采用高光譜成像技術(shù)對(duì)鮮棗的裂紋進(jìn)行定性和定量檢測(cè)。在獲取鮮棗高光譜數(shù)據(jù)后,提取相關(guān)感興趣區(qū)的平均光譜,并采用PLSR,SPA和圖像PCA分析得到鮮棗裂紋敏感波段,建立鮮棗裂紋判別的LS-SVM模型以及用ROC 曲線對(duì)判別模型進(jìn)行評(píng)判,最終選用最優(yōu)模型下敏感波段對(duì)應(yīng)的光譜圖像進(jìn)行分析,以獲取鮮棗裂紋的位置、大小信息
采用高光譜成像技術(shù)對(duì)鮮棗裂紋進(jìn)行定性判別和定量檢測(cè)。運(yùn)用PLSR回歸系數(shù)、SPA和圖像PCA來提取鮮棗裂紋敏感波段,采用LS-SVM 建立鮮棗裂紋判別模型以及采用ROC曲線評(píng)價(jià)判別模型,表明PLSR-LS-SVM模型對(duì)鮮棗裂紋判別效果最佳。運(yùn)用該模型敏感波段下的圖像進(jìn)行PCA分析,對(duì)最能表現(xiàn)鮮棗裂紋特征的PC4圖像進(jìn)行裂紋信息的識(shí)別,定量地檢測(cè)出裂紋在鮮棗的位置、大小信息特征,并將鮮棗裂紋識(shí)別模型及算法應(yīng)用于另外8個(gè)樣本,同樣也得到了較好的識(shí)別效果,這為鮮棗裂紋的檢測(cè)儀器開發(fā)提供理論基礎(chǔ)和依據(jù)。