程序员经验分享-hwhale

光谱成像技术用于河北鸭梨的物理损伤检测

2023-10-27

目录

前言

相关工作

相关工作一：

相关工作二：

本文实验

样本

实验设备

数据处理

面检测方法一

面检测方法二

结论

参考文献

前言

        高光谱成像技术可以对大范围的农产品进行识别和检测，已经在工业界得到应用，取代了效率低、精度低、费时费力的人工分拣方法。本文通过分析完好与损伤区域的光谱数据，验证了利用高光谱成像技术检测河北鸭梨的物理损伤的可行性。

相关工作

相关工作一：

        2014年研究人员采用近红外高光谱成像技术(950 ~ 1650 nm)对伤梨进行高光谱成像，并利用选择波段比和阈值方法提取损伤区域，为开发多光谱成像系统提供了依据。研究人员分别通过5、10、15厘米三个高度梨的自由落体，在梨的中心区域产生损伤区域，随后分别提取bruises, sound areas, lenticels and regions with specular responses（损伤、健康、皮孔和镜面反射区域）的光谱数据。

        通过单因素方差分析（one-way ANOVA）计算损伤与正常区域不同波段之间光谱数据比值的F值，以找到在整个高光谱图像中区分完好与损伤区域的最佳波段比值对。通过高斯分布分别回归波段比的频率后，设置合适的阈值对图像进行像素级分类。

        整体流程图可见图一。

 图1 (a)1074 nm处单波段图像 (b)设置10%反射率阈值得到梨的掩模图像 (c)、(d) 最优波段比值的单波段图像 (e) 两波段比值图像 (f) 设置合适阈值得到二值图像 (g) 损伤区域检测结果图像(Wang-Hee Lee)

相关工作二：

        2017年研究人员利用ImSpector V10E成像光谱仪(380~1030 nm)分别获取了放置在传送台上的经损伤处理后的库尔勒梨的连续七天的高光谱数据，探索了在可见光到近红外波长范围内检测梨的损伤区域的可行性。样本的处理方式为：从30 cm的高处抛下至水平地板上，在梨赤道位置附近形成轻微且肉眼难辨的损伤，得到损伤区域直径约为3 cm的样本。

        作者利用envi提取感兴趣区域（ROI）的光谱数据，并经首尾噪声波段去除与小波基函数去噪后得到的470~963 nm光谱范围内的反射率曲线。将样本集按照2：1的比例进行划分，并将全部波段数据输入到SVM分类器中进行分类。但对全波段数据进行处理增加了计算复杂度，不利于实时检测。因此作者对光谱数据进行二阶导数预处理，并提取了19个特征波长。将特征信息输入到SVM分类器中，得到与全波段数据相同的平均总体分类精度。

        最后，作者同样利用特征波长处完好与损伤区域波段比的F值得到最佳波段比值，并通过选择性搜索算法(SS) 合并具有相似性阈值的相邻像素点，从而形成一个区域，一定程度上消除了相关工作一中出现假阳性像素点的情况。

本文实验

样本

        从农贸市场购买10个大小、形状、颜色分布均匀的河北鸭梨/水晶梨，保证全部为正常优质果，不含明显的外观损伤，以保证实验的准确性。梨的物理损伤的产生方法为：从30cm高度垂直落下，在赤道位置附近造成损伤部位。逐个采集编号后的损伤样本的高光谱图像，损伤水果在拍摄期间常温保存。

实验设备

        实验采用南京智谱科技有限公司的HF820 高光谱视频相机进行数据采集，HF820 高光谱视频相机是基于PMVIS技术打造的光谱视频成像设备，在保证高光谱分辨率的基础上，取得百万像素量级光谱视频成像空间分辨率，实现实时彩色视频的输出以及观测目标在线、准确的分析，具体参数可见下表。数据采集在暗室中进行，其余设备有灯箱、计算机等。

表1 HF820 高光谱视频相机参数

类别

参数

尺寸

229×165×62mm

重量

1.3kg

成像距离

0.5m~无穷远

光谱范围

450~950nm（波段可选，125个）

光谱分辨率

4nm@550nm

动态范围

12bit

全幅像素

200万像素

帧频

20cubes/s

工作/放置温度

0~45℃/-30~60℃

数据处理

        高光谱图像ROI的选择基于ENVI 5.3 实现， 光谱预处理 ，特征提取、波段比计算以及图像处理主要基于python 3.9  实现。

        分别在完好、损伤区域中心选择8个5*5个像素的ROI，在10个样本中共提取了160个ROI，将光谱信息进行平均得到平均光谱反射率曲线如图二。为了消除水果形状对光谱反射率的影响，采集光谱时尽可能保持各个区域位置接近。可以看到，鸭梨在480 nm和750 nm附近存在波谷，在700nm 和800nm 附近出现波峰。损伤区域反射率随波长的变化趋势与完好区域相同，整体反射率较完好区域低，特别是在750nm ~ 900nm 范围内，这是由于水果细胞中所含的O-H键的伸缩导致，与水分吸收有关，N-H键的伸缩同样也会造成影响。

 图2 各区域反射率随波长的变化

        根据表皮的实际情况，将提取的 160 条平均光谱标记为两类：0 类代表损伤区域（共计 80 条平均光谱），1 类代表完好区域（共计 80 条平均光谱）。将 160 条光谱按照6：4的比例随机分为训练集与验证集。利用 SPA 筛选特征波段，通过算法内嵌的 MLR 模型可以得到 RMSE 以及特征波长分布图。从图三(a)中可以看到，随着筛选的波长个数的增加，RMSE逐渐下降，在接近15时趋于平稳。算法自动选取了16个特征波段，分布情况如图三(b)所示，可以看到由于两类表皮的光谱曲线在后半部分存在较大差异易于区分，SPA 选择较少的特征波段，而前半部分两类别光谱曲线较为接近，需要利用更多的特征波段才能降低 MLR 回归中的均方根误差。

          (a) RMSE随特征波长个数的变化                                                       (b) 特征波长的分布情况

图3 SPA提取特征波段

面检测方法一

        对提取的特征波段进行主成分分析（PCA），选取能够区分损伤与完好区域的主成分，对其进行阈值分割得到损伤区域。主要流程如下图所示，      (a) 梨的真彩色图像                        (b) 第五主成分（PC5）                       (c) 阈值分割结果

图4 损伤区域检测方法一流程图

面检测方法二

        通过one-way ANOVA计算损伤与正常区域不同波段之间光谱数据比值的F值，得到F值等高线图如图五所示。

 图5 单因素方差分析计算出的F值

        找到F值最大处的完好与损伤区域的最佳波段对，相除得到比值图像进行阈值分割得到损伤区域检测结果。主要流程如下图所示，

         (a) 最佳波段对图像                              (b) 比值图像                                (c) 阈值分割结果

图6 损伤区域检测方法二流程图

结论

        本次实验利用光谱技术针对梨的物理损伤进行了检测，两种面检测方法都可以识别出梨的损伤区域，这表明利用可见光-近红外高光谱成像技术对河北鸭梨进行损伤鉴别是可行的，这为构建低成本的多光谱成像系统提供了依据。但实验同样存在不足，如只是对样本进行单幅成像，未能充分利用快照式相机的视频成像速率。未来将探索快照式相机在梨以及其它水果的物理损伤和其它理化性质检测中的应用。

参考文献

https://www.sciencedirect.com/science/article/abs/pii/S0260877414000156

Pears characteristics (soluble solids content and firmness predic...: Ingenta Connect

高光谱成像技术的库尔勒梨早期损伤可视化检测研究--《光谱学与光谱分析》2017年01期

基于机器视觉和光谱成像技术的苹果外部品质检测方法研究 - 中国知网

https://www.sciencedirect.com/science/article/pii/S0924224421001527

https://www.opticsjournal.net/Articles/OJ3760efef631e9f62/Abstract

Study on Bruise Detection of 'Fuji' apple using Hyperspectral Reflectance Imagery-Journal of Biosystems Engineering | Korea Science

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

光谱应用

图像处理

光谱成像技术用于河北鸭梨的物理损伤检测 的相关文章

  • 深度学习训练之optimizer优化器（BGD、SGD、MBGD、SGDM、NAG、AdaGrad、AdaDelta、Adam）的最全系统详解

    文章目录 1 BGD 批量梯度下降 2 SGD 随机梯度下降 2 1 SGD导致的Zigzag现象 3 MBGD 小批量梯度下降 3 1 BGD SGD MBGD的比较 4 SGDM 5 NAG 6 AdaGrad Adaptive Gra

  • OPENCV手势识别抓取图片

    PENCV手势识别抓取图片 一位油管的小哥做的项目非常棒 照着写了一个 代码 注意 看好cvzone的版本 太新的版本中有个函数没有 如果找不到这个函数的时候请更换一下库的版本 import cv2 from cvzone HandTrac

  • 图像处理——边缘检测

    边缘检测 一 边缘检测的目的 二 边缘检测算子有哪些 三 Canny算子 3 1 简述Canny算子 3 2 简述下Canny的计算过程 四 sobel算子 4 1 简述一下sobel算子 五 深度学习下的边缘检测 5 1 HED 整体嵌套

  • c#图像几何特征匹配

    using System using System Collections Generic using System Linq using System Text using System Threading Tasks using Ope

  • matlab中 hold on 与 hold off，figure作用

    hold on是当前轴及图像保持而不被刷新 准备接受此后将绘制的图形 多图共存 即启动图形保持功能 当前坐标轴和图形都将保持 从此绘制的图形都将添加在这个图形的基础上 并自动调整坐标轴的范围 hold off使当前轴及图像不再具备被刷新的性

  • mingw qt5.14.2 编译 vtk9.1.0

    1 软件 qt版本 qt opensource windows x86 5 14 2 exe 安装mingw选项 cmake版本 cmake 3 21 2 windows x86 64 msi VTK源码版本 VTK 9 1 0 tar g

  • Windows下命令行及Java+Tesseract-OCR对图像进行（字母+数字+中文）识别，亲测可行

    Windows下Java Tesseract OCR对图像进行字符识别 亲测可行 1 下载tesseract ocr 中文语言包并安装 2 命令行对图片进行识别及效果图 3 Java调用Tesseart OCR 3 1 效果图 3 2 源码

  • 辐射强度、辐亮度、辐照度——一文搞定

    先写定义 上图是从网上看到的并重写的 其中我们最容易混淆的就是辐射强度 辐亮度 辐照度的关系 如果我们没有接触专业领域 那么我们可能接触最多的就是辐射强度 而这种现象是不对的 因为我们一般考虑的均为这光好强呀 照得屋里特别亮 这里的光亮 我

  • Halcon模板匹配

    Halcon模板匹配 Halcon模板匹配的方法 模板匹配的流程 基于形状的模板匹配的思路 原理 Halcon模板匹配的方法 模板匹配的流程 基于形状的模板匹配的思路 读取图像 转灰度图 dev close window dev open

  • 基于Matlab实现图像拼接技术（附上完整源码+图像）

    图像拼接是数字图像处理中一个重要的问题 它的目标是将多张图像拼接成一张更大的图像 图像拼接技术在许多领域中都有广泛的应用 如全景图像拼接 医学图像拼接 遥感图像拼接等 本文将介绍一种基于Matlab实现的图像拼接技术 即基于特征匹配的图像拼

  • 最大似然估计【MLE】与最大后验概率【MAP】

    最大似然估计 Maximum likelihood estimation 简称MLE 和最大后验概率估计 Maximum a posteriori estimation 简称MAP 是很常用的两种参数估计方法 如果不理解这两种方法的思路 很

  • OpenCV入门【C++版】

    OpenCV基础入门 C 语言 Chapter1 读取图片 视频 摄像头 从文件读取图片 从文件读取视频 读摄像头 Chapter2 基础函数 Chapter3 调整和剪裁 Chapter4 绘制形状和文字 Chapter5 透视变换 Ch

  • 图像处理神器 ImageMagick 命令介绍

    安装完 ImageMagick 打开命令行 输入相应命令即可处理图像 所有命令前面都要加 magick 网上的教程都没说 也可能是我自己环境没配置吧 说明 内的命令表示是可选的 内表示是示例或者代号而已 magick convert sou

  • 【matlab图像处理笔记2】【图像变换】（一）图像的算术运算与几何变换、图像插值算法

    文章目录 前言 图像的算术运算 图像相加 图像差分 图像乘法 图像除法 图像的线性组合 图像的几何变换 图像平移 图片镜像 图片转置 图像旋转 图像缩放 图像插值算法 最近邻插值算法 双线性插值算法 单线性插值 双线性插值 双三次插值算法

  • 2021全国电设（F题）openmv的图像识别之数字识别

    基于openmv的图像识别 通过参加全国电子设计大赛F题总结出openmv4的数字识别 其它版本暂时没试过 欢迎交流 openmv简介 OpenMV是一个开源 低成本 功能强大的机器视觉模块 以STM32F427CPU为核心 集成了OV77

  • 扩散模型：Diffusion models as plug-and-play priors作为即插即用先验的扩散模型

    扩散模型 Diffusion models as plug and play priors作为即插即用先验的扩散模型 0 摘要 1 概述 2 方法 2 1 问题设置 2 2 将去噪扩散概率模型作为先验 3 实验 图像生成 3 1 MNIST

  • 【python-opencv】硬币检测

    使用 python3 8 x opencv 硬币检测 问题描述 设计思路1 使用简单特征识别 具体操作 部分代码 设计思路2 模板匹配 源码 模板制作 完整代码 问题描述 使用图像处理技术 从照片中识别硬币的个数 并判断总价值 设计思路1

  • 【图像处理】非线性滤波

    非线性滤波 图像处理中滤波分线性滤波和非线性滤波两种 其中常见的线性滤波有 方框滤波 中值滤波 高斯滤波等 其主要原理就是每个像素的输出值是输入像素的加权和 所以像素的输入与输出成线性关系 线性滤波器易于构造 并且易于从频域响应角度进行分析

  • 图像处理——我理解的傅里叶变换

    1 傅里叶变换的理解 傅里叶变换的相关数学公式目前还没有搞懂 先不整那个东西 我们主要是研究傅里叶变换的一些思想和应用 这个思想起源于牛顿研究那个三棱镜 白光透过棱镜之后会被分解为七种颜色的光 这些光叠加又能形成白光 所以说可以把一种事物分

  • 【图像配准】

    非配对配准 Non rigid registration 和配对配准 Rigid registration 是医学图像配准中常用的两种方法 它们有着不同的含义和应用 非配对配准 Non rigid registration 非配对配准是指将

随机推荐

  • 如何在C语言中调用shell命令

    如何在C语言中调用shell命令 在linux操作系统中 很多shell命令使用起来非常简单 这些shell命令的程序实现已经被底层实现好 有时候需要在程序中调用shell命令 这样可以就不用在控制台上手动输入shell命令了 下面就以三个

  • Pyhon引用Socket和Scapy实现稳定性测试

    前言 在日常测试中 稳定性测试是必不可少的环节 但是难以模拟真实的客户场景是短板 而且稳定性测试开始后 执行数据的收集也是少之又少 所以我们结合ptyhon中的Socket库和Scapy库 来实现稳定性测试 可以做到随机EPS 区间EPS出

  • 2023学习软件测试，如何月薪过万？这几条必须具备

    软件测试 如何月薪过万 这个问题换做前几年的功能测试或许还有点小难 但如今以点点点为主的功能测试 即将被淘汰 适者生存的法则下 自动化测试如雨后春笋登上舞台 同一时间 随着各大互联网公司迅速扩大测试人员的招聘规模 也使得软件测试这个行业 但

  • Jenkins完全配置（基于jenkins镜像进行jar包自动化打镜像自动化推入）（renchar与阿里云进行自动化推送）

    写在前面 使用谷歌浏览器可以进行全文翻译 点击配置文件中的蓝色问号可以解决部分问题 点击新建任务 注意maven和jdk需要配置才能使用 需要构建镜像则需提前下载好插件 选择项目类型 输入自定义的任务名称 请根据以下配置文件进行配置 只需修

  • SpringBoot整合Keycloak实现单点登录

    Keycloak是一个开源的身份和权限访问管理工具 轻松为应用程序和安全服务添加身份验证 无需处理储存用户或者验证用户 其提供用户联合 强健的身份验证 用户管理和细粒度授权等功能 1 搭建Keycloak服务器 本文使用docker com

  • 初级Java程序员如何快速提升自己的能力？

    对于刚刚进入工作岗位的初级程序员来说 不论是进入外包公司 还是互联网公司 都需要一个适应的过程 不少刚走上工作岗位的程序员 就是因为迟迟不能进入工作状态而选择离开 这也是比较常见的事情 导致不能进入工作状态的原因主要有三方面 其一是自身的知

  • python小游戏毕设 走迷宫小游戏设计与实现 (源码)

    文章目录 0 项目简介 1 课题背景 2 实现效果 3 Pygame介绍 4 具体实现 4 1 创建迷宫 4 2 定义角色类 4 3 界面切换 5 最后 0 项目简介 Hi 各位同学好呀 这里是L学长 今天向大家分享一个今年 2022 最新

  • 背景的设置、渐变和雪碧图

    一 背景的设置和和可选值 1 background color 设置背景颜色 2 background image来设置背景图片 语法 background image url 相对路径 可以同时为一个元素指定背景颜色和背景图片 这样背景颜

  • springboot学习笔记（一）

    基础知识点 什么是Spring Spring是一个开源框架 2003年兴起的一个轻量级的java开发框架 Spring是为了解决企业级应用开发的复杂性而创建的 简化开发 Spring是如何简化java开发的 什么是springboot sp

  • Keras模型测试准确率震荡大

    今天在Keras训练了一个模型 发现模型的训练accuracy和测试accuracy的准确率偏差比较大 如下 在问了些大佬后 感谢大佬 我的这个原因很可能是因为过拟合导致的差距比较大 之后在每个层之间都加入了dropout 再重新训练模型得

  • Unity中欧拉角

    什么是欧拉角 没有方向 大小概念 1 使用单个角度来保存方位 2 X与Z沿自身坐标系旋转 Y沿世界坐标旋转 3 API Vector3 eulerAngle this tranform rulerAngles 优点 1 仅使用三个数字表达方

  • 如何备份服务器系统还原,服务器操作系统备份和还原

    服务器操作系统备份和还原 内容精选 换一换 实例支持自动化发放裸金属服务器 远程Console登录 支持租户自主管理裸金属服务器生命周期 查询 启动 关机 重启 删除 导出服务器列表 将租户名下的所有裸金属服务器信息 以CSV文件的形式导出

  • signature=8f638f82cfb5ef3c26e5bb05751ee69d,iSpy/VideoSourceAdvanced.resx at 4eee092db75fe362bcfb7752...

    text microsoft resx 2 0 System Resources ResXResourceReader System Windows Forms Version 4 0 0 0 Culture neutral PublicK

  • STM32微控制器综合实训11 伺服电机控制器设计实验

    实验11 伺服电机控制器设计实验 了解伺服电机的应用领域 掌握伺服电机的速度控制模式 伺服电机的位置控制模式 文章目录 程序设计 伺服电机的速度控制模式代码讲解 main c timer c 伺服电机的位置控制模式代码讲解 main c t

  • 8 Buildroot 根文件系统构建

    一 根文件系统简介 根文件系统一般也叫做 rootfs 这个是属于 Linux 内核的一部分 根文件系统首先是一种文件系统 该文件系统不仅具有普通文件系统的存储数据文件的功能 但是相对于普通的文件系统 它的特殊之处在于 它是内核启动时所挂载

  • oracle函数忽略大小写,Oracle中不区分大小写的主键

    我们的数据的语义不区分大小写 因此我们将oracle会话配置为不区分大小写 alter session set NLS COMP LINGUISTIC alter session set NLS SORT BINARY AI 然后 为了利用

  • vue3中的reactive和ref

    一 关于reactive reactive 接受一个对象类型的值 返回一个对象的代理 reactive的特点 1 仅对对象类型有效 对象 数组和 Map Set 这样的集合类型 而对 string number 和 boolean 这样的

  • 自己动手写一个key value store

    一涉及到persistent 哪怕只是最基本的需求 很多人都会依赖数据库 或是其他现成的库或工具 确实 对于文件 大部分人很少直接打交道 或者只是诸如整体反序列化 序列化 按行读取 append new line等有限的操作 一个persi

  • JAVA 文件的基本操作

    获取指定目录下的所有文件的名字 param path 目标目录路径 public static ArrayList

  • 光谱成像技术用于河北鸭梨的物理损伤检测

    目录 前言 相关工作 相关工作一 相关工作二 本文实验 样本 实验设备 数据处理 面检测方法一 面检测方法二 结论 参考文献 前言 高光谱成像技术可以对大范围的农产品进行识别和检测 已经在工业界得到应用 取代了效率低 精度低 费时费力的人工

热门标签