一种霉变花生的光谱成像检测方法
【技术领域】
[0001] 本发明涉及一种霉变花生的光谱成像检测方法。
【背景技术】
[0002] 近年来食品安全事件屡屡频发，对人民生命健康和安全带来极大威胁。其中以黄 曲霉中毒事件为代表，因其剧毒致癌性，低剂量就会引发人畜患肝脏疾病，曾一度引发人们 对黄曲霉"谈虎色变"。在国内，其危害导致花生产业链和花生加工行业都受到较大的影响， 许多花生制品销路出现阻塞；在国外，各个花生进口国纷纷提高花生质量检测标准，导致我 国花生外贸出口受到严重影响，直接影响花生种植农民的经济收入，导致整个花生产业链 受到较大的影响。提高花生品质质量的检测条件是改善花生产业发展的关键。由于常规检 测手段耗时、费力，检测成本较高，而且由于花生仁颗粒较小，数量巨大，因此通常采用抽样 法进行整体质量评估，无法做到对每个样本都进行检测分析。近年来，利用光学、电学和声 学等为基础的光电检测技术逐渐被应用于工业化生产中，其应用越来越广。该技术具有高 效、快速、智能的技术特点，逐渐被人们所关注，而且出现一些专家学者将此技术引入到食 品农产品品质检测领域，开展了一些有关食品农产品品质检测方面的研宄。
[0003] 近年来，计算机视觉技术、近红外光谱技术以及一些电子鼻和电子舌等仿生传感 器技术已经得到广泛发展，而一些高校已经将食品农产品品质的无损检测技术作为一个研 宄方向进行相关方面的研宄。计算机视觉技术可以进行目标物的外观品质方面检测，包括 大小、形状、色泽等方面的分析研宄，近红外光谱技术可以针对样本的内部信息进行分析检 测，包括糖度、固形物含量、酸度等方面的分析研宄。高光谱成像技术具有"图谱合一"的特 点，既具有图像信息，又具有光谱信息。可以在一定程度上综合被检测目标的图像信息和光 谱信息，从而从目标物的外观品质和内部品质两个方面进行综合分析，该技术具有较计算 机视觉技术和近红外光谱技术更加丰富的信息。但是由于高光谱数据量庞大、在处理过程 中需要较长时间进行数据的处理运算，不利于对样本实施快速高效检测。需要将大量的无 用信息进行去除，只保留有用信息。如何将检测目标的有用信息筛选出来，是高光谱成像技 术应用于实践生产的关键所在。本发明旨在利用发生轻微霉变花生的高光谱图像提供一种 霉变花生的光谱成像检测方法，设计出基于光谱仪的多光谱成像系统，从根本上解决高光 谱数据量庞大的缺点，进而对霉变花生实施高效、快速的分析检测。
【发明内容】
[0004] 鉴于上述高光谱成像技术信息量丰富的特点以及数据量庞大，数据处理费时的缺 点，本发明的目的就是要提供一种基于高光谱成像技术的多光谱成像系统检测霉变花生的 方法。关于霉变粒花生的识别，对于发生较严重的霉变粒花生，可以根据普通计算机视觉技 术结合图像处理算法分割出霉变区域，并根据霉变区域的面积大小进行分析检测，但是对 于只发生轻微霉变的花生粒就很难通过图像分割手段进行霉变区域的提取。也有一些研宄 者通过近红外光谱技术进行花生内部品质方面的研宄，但是近红外光谱技术只能进行单点 检测。因黄曲霉菌的生长使花生表面的光学特性发生变化，可以借助于高光谱图像"图谱合 一"的特点，既包含图像信息又包含光谱信息，进行霉变花生的质量检测。高光谱图像数据 量庞大，对其进行分析处理的过程中需要对高光谱进行降维压缩。为此，在研宄过程中需要 对样品的高光谱图像进行特征波长的筛选，针对几个特征波长下的图像进行样本信息的检 测分析。
[0005] 本发明通过以下方法实现：一种霉变花生的光谱成像检测方法，是利用霉变粒和 正常粒花生表面的光学特性的不同，从高光谱全波段图像中筛选出特定光谱区间内若干个 特征波段图像(不同花生的特征波段也不同，根据实验预先筛选）进行霉变分析检测，利用 共线性度匹配算法进行霉变区域的识别。
[0006] 本发明利用高光谱成像技术获取特定光谱区间的/7个波段图像进行霉变区域识 另IJ ;利用共线性度匹配算法进行花生霉变区域的识别，首先选取霉变区域任一像元在不同 波长下的光谱值组合成一个多维矢量，与未知区域的像元矢量进行共线性度（计算，并 与预先设置的阈值（进行比较，如果大于阈值，该像元判别为霉变区域，否则为正常区 域。
[0007] 具体包括以下步骤： 1)特征光谱区间的选择。由于霉变后的花生粒表面颜色暗黄，其光学特性发生变化，根 据霉变粒与正常粒的光学差异，其光谱差异最大区域位于620nm~760nm，本发明基于霉变 花生的光谱学特点，选取光谱区间为[600nm，800nm]高光谱图像进行分析。根据花生物料 特性，根据固定波长间隔(一般10~20nm)选取10~20幅特征图像进行下一步分析，解决了高 光谱成像的超大数据量弊端，便于高光谱数据的快速获取和快速处理。
[0008] 2)选取感兴趣区域（R0I)。采用共线性度匹配算法，进行分类基元的选择。轻微 霉变的花生粒表面并非所有的区域都被黄曲霉菌所侵染覆盖，在霉变部分的检测过程中， 首先从高光谱图像中选择一个ROI作为分类基元，以此基元在整个花生表面区域内进行扫 描，将与此分类基元相同的区域识别出，进行正常区域和霉变区域的分类判别。
[0009] 3) ROI的像元提纯。N维可视化分析器（N -Dimensional Visualizer)即是对选 择的基类像元进行提取，将该ROI内的基类像元进行分离纯化，确保选取的基类像元只属 于一类物质，不掺杂其他类型的像元，使检测过程中正常区域的像元与霉变区域的像元得 到有效的分尚。
[0010] 4)霉变区域匹配识别。利用共线性度匹配算法进行花生表面霉变区域的 识别。根据不同波长下的特征波图像，提出了一种共线性度匹配的图像识别算法， 将任一像元在不同波长下的光谱数据组合成一个多维空间矢量，利用解析方法计 算未知区域的像元矢量与霉变区域像元矢量之间的共线性度，根据共线性度的大