一种基于高光谱图像对白萝卜黑心检测的方法
【技术领域】
[0001] 本发明是一种高光谱图像技术在白萝卜采后贮藏期间检测黑心的方法，属于农产 品贮藏与加工无损检测的技术领域。
【背景技术】
[0002] 黑心是引起萝卜食用价值降低的一个主要因素，黑心的发生在萝卜外部观察不出 来，根髓内部变黑腐烂，透过日光可看出暗灰色病变，横切看，维管束放射线状变黑褐色，重 者呈干缩空洞。引起黑心的原因主要有生理和病理方面。生理方面黑心是由于种植过程中 缺少硼肥，或者土壤板结、坚硬导致萝卜肉质根缺氧引起的。病理方面是由于种植过程中感 染了黑心病，黑心病属十字花科常见病，病原菌为野油菜黄单胞杆菌野油菜黑腐病致病型。 病源菌引起的黑心发生呈现规模、季节性爆发，对萝卜黑心进行检测是很有必要的，剔除黑 心可以防止其在贮藏过程中进一步腐烂，也可避免流入市场。萝卜内部黑心的传统检测方 法是采用人工感官检测，不仅费时费力，而且精度不高，难以适合大规模工业化自动分级的 需求。因此，建立一种无损、可靠的方法来检测萝卜的黑心，对萝卜进行检测分级，提高萝卜 市场价值以及萝卜深加工产业发展都有重要的意义。
[0003] 近年来，高光谱图像检测技术作为一种无损伤、快速地分析和评估各类食物质量 与安全的方法，得到了广泛的认可。高光谱图像能够检测食品的物理和形态学特征，以及 内部的化学和分子学信息，从而分析和评价食品的质量与安全。这种技术在国内外食品工 业中都有很好的应用，如 Jianwei Qin 等[QinJ，Burks T F. Development of a two-band spectral imaging system for real-time citrus canker detection[J]. Journal of Food Engineering，2012，l(108) :87-93.]基于高光谱图像筛选的特征波段，研制了商 业水果分级机，其速度为5个/秒，总体分类精度为95. 3%。Ana Herrero-Langreo等 [Herrero-Langreo A，Lunadei L，et al. Multispectral Vision for Monitoring Peach Ripeness[J]. Food science，2011，2(76) :178-187.]利用高光谱图像技术评价桃子的成 熟度，方便确定最佳米摘时间。Piotr Baranowski 等[Baranowski P，et al. Detection of early bruises in apples using hyperspectral data and thermal imaging[J]. Journal of Food Engineering，2012, 3 (110) :345-355.]利用高光谱图像对苹果硬度及可 溶性固形物进行评估。高光谱图像技术也被应用于苹果、樱桃和柑橘类水果表面缺陷，黄 瓜内部缺陷等的检测。近几年国内利用高光谱图像技术对农产品质量的检测发展同样迅 速，如黄倩文等[黄文倩，陈立平，李江波，等.基于高光谱成像的苹果轻微损伤检测有效 波长选取[J].农业工程学报.2013, 29(1) :272-277.]对苹果表面轻微损伤检测，高海龙 等[高海龙，李小昱，徐森淼，等.马铃薯黑心病和单薯质量的透射高光谱检测方法[J].农 业工程学报.2013, 29 (15) :279-285.]对马铃薯黑心病检测，李江波等[李江波，王福杰， 应义斌，等.高光谱荧光成像技术在识别早期腐烂脐橙中的应用研究[J].光谱学与光谱 分析.2012, 32(1) :142-146.]利用高光谱荧光检测早期腐烂脐橙，田有文等[田有文，李 天来，张琳，等.高光谱图像技术诊断温室黄瓜病害的方法[J].农业工程学报.2010(5): 202-206.]黄瓜病害检测等方面都取得了较好的结果。但是萝卜内部黑心的无损检测的技 术国内外未见报道，有必要开展采用高光谱图像技术对萝卜内部糠心的无损检测研究。
【发明内容】
[0004] 技术问题
[0005] 鉴于上述技术发展现状，本发明的目的主要针对现有技术无法实现白萝卜在贮藏 和售卖过程中黑心无损鉴定的难题，开发高光谱图像检测的快速无损方法，满足萝卜深加 工业的迫切需求。通过利用高光谱成像技术，分析正常白萝卜和黑心白萝卜的光谱信息差 异，提取响应的特征参数，构建白萝卜黑心的鉴定模型。
[0006] 技术方案
[0007] 1. -种基于高光谱图像对白萝卜黑心检测的方法，高光谱透射图像采集系统、特 征参数提取、检测模型构建、黑心与否判定、其中，
[0008] 1)高光谱透射头像采集系统由摄像机、光谱仪和焦距可变透镜组成的高光谱成 像单元、样品支架、电动平台、线光源、光箱、电脑和图像采集软件构成，整个装置放置在密 闭黑箱中，其中，摄像机为Imperx，ICL-B1620,波段范围为400~lOOOnm，光谱分辨率为 2. 8nm、光谱仪为SpecimVlOE ;光箱为150W的卤素钨灯，由1个线性光纤导管完成传输；电 脑型号为CPU E5800, 3.2GHz，内存2G，显卡256M GeForce GT240;图像采集软件为自主 开发的Spectral Image软件；光源为透射模式，其中，透镜离白萝卜样本距离为20cm，样 本紧贴线光源放置，光源强度为90W，采集曝光时间70ms，采集速度2. 5mm/s，图像分辨率 804X440 ；
[0009] 2)特征参数提取
[0010] ①取无机械损伤的白萝卜样本，表面干净无杂物，放置于如权利要求1所述的高 光谱图像检测系统中，获取高光谱图像；
[0011]
[0012] ②利用上述公式对获得的图像进行校正，获得校正后的高光谱图像；其中，Rc为 校正后的高光谱透射图像，Rc为原始高光谱透射图像，W为将反射率为99. 99%的标准白色 校正板，放置在光源正上方，扫描透射白板得到全白的标定图像，D为将镜头盖上镜头盖，采 集全黑的标定图像；
[0013] ③选择图像中白萝卜区域正中间部位25000个pixels的感兴趣区域，提取该区域 所有像素点在400-1000nm波段范围内的光谱均值，共有420个波段，利用不同波长组合构 建偏最小二乘预测模型，采用连续投影算法选择特征波长，当模型交叉验证均方根误差为 0· 22419时，选定580nm、673nm、747nm、805nm和877nm共5个特征波长，构成检测模型的特 征变量集V，即 ^580nm'* ^673nm'* ^747ηηι'* ^δΟδηηι'* ^877ηηι?
[0014] 3)构建检测模型
[0015] 根据选定的5个特征波长，构建基于神经网络、偏最小二乘判别分析、支持向量 机、Fisher线性模型的白萝卜黑心检测模型，萝卜黑心样本设为1，正常罗卜样本设置为0 :
[0016] 其中，构建的神经网络模型为：将特征变量集V做为输入值，白萝卜是否黑心做为 输出值，神经网络模型参数为输入层为5,隐藏层数为1，隐藏层节点数为3,隐藏层激活函 数为双曲正切，输出层个数为2,即合格样本与黑心样本，输出层激活函数为Softmax，最后 给出每个样本检测结果Ml ;
[0017] 其中，构建的支持向量机模型为：将特征变量集V做为输入值，白萝卜是否黑心做 为输出值，核函数为径向基函数，核函数参数值（gamma值）均为1*10-7,惩罚系数值（cost 值）为100,最后给出每个样本检测结果M2 ;
[0018] 其中，构建的偏最小二乘模型为：将特征变量集V做为输入值，白萝卜是否黑心做 为输出值，潜变量个数为1，最后给出每个样本检测结果M3 ;
[0019] 其中，构建的线性判别模型为：将特征变量集V做为输入值，白萝卜是否黑心做为 输出值，
[0020]
[0021] 式中，V 代表各个波长的响应值，Y1= 0· 002v 5SQnni+0. 008ν673ηηι-0· 183ν747ηηι+0· 19 8ν805ηη-〇· 〇85vS77nn-〇. 9669 ;Y0= 0· 024v 5SOnn+0.0 OOv673nn-O. 257ν747ηη+0· 360vS05nn