-0. 549vS77 ηηΓ25. 952,最后给出每个样本检测结果Μ4 ;
[0022] 4)白萝卜黑心与否判定
[0023] 根据以上四种模型的判别结果，即Μ1、Μ2、Μ3、Μ4,给出白萝卜样本是否黑心的最终 结果，判定原则为：
[0024] 如果Μ1、Μ2、Μ3和Μ4值中，有任意2个以上的值为1，则该萝卜样本为黑心样本；
[0025] 如果Μ1、Μ2、Μ3和Μ4值中，有任意2个以上的值为0,则该萝卜样本为正常样本；
[0026] 如果Ml、M2、M3和Μ4值中，有2值为0或者1，则根据Μ4的值判定萝卜样本黑心 与否。
[0027] 有益效果
[0028] 本发明利用对高光谱图像仪器响应信号的监测，能够不破坏白萝卜完整性的情况 下，通过白萝卜的高光谱特性，准确分辨出白萝卜内部是否黑心，能够为规范产品品质，提 高萝卜市场价值，降低消费者对于可能买到黑心萝卜的顾虑，对萝卜深加工产业都有深刻 的意义。相对于传统的破坏性检测，不仅节省时间，而且避免了不必要的浪费。该技术和方 法新颖，研究成果不仅可以用于实验室的快速分析和检测，而且可以通过开发在线检测设 备和便携式仪器，用于工业自动化生产中的白萝卜黑心鉴定，也为其他农产品内部品质的 检测提供了有益的借鉴。 四、
【附图说明】
[0029] 图1 :高光谱透射系统白萝卜黑心鉴定的装置
[0030] 图2 :萝卜原始平均光谱 五、
【具体实施方式】
[0031] 一种基于高光谱图像对白萝卜黑心检测的方法，【具体实施方式】如下：
[0032] 1.试验材料
[0033] 白萝卜品种为抗病博士春光A型白萝卜，购买于南京众彩农副产品批发市场购 买，挑选果型整齐，大小均一，无机械损伤及病虫害，色泽成熟度一致的萝卜样本，去缨、削 去茎盘、去掉须根，清洗晾干。共收集502个萝卜样本。由于萝卜黑心病害多为夏天产生， 本次试验期间较难找到合适样本，故对白萝卜进行人工接种黑心病菌。从南京农业大学园 艺院获得野油菜黄单胞杆菌野油菜黑腐病致病菌，菌种接种到LB固体培养基上（构成为胰 蛋白胨10g、酵母提取物5g、NaCl 10g、水1000 mUpH 5. 8-6. 2 ;每个培养皿含有的培养基体 积为20±2mL，培养基厚度为2. 5±0. 5mm)，35°C，75 %湿度条件下活化7天，重新接种进行 二次培养。一周后，对二次培养的菌种用无菌水反复冲洗，制成菌悬浮液，将菌液滴到血球 计数板上，在显微镜下计数。根据计数，进行换算得出菌液浓度，并稀释至浓度为4X 104的 菌悬液。将挑选好的255根萝卜样本从头部穿刺至尾部，注入菌悬液3mL，35°C，75% RH培 养一周，使萝卜发病。
[0034] 2.高光谱图像采集系统
[0035] 高光谱成像系统主要由摄像机、成像光谱仪、CCD摄像头、光源、一套机械输送装置 以及计算机等组成，为台湾五铃公司生产。成像光谱仪的光谱有效波段范围400-1000nm，共 440个波段，光谱分辨率为2. 8nm，并带有焦距可变透镜，光源为150W卤素钨灯，光源共10 档，可调节，并由光纤传输到线光源。为避免外界光线对光谱采集的影响，检测装置整体置 于暗箱中，且背景为黑色，不反光。
[0036] 基于透射模式下的高光谱图像采集系统如图1所示，样本与光源均固定在传送带 上，一个线光源位于样本的正下方，光线透过样本被光谱仪吸收，转换成数据传入计算机。 其相关参数设置为曝光时间70ms，传送带速度2. 5mm/s，光源强度为90W，光源紧贴样本，相 机镜头距离样本20cm，固定样本，防止滚动，开始采集数据。
[0037] 3.高光谱图像采集与校正
[0038] 为了消除数据采集过程中的噪音，在与白萝卜样品采集的同样条件下，扫描白色 标准校正板（反射率99. 99%)后得到全白的标定图像，盖上镜头盖后得到全黑标定图像， 通过公式将采集得到的绝对图像转换为相对图像，公式为：
[0039]
[0040] 式（1)中：Rc为校正后的高光谱透射图像，RO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；
[0041] 数据处理时，采用感兴趣区域分析法，对每个样品采集得到转换后的高光谱图像 选取中间位置25000个pixels的感兴趣区域（R0I区域）平均光谱作为该样品的光谱值， 之后用SPA方法进行特征波长提取，最后利用PLS-DA、SVM、ANN、Fisher四种方法对萝卜黑 心进行判别模型的建立，并验证。
[0042] 4.原始光谱分析
[0043] 如图2对黑心和正常萝卜原始平均光谱响应值的比较，分别列出光谱平均值、平 均值加偏差值、平均值减偏差值三条曲线。可以明显看出黑心萝卜光谱响应值小于正常萝 卜，正常萝卜光谱平均值减偏差值在大部分波长下大于黑心萝卜光谱平均值加偏差值，两 种样本有明显区别。原因是透射模式下，光进入萝卜内部，光线与内部进行交互作用，由于 黑心部分对光线吸收较强，所以漫透射散出的光线减弱较明显，可以区别于正常萝卜。
[0044] 5.光谱预处理方法比较
[0045] 在高光谱识别黑心萝卜过程中，提取的光谱信息包含原始光谱和许多干扰噪音， 这些噪声干扰会导致较大的检测误差。为了消除噪声减小误差，在建立识别模型之前，同样 采用平滑和去噪处理、自动标准化、求导、去趋势化四种光谱预处理方法来减弱各种干扰因 素，为下一步模型构建奠定基础。为了确定最佳的光谱预处理方法，通过偏最小二乘 -判 别分析法（PLS-DA)建立萝卜黑心识别模型，比较不同预处理方法对模型预测准确性的影 响。将全波段原始光谱和经过预处理的光谱作为输入变量，将各个萝卜黑心与否作为输出 变量，分别设为〇和1，建立萝卜黑心判别PLS-DA模型。基于不同光谱预处理方法构建的 PLS-DA模型判别结果如表1所示。可以得出原始光谱的建模集准确率和验证集准确率分 别为92. 5%和90. 3%，总体准确率达到91. 4%，卷曲平滑和去趋势化的建模集准确率和验 证集准确率略小于原始光谱准确率，分别达到91. 7%、90. 3%和91. 1%、90. 1%，一阶导数 处理后的总体准确率达到91. 5%，和原始光谱总体准确率基本一致，只有自动标准化预处 理方式处理后准确率有所提高，建模集准确率和验证集准确率达到93. 2%和92. 8%，所以 采用自动标准化方法对原始数据进行光谱预处理，所得到的模型识别准确率会有一定的提 尚。
[0046] 表1不同光谱预处理方法建立全波段的PLS-DA模型检测结果
[0047]
[0048] 6.特征波长的选取
[0049] 利用SPA对特征波长进行筛选，得到580nm、673nm、747nm、805nm和877nm五个特 征波段，简单对特征波段建模和全波段建模进行结果分析，结果特征波段的判别准确率均 高于全波段建模对黑心的判别率。数据量大也是一种信息冗余，影响到建模的准确性，增加 运算复杂性，使用5个特征波段代替全波段建模，去除了干扰信息，准确率得到了提升，结 合PLS-DA、SVM、ANN、Fisher四种方法建模，黑心萝卜判别准确率分别从全波段的93. 0%、 96. 1 %和98. 2%提升到特征波段的93. 6%、96. 6%和98. 4%。说明特征波长能很好代替全 波段的使用。
[0050] 表2全波段和特征波段不同模型检测结果对比
[0051] LlN 丄UOlOSlSb A yJ^ rVJ 0/3 JM
[0052] 7.三种建模方式对萝卜黑心预测结果分析
[0053] 从表3可以看出，高光谱透射采集模式下，利用5个特征波段进行建模，PLS-DA 模型对建模集和验证集正常萝卜的整体判别正确率分别为95. 0%和95. 4%，对黑心萝卜 的识别正确率分别为92. 6%和91. 4%，建模集和验证集总体识别准确率达到93. 8%和 93. 4%。利用全波段进行建模，无论是建模集准确率还是验证集准确率均小于利用5个特 征波长建模的准确率，说明特征波长的选取是有实际意义的。
[0054]