一种基于高光谱图像的哈密瓜霉变潜育期检测方法

本发明涉及检测，具体地说是一种基于高光谱图像的哈密瓜霉变潜育期检测方法。

背景技术：

1、哈密瓜是中国甜瓜的主要品种，新疆作为哈密瓜主要种植地具备气候条件优势和地理环境优势，因而种植出的哈密瓜风味佳、品质高、营养丰富。受到消费者的青睐，并帮助农民实现增收。然而，由于哈密瓜成熟主要集中在每年的六、七月份，大量新鲜哈密瓜将被采摘进入冷库储存。露天种植的哈密瓜在生长、采摘和运输过程中，由于各种原因会导致部分哈密瓜遭受到霉菌侵染。主流的人工检测方法通常是从哈密瓜的外观、色泽对哈密瓜是否发生霉变进行判断，但却难以对内部品质进行分辨，判断随意性大容易产生误。传统化学分析方法检测水果霉变会对样本产生损伤，检测时间也较长,难以适应哈密瓜生产实际要求。

技术实现思路

1、本发明的目的在于提供一种基于高光谱图像的哈密瓜霉变潜育期检测方法，用于解决现有人眼观察判断哈密瓜是否发生霉变的检测方式无法对霉变潜育期哈密瓜进行检测的问题。

2、本发明解决其技术问题所采取的技术方案是：一种基于高光谱图像的哈密瓜霉变潜育期检测方法，包括以下步骤：

3、1、制备单菌种霉菌孢子悬浮液及哈密瓜样本

4、s1.1挑选自然霉变的哈密瓜，使用无菌棉球蘸取霉变部位霉菌孢子后置于盛有无菌蒸馏水中培养皿中；

5、s1.2制成孢子悬浮液，取2ml孢子悬浮液均匀滴入孟加拉红培养基中，使用无菌涂布棒在孟加拉红培养基中均匀涂布，然后倒置在温度为26℃、湿度为60rh的恒温恒湿箱中培养2-5天；

6、s1.3对生长出霉菌的孟加拉红培养基，选择数量较多的优势菌种，使用接种环挑取菌丝，在无菌孟加拉红培养基中进行平板画线法后培养2-5天，重复以上实验操作直至培养基上为单一霉菌菌落；

7、s1.4在步骤s1.3具有单一菌落的培养基中加入少量无菌蒸馏水，吸取菌悬液，经无菌纱布过滤后打入试管中；

8、s1.5稀释步骤s1.4过滤后的菌悬液得到浓度为1×106pores ml-1的孢子悬浮液。

9、2、采集哈密瓜样品的高光谱图像。

10、3、对采集后的高光谱图像数据进行去噪、图像裁剪和降维处理。

11、4、建立哈密瓜霉变数据集

12、采用随机抽样法建立训练集、验证集和测试集。

13、5、构建三维卷积神经网络模型

14、(1)针对不同霉变周期内的哈密瓜将哈密瓜划分为健康期、潜育期和霉变期三个阶段，将混合空洞卷积结构、残差网络结构和cbam注意力机制集成得到三维卷积神经网络模型；

15、(2)将哈密瓜样本分成两组，第一组24颗用于高光谱图像采集，第二组40颗每隔24h抽样4颗哈密瓜，在以接种点为中心半径为1cm的圆内，避开接种点取果肉榨汁，用血球计数板计数法重复三次计数取平均值得到霉菌孢子数，统计并分析霉菌侵染哈密瓜后孢子变化情况。

16、进一步地，制成孢子悬浮液的方法为在超净工作台中用无菌镊子对步骤s1.1中的无菌棉球反复挤压使霉菌孢子混入蒸馏水中得到侵染哈密瓜的原始病原体。

17、进一步地，哈密瓜样品的高光谱图像采集步骤为:

18、(1)采摘色泽健康表面无损伤的成熟哈密瓜，使用无菌蒸馏水洗净，在超净工作台中使用紫外线消杀20min，储存在(22±2)℃、相对湿度55％～60％的环境下备用；

19、(2)启动高光谱图像采集设备,预热后进行镜头调焦并调试平台移动速度以避免采集的光谱图像失真；将曝光时间设为4.5s，在272.79-1022.60nm光谱范围采集哈密瓜样品高光谱图。

20、进一步地，采集样本高光谱信息前,利用标准特氟龙白板和镜头盖遮蔽分别采集白背景下的白参考图像(iw)和黑背景下的黑参考图像(i b),然后按照公式①对采集的样本原始高光谱图像(i o)进行黑白校正，得到校正后的图像信息(i)，

21、

22、io为未处理的原始图像，iw为白参考图像，ib为黑参考图像。

23、进一步地，对高光谱图像数据进行处理的步骤包括:

24、(1)对高光谱图像进行噪声剔除，保留450nm-950nm范围的波段信息；

25、(2)使用envi5.6软件对图像进行裁剪，得到包含霉变组织的尺寸为500×500×464的样本数据；

26、(3)使用主成分分析法(pca)对步骤(2)得到的高光谱图像进行降维处理，得到保留原始数据99.7％特征的尺寸为500×500×50的特征数据。

27、进一步地，三维卷积神经网络模型结构包含2个空洞卷积层，每个卷积层后分别连接一个cbam注意力机制模块和relu激活函数层，其中第一个卷积层为3×3×7的卷积核，步长为(1，2，2)；第二个卷积层为3×3×3的卷积核，空洞率为(2，2，2)，步长为2；第三个卷积层为3×3×3的卷积核，空洞率为3，步长为(2，2，2)。随后连接一个拥有四个1×1×1卷积核的三维残差结构，残差结构后使用最大池化(maxpooling)进行下采样。随后进入全连接层(flatten)将多维数据展平为一维向量，接入全连接层，然后使用分类层(softmax)进行多分类。

28、进一步地，经裁剪得到750幅高光谱图像数据，其中健康期、潜育期和发病期各250幅高光谱图像，将每个阶段的高光谱图像数据均按照1：1：8的比例划分为测试集：验证集：训练集，并导入建立的三维卷积神经网络模型中。本发明的有益效果是：

29、(1)设计了大型瓜果类农产品霉变检测实验方法，分析了哈密瓜霉变过程霉菌孢子数变化，划分了霉变周期。

30、(2)为哈密瓜采后集中贮藏导致健康瓜霉变瓜交叉感染的问题，提供了一种智能的、无损的、快速的、霉变瓜检测方法。

31、(3)针对大尺寸的高光谱图像，卷积核采用空洞卷积形式可增大卷积核感受野，避免了参数量巨大训练困难的问题。

32、(4)针对使用空洞卷积可能出现栅格现象的问题，采用混合空洞卷积架构，使高光谱图像中所有参数均被卷积核遍历。

33、(5)引入的三维残差结构可增加三维卷积神经网络模型深度，提高判别性能同时避免模型出现过拟合问题。

34、(6)cbam注意力机制可从空间和光谱两个维度对数据进行特征增强，有效提高模型判别性能。

35、针对目前瓜果类农产品霉变潜育期检测难，准确率低的问题，有效提高了农产品霉变潜育期检测准确率。针对瓜果类农产品霉变分布具有随机性的问题，本判别模型可以自行关注到局部霉变特征，进行判别结果输出。

技术特征：

1.一种基于高光谱图像的哈密瓜霉变潜育期检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于高光谱图像的哈密瓜霉变潜育期检测方法，其特征在于，制成孢子悬浮液的方法为在超净工作台中用无菌镊子对步骤s1.1中的无菌棉球反复挤压使霉菌孢子混入蒸馏水中得到侵染哈密瓜的原始病原体。

3.根据权利要求1所述的一种基于高光谱图像的哈密瓜霉变潜育期检测方法，其特征在于，哈密瓜样品的高光谱图像采集步骤为:

4.根据权利要求1所述的一种基于高光谱图像的哈密瓜霉变潜育期检测方法，其特征在于，采集样本高光谱信息前,利用标准特氟龙白板和镜头盖遮蔽分别采集白背景下的白参考图像(iw)和黑背景下的黑参考图像(ib),然后按照公式①对采集的样本原始高光谱图像(io)进行黑白校正，得到校正后的图像信息(i)；

5.根据权利要求1所述的一种基于高光谱图像的哈密瓜霉变潜育期检测方法，其特征在于，对高光谱图像数据进行处理的步骤包括:

6.根据权利要求1所述的一种基于高光谱图像的哈密瓜霉变潜育期检测方法，其特征在于，三维卷积神经网络模型结构包含3个空洞卷积层，每个卷积层后分别连接一个cbam注意力机制模块和relu激活函数层，其中第一个卷积层为3×3×7的卷积核，步长为(1，2，2)；第二个卷积层为3×3×3的卷积核，空洞率为2，步长为(2，2，2)；第三个卷积层为3×3×3的卷积核，空洞率为3，步长为(2，2，2)，随后连接一个三维残差结构(残差映射卷积核为1×1×1，3×3×3，1×1×1，恒等映射卷积核为1×1×1)，残差结构后使用最大池化(maxpooling)进行下采样；随后进入全连接层(flatten)将多维数据展平为一维向量，接入全连接层，然后使用分类器(softmax)进行多分类。

7.根据权利要求5所述的一种基于高光谱图像的哈密瓜霉变潜育期检测方法，其特征在于，经裁剪共得出750幅高光谱图像数据，其中健康期、潜育期和发病期每个阶段各250幅高光谱图像，每个阶段的高光谱图像均按照1：1：8的比例划分为测试集：验证集：训练集，然后导入建立的三维卷积神经网络模型中。

技术总结
一种基于高光谱图像的哈密瓜霉变潜育期检测方法，涉及检测技术领域，用于解决现有人眼观察检测方式无法对霉变潜育期哈密瓜进行检测的问题。包括以下步骤：(1)制备单菌种霉菌孢子悬浮液及哈密瓜样本；(2)采集哈密瓜样品的高光谱图像；(3)对采集后的高光谱图像数据进行去噪、图像裁剪和降维处理；(4)建立哈密瓜霉变数据集；(5)构建三维卷积神经网络模型。本发明针对目前瓜果类农产品霉变潜育期检测难，准确率低的问题，有效提高了农产品霉变潜育期检测准确率。针对瓜果类农产品霉变分布具有随机性的问题，本判别模型可以自行关注到局部霉变特征，进行判别结果输出。

技术研发人员：马本学,高旭,李玉洁,赵馨馨,李诗莹
受保护的技术使用者：石河子大学
技术研发日：
技术公布日：2024/1/15