一种用近红外高光谱图像识别霉变花生的方法技术

本发明专利技术涉及一种用近红外高光谱图像识别霉变花生的方法，可高效、准确地识别油料作物中的霉变作物。其包括如下步骤：对待识别油料作物进行近红外高光谱扫描，生成近红外高光谱图像信息；根据主成分分析法对该图像信息中的波段信息进行主成分分析，保留至少前两个主成分信息，作为初级主成分信息；根据该初级主成分信息中的权重系数曲线，确定敏感波段，再根据主成分分析法对该敏感波段进行主成分分析，保留至少前两个主成分信息，作为次级主成分信息；根据次级主成分信息计算生成霉变信息图，生成霉变信息分类图；以及通过第二阈值和霉变信息分类图判断霉变信息分类图中的每一个待识别油料作物是否发生霉变，生成霉变识别结果图。

【技术实现步骤摘要】
一种利用近红外高光谱图像识别霉变油料作物的方法
本专利技术涉及一种识别霉变油料作物的方法，特别涉及一种利用近红外高光谱图像识别霉变油料作物的方法。
技术介绍
油料作物是以榨取油脂为主要用途的一类作物。这类作物主要有花生、油菜、大豆、芝麻、向日葵、棉籽、蓖麻、苏子、油用亚麻和大麻等。而油料作物，例如花生在生长及存储过程中易受潮而发生霉变。众所周知，黄曲霉和寄生曲霉都会产生毒性很强的次生代谢产物—黄曲霉素。而黄曲霉素可对人类健康构成严重的威胁。目前定量检测黄曲霉素的方法普遍使用薄膜层析法和(高效)液相色谱法等。这些方法能够提供准确的结果，但费时、不易操作且只能在产品生产完成后进行检验。因此，迫切需要发展一种检测技术，能够使花生在进入产品生产环节前就能够对霉变花生进行有效识别并分离，以便阻止黄曲霉素进入食物链。这样，不仅有助于减少花生油、花生酱中黄曲霉素含量，可以提高食品安全性，也对人类健康有着巨大意义。因此，如何高效，准确地分析并识别出油料作物的霉变信息，将这些霉变作物及时分离出去成为业界亟待解决的问题。
技术实现思路
针对现有技术中的不足，本专利技术提供了一种利用近红外高光谱图像识别霉变油料作物的方法，可高效、准确地识别油料作物中的霉变作物。为了解决上述问题，本专利技术的一种利用近红外高光谱图像识别霉变油料作物的方法，其包括如下步骤：对待识别油料作物进行近红外高光谱扫描，生成近红外高光谱图像信息；根据主成分分析法对该图像信息中的所有波段进行主成分分析，保留至少前两个主成分信息，作为初级主成分信息；根据该初级主成分信息中的权重系数曲线，确定敏感波段；再根据主成分分析法对该敏感波段进行主成分分析，保留至少前两个主成分信息，作为次级主成分信息；根据次级主成分信息和式1计算生成霉变信息图，其中：i为主成分的序号，λi为对应主成分的特征值；通过第一阈值将霉变信息图中像元值分成“霉变”或“非霉变”两类，生成霉变信息分类图；以及通过第二阈值和霉变信息分类图中的“霉变”像元数，判断霉变信息分类图中的每一个待识别油料作物是否发生霉变，生成霉变识别结果图。优选地，还包括步骤：对所述次级主成分信息中的第一次级主成分信息采用标记控制分水岭算法，将所述待识别油料作物的几何形状与大小进行独立分隔，生成分割结果图；结合所述霉变信息分类图中的“霉变”像元数和分割结果图中的像元数，根据所述第二阈值，判断每一个待识别油料作物是否发生霉变。更优选地，所述霉变信息分类图中的“霉变”像元数和分割结果图中的像元数的结合方式为：“霉变”像元数与像元数之比。优选地，所述根据主成分分析法对该图像信息中的波段信息进行主成分分析步骤中，保留前四个主成分信息，作为初级主成分信息；分别根据第二初级主成分信息、第三初级主成分信息和第四初级主成分信息中的权重系数曲线，确定敏感波段，该敏感波段为至少两个初级主成分信息中的权重值同时为波峰值或波谷值的波段。优选地，所述根据主成分分析法对该敏感波段进行主成分分析步骤中，保留前四个主成分信息，作为次级主成分信息；根据第二和第四次级主成分信息和所述式1计算生成所述霉变信息图。优选地，在生成所述霉变信息分类图步骤之前，选取所述霉变信息图中的最大像元值和最小像元值，根据公式：将所有像元值归一化到[0,1]的范围内，其中I为其他像元值。优选地，所述第一阈值为0.55～0.65；所述第二阈值为10％～18％。优选地，所述油料作物为：花生、油菜籽、大豆、芝麻、向日葵籽、棉籽、蓖麻、苏子、油用亚麻或大麻。优选地还包括步骤：生成所述近红外高光谱图像信息之后，对该图像信息进行图像数据预处理。更优选地，所述图像数据预处理包括：图像辐射校正过程和消除光谱噪声过程。本专利技术的有益效果是：通过近红外成像技术可以对不同的样品进行精细分类，既可获取样品的光谱信息又可获得其空间信息，不仅可以判断样品是否存在异常，还可以定位其空间位置，有利于采用机械装置进行分拣。该方法可以高效、准确识别出霉变油料作物，识别精度高，有利于提高油料作物提取的油品及相应的食品的质量。附图说明图1为本专利技术中利用近红外高光谱图像识别霉变油料作物的方法流程图；图2为本专利技术中的各初级主成分1PC2、1PC3及1PC4对应的权重系数图；图3为本专利技术中的霉变信息图；图4为本专利技术中的霉变信息分类图；图5为本专利技术中的分割结果图；图6为本专利技术中的霉变识别结果图。具体实施方式下面结合附图对本专利技术做进一步地说明。本专利技术的利用近红外高光谱图像识别霉变油料作物的方法，该方法中的油料作物可以为：花生、油菜籽、大豆、芝麻、向日葵籽、棉籽、蓖麻、苏子、油用亚麻或大麻。结合图1，该方法包括如下步骤：利用扫描装置对待识别或待检测的油料作物进行近红外高光谱扫描，生成近红外高光谱图像信息，该扫描装置可以为近红外成像光谱仪，该扫描图像信息至少包括有图形信息和各波段信息。对高光谱图像数据进行预处理：首先，在测量反射率参考白板与黑板后，按以下公式完成对高光谱图像进行辐射校正。校正公式如下：式中：R为校正后的高光谱图像的相对反射率，R∈[0,100]；Is为花生原始高光谱DN值；ID是黑板的定标图像的DN值；Iw为白板定标图像的DN值。同时，采用5点移动均值光谱平滑技术消除光谱噪声，其公式为：Ri为第i波段的反射率值。通过主成分分析法对上述图像信息中的波段信息进行主成分分析，保留至少前两个主成分信息，作为初级主成分信息1PCn。这里优选地，选择前四个主成分信息作为初级主成分信息，分别为第一初级主成分信息1PC1、第二初级主成分信息1PC2、第三初级主成分信息1PC3、第四初级主成分信息1PC4。之所以选择前四个主成分信息，是因为前四个主成分已经基本包含了大部分(高于99％)可用波段信息，不但简化执行时间还可提高识别效率。根据初级主成分信息中的权重系数曲线，确定敏感波段。具体的，由于四个主成分中的1PC2、1PC3及1PC4均反映了霉变信息，提取其对应的特征向量构成权重系数图，至少两个主成分同时出现波峰或波谷，则认为该波段为敏感波段，根据图2可知，选择1100nm,1207nm,1302nm,1509nm,1634nm,1722nm,1847nm和1922nm共8个波段为识别霉变的敏感波段。本专利技术的技术方案没有选择第一初级主成分信息1PC1进行识别分析，是因为第一个主成分信息大多含有比较多的强信息，这些强信息大多反映了待检测物的主信息，而淹没了需要识别的霉变信息，因此为了进一步提高识别效率，降低信息噪声，本专利技术中的技术方案优选地去除该第一初级主成分信息1PC1。根据主成分分析法对该敏感波段进行第二次主成分分析，保留至少前两个主成分信息，作为次级主成分信息2PCn。作为本专利技术的一种具体实施方式，将前面选择的8个敏感波段进行第二次主成分分析，保留前4个主成分，即2PC1，2PC2，2PC3与2PC4，选取2PC2与2PC4通过式(1)计算花生霉变信息并生成图Image1，选取次级主成分信息2PC2与2PC4和式(1)计算生成霉变信息图Image1，其中：i为主成分的序号，λi为对应主成分的特征值。这里，只选择了第二和第四次级主成分信息2PC2、2PC4用于计算生成所述霉变信息图Image1，是因为第一次级主成分信息2PC1也可能含有比本文档来自技高网...

【技术保护点】
一种利用近红外高光谱图像识别霉变油料作物的方法，其特征在于包括如下步骤：对待识别油料作物进行近红外高光谱扫描，生成近红外高光谱图像信息；根据主成分分析法对该图像信息中的波段信息进行主成分分析，保留至少前两个主成分信息，作为初级主成分信息(1PCn)；根据该初级主成分信息中的权重系数曲线，确定敏感波段，该敏感波段为权重值是指波峰值或波谷值的波段；再根据主成分分析法对该敏感波段进行主成分分析，保留至少前两个主成分信息，作为次级主成分信息(2PCn)；根据次级主成分信息(2PCn)和式1计算生成霉变信息图(Image1)，Image1=Σ1i×λi×(2PCi)]]>  (式1)其中：i为主成分的序号，λi为对应主成分的特征值；通过第一阈值(α)将霉变信息图(Image1)中像元值分成“霉变”或“非霉变”两类，生成霉变信息分类图(Image2)；以及通过第二阈值(β)和霉变信息分类图(Image2)中的“霉变”像元数，判断霉变信息分类图(Image2)中的每一个待识别油料作物是否发生霉变，生成霉变识别结果图(Image4)。

【技术特征摘要】
1.一种利用近红外高光谱图像识别霉变油料作物的方法，其特征在于包括如下步骤：对待识别油料作物进行近红外高光谱扫描，生成近红外高光谱图像信息；根据主成分分析法对该图像信息中的波段信息进行主成分分析，保留至少前两个主成分信息，作为初级主成分信息(1PCn)；根据该初级主成分信息中的权重系数曲线，确定敏感波段；再根据主成分分析法对该敏感波段进行主成分分析，保留至少前两个主成分信息，作为次级主成分信息(2PCn)；根据次级主成分信息(2PCn)和式1计算生成霉变信息图(Image1)，其中：i为主成分的序号，λi为对应主成分的特征值；通过第一阈值(α)将霉变信息图(Image1)中像元值分成“霉变”或“非霉变”两类，生成霉变信息分类图(Image2)；以及通过第二阈值(β)和霉变信息分类图(Image2)中的“霉变”像元数，判断霉变信息分类图(Image2)中的每一个待识别油料作物是否发生霉变，生成霉变识别结果图(Image4)。2.根据权利要求1所述的利用近红外高光谱图像识别霉变油料作物的方法，其特征在于还包括步骤：对所述次级主成分信息中的第一次级主成分信息(2PC1)采用标记控制分水岭算法，将所述待识别油料作物的几何形状与大小进行独立分隔，生成分割结果图(Image3)；结合所述霉变信息分类图(Image2)中的“霉变”像元数和分割结果图(Image3)中的像元数，根据所述第二阈值(β)，判断每一个待识别油料作物是否发生霉变。3.根据权利要求2所述的利用近红外高光谱图像识别霉变油料作物的方法，其特征在于：所述霉变信息分类图(Image2)中的“霉变”像元数和分割结果图(Image3)中的像元数的结合方式为：“霉变”像元数与像元数之比。4.根据权利要求1或2所述的利用近红外高光谱图像识别霉变油料作物的方法，其特征在于：所述根据主成分分析法对该图像信息中的波段信息进行主成分分析步骤中，保留前四个主成分信息(1PC1、1PC2、1PC3、1PC4)，作为初级主成分信息；分别根据初...

【专利技术属性】
技术研发人员：蒋金豹，乔小军，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：北京;11