一种基于光谱反射率重建技术的水果糖度无损检测方法技术

本发明专利技术公开了一种基于光谱反射率重建技术的水果糖度无损检测方法，具体为：先获得待测水果样本，的RGB图像和高光谱图像以及每个待测水果样本的糖度实测值；然后将初步处理后的图像进行图像配准；对图像配准后的图像进行感兴趣区域提取，获得训练样本；确定训练样本的RGB值和光谱反射率；然后获得训练集中RGB值和重建的光谱反射率之间的映射关系；通过重建的光谱反射率与水果的糖度实测值建立回归关系；将建立好的映射关系及回归关系导入智能手机的应用软件；通过智能手机获得水果的RGB图像，最后将RGB图像通过导入智能手机的映射关系及回归关系检测水果的糖度。实现随时随地便携测定水果的糖度。携测定水果的糖度。携测定水果的糖度。

【技术实现步骤摘要】
一种基于光谱反射率重建技术的水果糖度无损检测方法


[0001]本专利技术涉及了高光谱成像领域的一种无损检测方法，尤其涉及一种基于光谱反射率重建技术的水果糖度无损检测方法。

技术介绍

[0002]现代高光谱成像技术兴起于上世纪八十年代，它集光学、材料学、计算机科学等众多学科于一身，实现了图像与光谱合一，在获取待测物体空间信息的同时得到该物体每个像素的光谱信息，现已广泛应用于食品质量评估、生物医疗、环境监测、地质勘探等领域中。基于高光谱成像技术实现对农产品品质的测定，例如水果的糖度测定。高光谱成像技术以其高精度且无损的优点迅速发展，但直至今日对高光谱图像的应用仍停留于初级阶段，主要原因是获取高光谱图像往往需要大型的实验设备和一定的软硬件专业知识，费时费力的操作成为限制这一技术发展的主要障碍。因此，人们希望能够通过一种低成本的方式获取高光谱图像，基于这种需求，研究人员们开始尝试从市面上常见且廉价的CCD或CMOS彩色相机拍摄的RGB图像中恢复其光谱信息，提出了光谱反射率重建技术，并在公开的数据集上取得了不错的重建精度。从RGB图像中恢复高光谱数据是一个求解不适定方程组的过程，当波长数量即未知数个数大于3时，即RGB图像的R、G、B三通道对应的方程个数，这个欠定方程组会产生无穷多个解，光谱反射率重建技术旨在解决这一问题。彩色相机成本较低、拍照速度快且分辨率高的优势一定程度上弥补了高光谱相机存在的问题。近年来随着深度学习技术的发展，光谱重建精度取得了显著提升，但目前大多数研究仍停留在公开的数据集测试阶段，应用于实际对象的情况较少；而数据的处理方式多为彩色相机拍摄RGB图像后利用计算机进行运算，限制了该技术的便携性。
[0003]通过上述分析，现有技术存在的问题及缺陷为：目前光谱反射率重建技术应用范围较小，多数情况下仍停留在公共数据集验证阶段；虽然目前的研究已经证实了基于RGB图像重建光谱反射率的可行性，但是数据的处理过程仍然是在计算机上进行，限制了该技术的便携性；近年来随着智能手机的普及以及其功能的日益强大，将光谱反射率重建技术与智能手机相结合成为可能。
[0004]解决以上问题及缺陷的难度为：如何将光谱反射率重建技术以更加便携的姿态呈现；光谱反射率重建技术在实际应用过程中如何排除如外界环境光等因素的干扰以达到较高的检测精度。

技术实现思路

[0005]为了解决以上技术问题，本专利技术通过重建光谱反射率，利用RGB图像即可实现随时随地测定水果的糖度。
[0006]本专利技术采用的技术方案是：
[0007]本专利技术包括如下步骤：
[0008]步骤1，准备多个水果，对每个水果进行检测区域的标记；
[0009]步骤2，使用智能手机和高光谱成像系统分别获取多个水果的检测区域的RGB图像和高光谱图像，然后对拍摄后的每个水果使用折光仪获得其糖度实测值；
[0010]步骤3，对获得的所有水果的RGB图像进行初步处理，然后将初步处理后的RGB图像与高光谱图像进行图像配准；
[0011]步骤4，对图像配准后的RGB图像和高光谱图像进行感兴趣区域提取，获得训练样本；
[0012]步骤5，确定训练样本的RGB值和光谱反射率；
[0013]步骤6，根据训练样本组建训练集，然后结合训练集中训练样本的RGB值和光谱反射率获得映射关系，进而获得重建的光谱反射率；
[0014]步骤7，通过重建的光谱反射率与水果的糖度实测值建立回归关系；
[0015]步骤8，获取待检测水果的RGB图像，然后将待检测水果的RGB图像通过映射关系及回归关系来检测待检测水果的糖度。
[0016]所述步骤1中的检测区域位于水果的赤道部位，标记中对每个检测区域均使用标签纸标记并编号，单个水果均标记至少3个检测区域。
[0017]所述初步处理即对RGB图像进行环境光补偿，补偿方案如下：
[0018][0019][0020][0021]其中，R、G、B分别表示RGB图像补偿前的RGB值，r、g、b分别表示RGB图像补偿后的RGB值。
[0022]所述步骤4具体为：在图像配准后的高光谱图像中选取一个高光谱图像的感兴趣区域ROI_1，且导出感兴趣区域ROI_1以获得感兴趣区域ROI_1的坐标信息；所述图像配准后的RGB图像与图像配准后的高光谱图像具有统一的坐标系，将获得的感兴趣区域ROI_1的坐标信息读入图像配准后的RGB图像中，得到RGB图像的感兴趣区域ROI_2并作为训练样本。
[0023]所述步骤5具体为：将每个所述训练样本内所有像素点的RGB值的平均值作为该训练样本的RGB值，将每个所述训练样本内所有像素点的光谱反射率的平均值作为该训练样本的光谱反射率。
[0024]所述步骤6中组建训练集具体为：
[0025]S6.1，针对所有的训练样本，任选取一个训练样本作为第一训练样本；
[0026]S6.2，依次计算第一训练样本与剩余所有训练样本的欧氏距离；
[0027]S6.3，将剩余所有训练样本中与第一训练样本的欧氏距离最远的训练样本或者与第一训练样本的欧氏距离最近的训练样本及第一训练样本均放入训练集；
[0028]S6.4，对剩余训练样本重复步骤S6.1
‑
S6.3，直至获得具有规定的训练样本数目的训练集，所述欧氏距离具体通过以下公式确定：
[0029][0030]式中，p和q分别表示第p个训练样本和第q个训练样本，x表示光谱变量，y表示训练样本的理化值变量，N表示训练样本总数，d
xy
(p，q)表示第p个训练样本和第q个训练样本的欧氏距离，d
x
(p，q)表示第p个和第q个训练样本基于光谱变量的欧氏距离，d
y
(p，q)表示第p个和第q个训练样本基于理化值变量的欧氏距离，max d
x
(p，q)表示N个训练样本之间基于光谱变量的欧氏距离的最大值，max d
y
(p，q)表示N个训练样本之间基于理化值变量的欧氏距离的最大值；
[0031]其中，第p个和第q个训练样本基于光谱变量的欧氏距离d
x
(p，q)以及第p个和第q个训练样本基于理化值变量的欧氏距离d
y
(p，q)分别通过以下公式确定：
[0032][0033][0034]式中，j表示训练样本的光谱波段，x
p(j)
表示第p个训练样本在第j个光谱波段的光谱变量，x
q(j)
表示第q个训练样本在第j个光谱波段的光谱变量，M表示总的光谱波段数量，y
p
表示第p个训练样本的理化值变量，y
q
表示第q个训练样本的理化值变量。
[0035]所述步骤6中获得映射关系具体为：
[0036]利用BP神经网络学习训练所述训练集中每个训练样本的RGB值和光谱反射率获得映射关系，所述映射关系如下式所示：
[0037]Y
i
＝l(w2g(w本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光谱反射率重建技术的水果糖度无损检测方法，其特征在于：包括如下步骤：步骤1，准备多个水果，对每个水果进行检测区域的标记；步骤2，使用智能手机和高光谱成像系统分别获取多个水果的检测区域的RGB图像和高光谱图像，然后对拍摄后的每个水果使用折光仪获得其糖度实测值；步骤3，对获得的所有水果的RGB图像进行初步处理，然后将初步处理后的RGB图像与高光谱图像进行图像配准；步骤4，对图像配准后的RGB图像和高光谱图像进行感兴趣区域提取，获得训练样本；步骤5，确定训练样本的RGB值和光谱反射率；步骤6，根据训练样本组建训练集，然后结合训练集中训练样本的RGB值和光谱反射率获得映射关系，进而获得重建的光谱反射率；步骤7，通过重建的光谱反射率与水果的糖度实测值建立回归关系；步骤8，获取待检测水果的RGB图像，然后将待检测水果的RGB图像通过映射关系及回归关系来检测待检测水果的糖度。2.根据权利要求1所述的一种基于光谱反射率重建技术的水果糖度无损检测方法，其特征在于：所述步骤1中的检测区域位于水果的赤道部位，标记中对每个检测区域均使用标签纸标记并编号，单个水果均标记至少3个检测区域。3.根据权利要求1所述的一种基于光谱反射率重建技术的水果糖度无损检测方法，其特征在于：所述初步处理即对RGB图像进行环境光补偿，补偿方案如下：特征在于：所述初步处理即对RGB图像进行环境光补偿，补偿方案如下：特征在于：所述初步处理即对RGB图像进行环境光补偿，补偿方案如下：其中，R、G、B分别表示RGB图像补偿前的RGB值，r、g、b分别表示RGB图像补偿后的RGB值。4.根据权利要求1所述的一种基于光谱反射率的水果糖度无损检测方法，其特征在于：所述步骤4具体为：在图像配准后的高光谱图像中选取一个高光谱图像的感兴趣区域ROI_1，且导出感兴趣区域ROI_1以获得感兴趣区域ROI_1的坐标信息；所述图像配准后的RGB图像与图像配准后的高光谱图像具有统一的坐标系，将获得的感兴趣区域ROI_1的坐标信息读入图像配准后的RGB图像中，得到RGB图像的感兴趣区域ROI_2并作为训练样本。5.根据权利要求1所述的一种基于光谱反射率重建技术的水果糖度无损检测方法，其特征在于：所述步骤5具体为：将每个所述训练样本内所有像素点的RGB值的平均值作为该训练样本的RGB值，将每个所述训练样本内所有像素点的光谱反射率的平均值作为该训练样本的光谱反射率。6.根据权利要求1所述的一种基于光谱反射率重建技术的水果糖度无损检测方法，其特征在于：所述步骤6中组建训练集具体为：S6.1，针对所有的训练样本，任选取一个训练样本作为第一训练样本；S6.2，依次计算第一训练样本与剩余所有训练样本的欧氏距离；
S6.3，将剩余所有训练样本中与第一训练样本的欧氏距离最远的训练样本或者与第一训练样本的欧氏距离最近的训练样本及第一训练样本均放入训练集；S6.4，对剩余训练样本重复步骤S6.1
‑
S6.3，直至获得具有规定的训练样本数目的训练集，所述欧氏距离具体通过以下公式确定：式中，p和q分别表示第p个训练样本和第q个训练样本，x表示光谱变量，y表示训练样...

【专利技术属性】
技术研发人员：傅霞萍，宫连祥，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：