【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种基于高光谱图像的竹笋品质检测方法、系统及介质。
技术介绍
1、竹笋的鲜嫩来源于其中的游离氨基酸和糖，尤其是谷氨酸和天冬氨酸，是竹笋鲜味的来源，而糖则赋予了它们甜和脆嫩的口感。出土时间越短的竹笋，氨基酸和糖的含量越高，纤维越少，风味口感也就越好。
2、然而，竹笋的生命活动极为旺盛。当竹笋被采收，氨基酸和糖的来源被中止了，而它们的转化却在继续，甚至更为旺盛。有研究测试过竹笋采收后的呼吸作用，发现在5小时甚至会出现一个高峰。氨基酸已经大量分解，糖也大量纤维化，导致竹笋品质下降，影响食用。
3、因此，对竹笋的营养成分和品质进行分析和预测变得极为重要，传统的竹笋品质检测方法依赖于人工感官评价或化学分析，这些方法耗时长、效率低，且可能破坏样品。随着高光谱成像技术的发展，可以快速无损地获取竹笋的光谱信息，从而实现对其品质的高效检测。如何利用竹笋的高光谱图像对竹笋进行无损、高效的品质检测成为亟待解决的技术问题。
技术实现思路
1、为解决上述问题，本专利技术提供一种基于高光谱图像的竹笋品质检测方法、系统及介质，旨在实现竹笋品质的无损、高效检测。
2、为了实现上述目的，本专利技术提供以下技术方案：
3、一方面，本专利技术实施例提供了一种基于高光谱图像的竹笋品质检测方法，所述方法包括以下步骤：
4、获取对目标竹笋采集得到的第一高光谱图像；
5、获取目标竹笋的k个特征波段，从所述第一高光谱图像中提取
6、基于所述反射率矩阵确定对应第一光谱图像的光谱偏离度，基于每个第一光谱图像的光谱偏离度确定所述目标竹笋的品质。
7、可选的，所述目标竹笋的k个特征波段通过以下方式预先确定：
8、获取样本图像集，所述样本图像集包含多张第二高光谱图像；其中，所述第二高光谱图像为对竹笋标准样本采集得到的高光谱图像；
9、获取每张所述第二高光谱图像的透射光谱和对应竹笋标准样本的纤维含量，建立每张所述第二高光谱图像的透射光谱和纤维含量的线性回归模型，计算每个所述线性回归模型的回归相关系数，选取k个较大的回归相关系数对应的采样波段作为特征波段，得到k个特征波段。
10、可选的，所述基于所述反射率矩阵确定对应第一光谱图像的光谱偏离度，基于每个第一光谱图像的光谱偏离度确定所述目标竹笋的品质，包括：
11、对于每个第一光谱图像，确定第一光谱图像中各个像素的强度值，基于所述强度值将所述第一光谱图像划分为多个依次相邻的光谱区域；
12、获取每个特征波段的反射率阈值，确定第一光谱图像对应的特征波段，将该特征波段的反射率阈值作为所述第一光谱图像的反射率阈值；
13、确定第一光谱图像中各个光谱区域的反射率矩阵，基于所述反射率矩阵和反射率阈值确定每个光谱区域的第一变化系数以及相邻光谱区域的第二变化系数，基于所述第一变化系数和第二变化系数确定每个光谱区域的变化系数；其中，所述反射率矩阵包含光谱区域中各个像素的反射率；
14、获取每个光谱区域在所述第一光谱图像中的面积占比，基于每个光谱区域的变化系数和面积占比确定所述第一光谱图像的光谱偏离度；
15、确定每个第一光谱图像对应的特征波段，将所述特征波段对应的回归相关系数进行归一化处理，得到所述第一光谱图像的权重，基于所述第一光谱图像的权重和光谱偏离度确定所述目标竹笋的品质。
16、可选的，每个特征波段的反射率阈值通过以下方式预先确定：
17、对于每张所述第二高光谱图像，选取第二高光谱图像中k个特征波段对应的第二光谱图像，将所述第二光谱图像中各个像素的反射率求平均，得到所述第二光谱图像的平均反射率；
18、将每张所述第二高光谱图像中相同特征波段的第二光谱图像归为一组，得到与k个特征波段一一对应的k组集合；将每组集合中全部第二光谱图像的平均反射率求平均，得到该组集合对应特征波段的平均反射率；
19、将特征波段的平均反射率乘以调节系数，得到该特征波段的反射率阈值；其中，所述调节系数的取值范围为(0,1)。
20、可选的，所述基于所述反射率矩阵和反射率阈值确定每个光谱区域的第一变化系数以及相邻光谱区域的第二变化系数，基于所述第一变化系数和第二变化系数确定每个光谱区域的变化系数，包括：
21、获取光谱区域对应特征波段的反射率阈值；
22、采用滑动窗口遍历光谱区域，通过所述滑动窗口在所述反射率矩阵中逐行逐列依次截取目标矩阵，确定所述目标矩阵的反射率均值和所述反射率阈值的差值，作为所述目标矩阵的反射率差值；
23、确定每行目标矩阵的反射率均值，基于每行目标矩阵的反射率均值确定所述光谱区域的第一变化系数；
24、从所述光谱区域中选取多列目标矩阵，对多列目标矩阵的反射率差值求平均，得到多列目标矩阵的反射率均值，基于多列目标矩阵的反射率均值和所述光谱区域的反射率均值确定所述光谱区域的第二变化系数，
25、将所述光谱区域的第一变化系数和第二变化系数相乘后求平方根，得到所述光谱区域的变化系数。
26、可选的，所述第一变化系数通过以下公式计算得到：
27、
28、其中，p＝2,…,p，p表示光谱区域的编号，p表示光谱区域的总数，cp1表示第p个光谱区域的第一变化系数，i＝2,…,m，i表示目标矩阵的行数，m为通过所述滑动窗口截取的一行目标矩阵的总数，n为通过所述滑动窗口截取的一列目标矩阵的总数，s(i)表示第i行目标矩阵的反射率均值，s(i-1)表示第i-1行目标矩阵的反射率均值。
29、可选的，所述基于多列目标矩阵的反射率均值和所述光谱区域的反射率均值确定所述光谱区域的第二变化系数，包括：
30、分别从相邻两个光谱区域中选取n列目标矩阵，基于相邻两个光谱区域中的n列目标矩阵确定光谱区域的趋势系数；
31、获取相邻两个光谱区域的反射率均值，结合所述光谱区域的趋势系数确定所述光谱区域的第二变化系数；
32、所述光谱区域的趋势系数通过以下公式计算得到：
33、
34、所述第二变化系数通过以下公式计算得到：
35、
36、其中，p＝2,…,p，cp2表示第p个光谱区域的第二变化系数，j＝2,…,n，2＜n＜n/2，j表示目标矩阵的列数，λp表示第p个光谱区域的趋势系数，s(p)表示第p个光谱区域的反射率均值，s(p-1)表示第p-1个光谱区域的反射率均值，s(j)表示第j列目标矩阵的反射率均值，s(j-1)表示第j-1列目标矩阵的反射率均值，s(p,j)表示第p个光谱区域中第j列目标矩阵的反射率均值，s(p,j-1)表示第p个光谱区域中第j-1列目标矩阵的反射率均值，s(p-1,j)表示第p-1个光谱区域中第j列目标矩阵的反射率本文档来自技高网...
【技术保护点】
1.一种基于高光谱图像的竹笋品质检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于高光谱图像的竹笋品质检测方法，其特征在于，所述目标竹笋的K个特征波段通过以下方式预先确定：
3.根据权利要求2所述的一种基于高光谱图像的竹笋品质检测方法，其特征在于，所述基于所述反射率矩阵确定对应第一光谱图像的光谱偏离度，基于每个第一光谱图像的光谱偏离度确定所述目标竹笋的品质，包括：
4.根据权利要求3所述的一种基于高光谱图像的竹笋品质检测方法，其特征在于，每个特征波段的反射率阈值通过以下方式预先确定：
5.根据权利要求3所述的一种基于高光谱图像的竹笋品质检测方法，其特征在于，所述基于所述反射率矩阵和反射率阈值确定每个光谱区域的第一变化系数以及相邻光谱区域的第二变化系数，基于所述第一变化系数和第二变化系数确定每个光谱区域的变化系数，包括：
6.根据权利要求5所述的一种基于高光谱图像的竹笋品质检测方法，其特征在于，所述第一变化系数通过以下公式计算得到：
7.根据权利要求6所述的一种基于高光谱图像的竹笋品
8.根据权利要求7所述的一种基于高光谱图像的竹笋品质检测方法，其特征在于，所述第一光谱图像的光谱偏离度通过以下公式计算得到：
9.一种基于高光谱图像的竹笋品质检测系统，其特征在于，包括：
10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至8任一项所述的方法。
...【技术特征摘要】
1.一种基于高光谱图像的竹笋品质检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于高光谱图像的竹笋品质检测方法，其特征在于，所述目标竹笋的k个特征波段通过以下方式预先确定：
3.根据权利要求2所述的一种基于高光谱图像的竹笋品质检测方法，其特征在于，所述基于所述反射率矩阵确定对应第一光谱图像的光谱偏离度，基于每个第一光谱图像的光谱偏离度确定所述目标竹笋的品质，包括：
4.根据权利要求3所述的一种基于高光谱图像的竹笋品质检测方法，其特征在于，每个特征波段的反射率阈值通过以下方式预先确定：
5.根据权利要求3所述的一种基于高光谱图像的竹笋品质检测方法，其特征在于，所述基于所述反射率矩阵和反射率阈值确定每个光谱区域的第一变化系数以及相邻光谱区域的第二变化系数，基于所述第...
【专利技术属性】
技术研发人员：刘文，谢月亮，董斌，栾飞，钟新旺，刘梁炜，刘旭光，陈峰，闫志烨，
申请(专利权)人：广东农工商职业技术学院农业部华南农垦干部培训中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。