基于高光谱成像的苹果虫害检测特征向量

基于高光谱成像的苹果虫害检测特征向量的选取

摘 要：利用高光谱成像技术，明确苹果虫害无损检测的最优特征向量，以实现对苹果虫害的快速、准确、无损检测。本文首先对 646 nm 波长的特征图像进行阈值分割、膨胀与腐蚀运算获得掩膜图像，并利用掩模图像对高光谱图像进行掩模和主成分分析，对获得的 PC1（the first principal component，第一主成分）图像进行最大熵阈值分割以有效提取虫害区域。然后对比分析虫害区域与正常区域图像的纹理特征，提取灰度共生矩阵的 4 个方向

的 4 个纹理参数（能量、熵、惯性矩和相关性），并且采用基于高光谱图像的光谱差值获取了 2 个特征波长对应的光谱相对反射率作为光谱特征。优化组合纹理特征和光谱特征成 4 个特征向量组，采用 BP（back propagation， 反向传播）神经网络对正常苹果和虫害苹果进行检测。结果表明，融合 0 度方向的能量、熵、惯性矩和相关性的纹理特征和 646、824 nm 波段的相对光谱反射率的光谱特征进行检测识别效果最好，正常果的识别率为 100%， 虫害果的识别率为 100%，并且速度快、误差小。该研究所获得的特征向量可为开发多光谱成像的苹果品质检测和分级系统提供参考。

关键词：无损检测；主成分分析；图像处理；光谱特征；高光谱成像

1. 引 言

中国是苹果生产大国，苹果的种植面积和总产量均居世界第一[1]。然而中国苹果在国际市场上， 因为采后检测、分级技术落后等，导致品质较差、在国际市场上缺乏竞争力，苹果出口占总产量的比重非常低[2]。为了解决此问题，就必须严格把关中国苹果的缺陷检测，尤其是苹果虫害的检测。苹果在生长中，果实有时会受到食心虫等虫害的侵入， 从而使其正常新陈代谢受到干扰，其生理机能、组织结构等被破坏，极大影响苹果的品质和销售，因此苹果虫害作为苹果质量分级的重要指标之一[3]， 其检测尤为重要。害虫侵入苹果果实后，往往在其内部进行驻洞，在表面形成虫眼[4]。目前，中国对水果缺陷的检测仍停留在主要依靠人工目测、抽样切片或常规可见光机器视觉检测的阶段[5]，误判率

收稿日期：2014-02-12 修订日期：2014-06-03

基金项目：农业部公益性行业（农业）科研专项资助项目（201103024）；辽宁省教育厅科学技术研究资助项目（L2011114）

作者简介：田有文（1968－），女，辽宁沈阳人，副教授，博士后，中国农业工程学会会员（E041200502S），主要从事图谱分析在农产品品质检测的应用研究。沈阳 沈阳农业大学信息与电气工程学院，110866。Email：youwen_tian10@163.com

较高，且不能满足水果在线检测应具备的无损性、快速性、直观性等要求[6]。因此，亟需开发一种快速、无损、高效的苹果虫害检测方法。

由于高光谱成像技术融合了图像处理和光谱分析的优点，可以快速、无损地检测研究对象内外部特性，因此近年来在农产品品质与分级中获得了广泛的应用[7-10]，尤其为农产品受虫害后的检测带来了新的途径和方法[11]。Ronald P. Haff等[12]研究了一种受果蝇侵染的芒果高光谱图像进行分析和识别其上斑点的方法，该方法经反复优化参数，最终结果为最低总体识别错误率为12.3%。Singh C B 等[13]利用近红外光谱成像区分正常小麦与虫蛀小麦的损害，使用线性判别分析（linear discriminant analysis, LDA ）和二 次判别分 析（ quadratic discriminant analysis,QDA）对健康小麦与虫蛀小麦判别，结果表明正确分类率达85%～100%。Wang J. 等[14]应用高光谱成像技术实现了对枣的外部虫害的检测，总体正确识别率为97%。Xing J等[15]利用高光谱透视图像和反射光谱数据研究酸樱桃的内部虫害（象鼻虫）的无损检测，采用偏最小二乘判别分析法正确识别樱桃的内部虫害的准确率分别为82.11%和81.3%。在国内吴龙国[16]等利用近红外

高光谱成像系统采集正常长枣与虫眼枣图像，利用特征波长主成分分析法结合波段比算法进行虫眼枣识别，识别率达到90%。而国内外针对苹果虫害检测的研究尚鲜有报道。本文研究的目的是通过高光谱成像技术，探索有效提取能正确识别苹果虫害的特征向量，从而为后续实现苹果虫害的快速、无损检测，构建基于多光谱成像技术的苹果品质在线检测与分级系统提供理论依据。

1. 材料与方法
   1. 试验材料

本研究选取红富士苹果作为试验的研究对象。从沈阳市沈北新区苹果种植示范园采集苹果 160 个。这些果实果型匀称，直径范围在 68.5～88 mm， 质量范围在 128～211 g，其中 80 个为有虫害的苹果，虫孔直径约 2 mm，另外 80 个为正常苹果。从

虫害和正常苹果中各随机拣选 50 个用于检测苹果虫害算法构建，其他样本用于算法的验证。

1. 1. 高光谱成像系统

本研究中高光谱成像系统如图 1 所示。整个系

不失真。最终确定镜头到苹果表面的距离（即物距） 为 260 mm，在高光谱图像数据采集软件 Spectral Image 中设定相机曝光时间为 68 ms，平台移动速度为 0.8 mm/s。然后将反射率为 99%标准白色校正板

（Spectralon, Labsphere Inc.）进行采集得到全白的标定图像 IW，再拧上镜头盖且关闭光源采集到全黑的标定图像 ID。最后逐个将苹果放置于移动平台上，且有虫眼位对准镜头，若是正常苹果将赤道位对准镜头。通过高光谱图像数据采集软件 Spectral

Image 将获得苹果每个空间位置的整个光谱区域的光谱信息。

1. 高光谱图像数据处理方法

数据处理采用 ENVI 4.7（Research System Inc.， 美国）[17]、MATLAB 7.1The  MathWorks  Inc.，美国）[18]和 Excel 2011（Microsoft，美国）[19]软件。

1. 1. 黑白板校正

为了消除高光谱摄像头中暗电流及不均匀光强产生的噪声，应对高光谱成像装置进行黑白板校正。按照下列公式（1）计算可得校正后图像 R[20]。

统由高光谱成像光谱仪（ImSpector V10E，Spectral Imaging  Ltd）、一架 1  392 像素×1  040 像素的面阵

R = IS - I D ´100

IW - ID

（1）

CCD 相机（IGV-B1410M，IMPERX Incorporated）、一套位移台及控制平台（IRCP0076-1 COM）、两个 150 W 的光纤卤素灯（3900 Illuminatior, Illumination

Technologies）、一个暗箱（120 cm×50 cm×140 cm）和一台计算机（DELL Vostro 5560D- 1528）等组成。高光谱摄像头的光谱范围为 400～1100 nm，光谱分辨率为 2.8 nm。

1. 相机 2.光谱仪 3.镜头 4.光源 5.样本 6.平移台 7.位移平台控制器 8.计算机

1. Camera 2. Spectrometer 3. Shot 4. Light source 5. Sample

6. Stages 7. Displacement platform controller 8. Computer

图 1 高光谱成像系统示意图

Fig.1 Schematic diagram of hyperspectral imaging system

1.3 高光谱图像采集

利用高光谱成像系统获取苹果高光谱图像，首先设定好物距、光源强度、镜头光圈度数、相机曝光时间、移动平台速度，以确保采集的图像清晰且

式中：R 为校正后的高光谱图像的相对反射率，%； IS 为原始的苹果高光谱图像；ID 为黑板标定图像； Iw<