基于高光谱成像分析的冬枣微观损伤识别

被引:18
作者
魏新华 [1 ]
吴姝 [1 ]
范晓冬 [1 ]
黄嘉宝 [2 ]
机构
[1] 江苏大学现代农业装备与技术教育部重点实验室
[2] 不详
基金
高等学校博士学科点专项科研基金;
关键词
冬枣; 损伤检测; 高光谱成像; 无信息变量消除; 相关系数;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
为减少微观损伤引起的储藏腐烂损失,延长冬枣的储藏期,提高冬枣的储藏效益,以山东沾化冬枣为研究对象,利用高光谱成像系统采集轻微损伤发生不到1 h的冬枣损伤部位的高光谱图像,得到波长在8711 766 nm范围内的256幅高光谱分量图像。结合无信息变量消除法及相关系数法进行特征波长筛选,剔除不敏感波段,选取了944、1 035、1 187、1 376 nm 4个特征波长。对以上4个特征波长对应的分量图像进行主成分分析,选择第1主成分图像作为待分割图像,对其进行灰度变换等图像预处理,并运用自适应阈值分割法对其进行图像分割,实现了轻微损伤区域的有效识别。对100个轻微损伤冬枣样本的识别试验结果表明,所提方法的正确识别率为98%。
引用
收藏
页码:242 / 246
页数:5
相关论文
共 14 条
[1]   高光谱图像波段间相关特性研究 [J].
成宝芝 ;
郭宗光 .
大庆师范学院学报, 2013, 33 (06) :35-37
[2]   基于高光谱成像技术的柑橘缺陷无损检测 [J].
章海亮 ;
高俊峰 ;
何勇 .
农业机械学报, 2013, 44 (09) :177-181
[3]   结合遗传算法和蚁群算法的高光谱图像波段选择 [J].
王立国 ;
魏芳洁 .
中国图象图形学报, 2013, (02) :235-242
[4]   利用高光谱图像技术检测水果轻微损伤 [J].
赵杰文 ;
刘剑华 ;
陈全胜 ;
Saritporn Vittayapadung .
农业机械学报, 2008, (01) :106-109
[5]   高光谱遥感图像最优波段选择方法的研究进展与分析 [J].
赵春晖 ;
陈万海 ;
杨雷 .
黑龙江大学自然科学学报, 2007, (05) :592-602
[6]   Detection of early bruises in apples using hyperspectral data and thermal imaging [J].
Baranowski, Piotr ;
Mazurek, Wojciech ;
Wozniak, Joanna ;
Majewska, Urszula .
JOURNAL OF FOOD ENGINEERING, 2012, 110 (03) :345-355
[7]  
Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review[J] . Postharvest Biology and Technology . 2007 (2)
[8]  
Hyperspectral imaging – an emerging process analytical tool for food quality and safety control[J] . A.A. Gowen,C.P. O’Donnell,P.J. Cullen,G. Downey,J.M. Frias.Trends in Food Science & Technology . 2007 (12)
[9]  
Nondestructive measurement of internal quality in pear using genetic algorithms and FT-NIR spectroscopy[J] . Yibin Ying,Yande Liu.Journal of Food Engineering . 2007 (2)
[10]   Visible/near infrared spectrometric technique for nondestructive assessment of tomato 'Heatwave' (Lycopersicum esculentum) quality characteristics [J].
Shao, Yongni ;
He, Yong ;
Gomez, Antihus H. ;
Pereir, Annia G. ;
Qiu, Zhengjun ;
Zhang, Yun .
JOURNAL OF FOOD ENGINEERING, 2007, 81 (04) :672-678