[发明专利]高光谱透射图像采集系统及基于该系统的豆荚无损检测方法

说明书

技术领域

本发明涉及高光谱透射图像技术与豆荚螟豆荚检测技术，具体地，涉及高光谱透射图像采集系统及基于该系统的豆荚无损检测方法。

背景技术

菜用大豆俗称毛豆，因其营养丰富，口味独特，而深受诸多国家民众的青睐。豆荚螟，又名豆荚斑螟、豆蛀虫，是危害毛豆、豇豆、菜豆、扁豆、豌豆等豆科植物的主要害虫之一，被其咬后的豆仁失去食用价值，严重影响产品质量。

由于害虫对农作物的危害极大，诸多研究人员致力于农作物害虫的检测和识别的研究，提出了诸多检测方法，包括用染色法、声音检测技术法、电导法、X射线检测法、近红外技术检测法等。

但上述方法存在诸多缺点，如操作复杂、对被测样品具有破坏性、不能检测死虫、存在辐射，受到环境的影响较大，同时对检测幼虫的效果不理想等。

目前，基于机器视觉的农产品害虫检测技术得到了广泛的应用，但是传统的机器视觉技术是基于可见光光源，由于豆荚螟生长在豆荚内部，可见光光源难以穿透豆荚内部，导致传统的基于机器视觉的害虫检测技术很难实现豆荚螟的准确检测。对于传统机器视觉的菜用豆荚螟豆荚的外部和内部图像，可参见图2；由图2的图像可以看出，相应豆荚的外部没有虫眼，但内部含有豆荚螟。

在实现本发明的过程中，发明人发现现有技术中至少存在操作复杂、对被测样品损害大、准确性差与可靠性低等缺陷。 

发明内容

本发明的目的在于，针对上述问题，提出一种基于高光谱透射图像采集系统的豆荚无损检测方法，以实现操作简单、可实现无损检测、准确性好、可靠性高与实时性好的优点。

为实现上述目的，本发明采用的技术方案是：一种基于高光谱透射图像采集系统的豆荚无损检测方法，包括：

a、将菜用大豆豆荚样本，放置在高光谱透射图像采集系统中，采集并获取相应豆荚样本在                                                个波段下的M个高光谱透射图像；在所得M个高光谱透射图像中，提取感兴趣的区域作为相应高光谱透射图像的子图像；

b、在每个波段下，利用灰度共生矩阵，提取步骤a所得相应子图像在四个方向上的对比度、相关性、能量与同质性共16个纹理参数；将所得M个波段下共16M个纹理参数，作为判断相应豆荚样本是否含有豆荚螟的特征参数；

c、将步骤b所得16M个纹理参数，输入预先建立的检测模型进行检测处理，获取相应豆荚样本是否含有豆荚螟的检测结果。

进一步地，在步骤c中，预先建立检测模型的操作包括：

 利用支持向量数据描述法作为构建检测模型的工具，构建不含豆荚螟的豆荚样本和含豆荚螟的豆荚样本的检测模型，该检测模型的形式为：

其中，表示菜用大豆是否还有豆荚螟的检测结果，为符号函数，为相应豆荚样本的特征参数，为已知的不含豆荚螟豆荚的特征参数，为已知的不含豆荚螟豆荚的数量，为支持向量数据描述的核函数，和均为待定系数；

通过交叉验证的网格搜索法，确定支持向量机的核函数、和，从而得到菜用大豆豆荚是否含豆荚螟虫的检测模型。

3．根据权利要求1或2所述的基于高光谱透射图像采集系统的豆荚无损检测方法，其特征在于，在步骤a中，采集并获取相应豆荚样本在个波段下的M个高光谱透射图像之后，还包括：

将豆荚样本分为训练集和测试集，其中训练集由正常豆荚（不含豆荚螟）样本构成，测试集由正常豆荚（不含豆荚螟）样本和含豆荚螟样本构成；

对豆荚样本的高光谱透射图像采集完后，利用破坏性法，对选取的豆荚样本进行破坏性处理，获取相应豆荚样本是否包含豆荚螟的准确结果，以与步骤c获得的检测结果进行对比，并为后续优化检测模型提供依据。

4．根据权利要求3所述的基于高光谱透射图像采集系统的豆荚无损检测方法，其特征在于，步骤c中的和的选取，转换为下述最优化问题的求解：

，

；

其中，C为惩罚系数；r为超球面半径；所述与惩罚系数C由交叉验证的网格搜索法确定；

所述选择支持向量数据描述的核函数选取：

，

其中，为高斯核函数宽度；为测试集豆荚样本高光谱透射图像的特征参数，为训练集豆荚样本高光谱透射图像的特征参数。

进一步地，步骤a中的高光谱透射图像采集系统，包括电源、石英卤素钨灯、光纤、采光室、CCD控制器、CCD数字照相机、光谱仪、聚焦透镜与透射光源架构，其中：