[发明专利]用于水蜜桃褐腐病缺陷检测的特征角余弦值方法

说明书

技术领域

本发明涉及水果缺陷检测方法，尤其是涉及一种用于水蜜桃褐腐病缺陷检测的特征角余弦值方法。

背景技术

水蜜桃不耐贮运，贮运过程中极易发生各种机械损伤和病菌侵染，导致果实腐败，给果农和消费者造成经济损失。不论是鲜食桃、罐头桃还是果汁桃，在进入市场和加工前都要进行挑选和分级。因此，水蜜桃缺陷无损检测是有必要的。

由于水蜜桃表面颜色有底色和着色之分，使得利用RGB彩色机器视觉系统检测水蜜桃缺陷的难度加大，而高光谱图像技术所检测到的样本信息融合了图像信息和光谱信息，它可以全面的反应样本的外在特征、表面缺陷等情况。它虽然不能很好的满足快速检测的目的，但它有个重要的作用就是确定样本品质的有效特征波长，为多光谱图像系统和机器视觉系统的搭建提供理论依据，以实现在线、快速、无损检测农产品品质目的。

例如，利用光谱和图像融合信息，提取图像中像素点的光谱信息建立LDA、QDA等分类器，构造分割二值图像来检测棉花杂志（郭俊先.基于高光谱成像技术的棉花杂质检测方法的研究.2011，浙江大学.）；利用k-NN、LDC、SVM等分类方法对苹果多波段图像像素进行分类分割，实现苹果缺陷检测(Unay D,Gosselin B.Automatic defect segmentation of‘Jonagold’apples on multi-spectralimages:A comparative study.Postharvest Biology and Technology,2006,42(3):271-279.)

目前，以水蜜桃作为研究对象的高光谱图像研究比较少，大多数都是针对其他水果表面缺陷的高光谱研究，国内还未见有关水蜜桃缺陷检测的相关报道。Gowen等利用高光谱技术检测白蘑菇表面瘀伤，分别对高光谱图像立方块和600条光谱（300个正常区和300瘀伤区）做PCA分析，得到主成分分量图像和虚拟图像，经过图像分割，识别出缺陷区域。Xing等利用高光谱技术检测“乔纳金”苹果表面瘀伤，基于瘀伤引起苹果表面变形使PC1图像等高线发生变化这一原理，研究出瘀伤识别算法。Zwiggelaar等结合光谱信息和机器视觉技术检测桃和杏表面的瘀伤，利用光谱分析仪和3种分类准则分析所得光谱，得到最优双波段组合，930nm和970nm。由CCD相机加滤波片获得波段组合图像，采用洪泛算法，分割出缺陷区域。但前两位所涉及到的波段数太多，不利于多光谱在线检测系统的实现。

发明内容

本发明的目的在于提供一种用于水蜜桃褐腐病缺陷检测的特征角余弦值方法，是通过均值归一化对由球面效应引起的光谱差异进行修正，根据像素点3个波段的灰度值所构成的特征角的余弦值来对该像素点进行分类，实现水蜜桃缺陷检测。

本发明解决其技术问题所采用的技术方案是：

该方法的步骤如下：提取水蜜桃高光谱图像中660nm、680nm及700nm波段图像，对图像进行二值分割去背景、均值滤波和均值归一化后，计算3个波段图像像素构成的特征角的余弦值，以此作为特征值构建LDA像素分类器，实现水蜜桃褐腐病缺陷检测。

所述提取波段图像：以黑色托盘为背景，采集高光谱图像，并提取660nm、680nm及700nm波段的水蜜桃图像；

所述对图像进行二值分割去背景：以680nm波段图像为对象，进行阈值分割，即采用阈值为图像像素最大灰度值×0.12的分割，大于该阈值的区域为水果区域，即得到水果区域；

所述均值滤波：对660nm、680nm及700nm波段图像的水果区域进行3×3均值滤波，即对每个像素点和该像素点周围8邻域内的像素求均值作为该像素点处的值，此8邻域用3×3掩膜矩阵覆盖，依次遍历整个水果区域；

所述均值归一化：对水果区域内的每一个像素点(x，y)作如下处理：对像素点(x，y)处的光谱值离散序列求均值，即对660nm、680nm及700nm波段处的光谱值求和取平均，得每个波段光谱值除以此均值，实现高光谱图像的均值归一化；计算公式如下：