[发明专利]一种基于高光谱图像技术识别中华绒螯蟹品质的方法

权利要求书

1.一种基于高光谱图像技术识别中华绒螯蟹品质的方法，其特征在于，包括构建鉴别模型的方法和中华绒螯蟹品质识别的方法；

所述构建鉴别模型的方法包括：

步骤1，采集中华绒螯蟹样本：样本包括60只雌蟹和60只雄蟹；

步骤2，获取中华绒螯蟹品质；

步骤3，采集高光谱图像并校正；

步骤4，获取感兴趣区域的光谱信息；

步骤5，提取腹部光谱特征变量和背部图像特征变量，对获取的背部高光谱图像和腹部面光谱信息进行PCA分析，获得能够表征样本原始信息的前3个主成分背部图像纹理特征信息和腹部特征光谱信息；

步骤6，构建鉴别模型，所述鉴别模型采用LS-SVM模型；

所述中华绒螯蟹品质识别的方法：

利用构建好的鉴别模型识别中华绒螯蟹的品质；

所述步骤3的具体实现：

采用高光谱图像数据采集系统对中华绒螯蟹样本进行信息采集，具体地：

步骤3.1，设置光谱仪工作参数扫描波长范围为430nm～965nm，分辨率为2.8nm，含618个波段，线性光源入射角45°；设置CCD相机的成像分辨率为775pixel×1628pixel，焦距为23mm，曝光时间为0.045s；移动平台速度为1.45mm/s；

步骤3.2，将中华绒螯蟹样本放置在电控载物台上采用线性扫描方式获得大小为775×1628×618三维高光谱图像数据块；并将采集的高光谱图像进行标定和去除背景处理；

所述步骤3.2中对采集的图像进行标定的方法：

首先，采集得到全白的标定图像W；

然后，关闭摄像机快门进行图像采集，得到全黑的标定图像B；

最后，按照进行图像标定，使采集得到的绝对图像I变成相对图像R；

所述步骤3.2中去除背景处理，具体采用固定阈值分割法，设定阈值为40，去除背部图像的背景；设定阈值为160，去除腹部面图像的背景；

所述步骤5中纹理特征信息的提取：

采用基于统计方法中的二阶统计矩对采集的高光谱图像进行纹理特征提取；灰度共生矩阵为基于图像灰度的联合概率矩阵，通过计算图像邻近像元灰度级之间的二阶联合条件概率密度来表示纹理，用函数P(i，j，d，θ)来表示在给定的空间距离d和方向θ上相邻的灰度级象素对f(i,j)出现概率；具体过程如下：

先利用PCA获得3个主成分图像特征信息，提取3个主成分下的纹理特征值，通过灰度共生矩阵获取每个主成分下背部高光谱图像中相关性、逆差矩、熵、角二阶矩、对比度5个纹理特征信息，每个样本中共获得15个图像纹理特征变量；

所述步骤6的具体实现：

步骤6.1，将腹部特征光谱数据和背部图像纹理数据进行标准化处理

其中X_n,i为样本i的标准化数据，X_i为样本i的原始数据，为所有数据的均值；

步骤6.2，将120个样本的光谱数据经过DSGF预处理和PCA特征提取后，采用K-S方法按2:1的比例将光谱数据分成校正集和预测集：

步骤6.2.1，根据中华绒螯蟹的感官评定，对60只雄蟹和60只雌蟹进行排序；

步骤6.2.2，分别选择雌雄螃蟹品质差距最大的两对样本；

步骤6.2.3，然后分别计算剩余的样本与已选择的两对样本之间的品质差距；

步骤6.2.4，对于每个剩余样本而言，其与已选样本之间的品质差距最短被选择，然后选择这些最接近品质中相对最长差距所对应的样本，作为第三个样本；

步骤6.2.5，重复步骤6.2.4，直至所选的样本的个数为80，将选出的80个样本作为校正集样本；剩余的作为预测集；

步骤6.3，基于光谱特征构建中华绒螯蟹品质鉴定LS-SVM模型，建模采用径向基函数(RBF)作为核函数，并采用交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)对模型的效果进行评价。

2.根据权利要求1所述的一种基于高光谱图像技术识别中华绒螯蟹品质的方法，其特征在于，所述步骤1的具体实现：

中华绒螯蟹样本采自阳澄湖的中华绒螯蟹养殖基地，采集60只雄蟹和60只雌蟹，捕捞出水后立即用麻绳扎紧，放入底部铺冰的泡沫箱，之后利用自来水将蟹洗净，用吸水纸擦去中华绒螯蟹样本表面的多余水分。