[发明专利]一种建立果园数据快速监测处理方法

权利要求书

1.一种建立果园数据快速监测处理方法，其特征在于，所述方法包括：

(1)检测红枣理化品质并采集理化指标数据；其中，所述理化指标包括白熟期、脆熟期及完熟期中枣的糖度、酸度、水分、硬度、脆度、体积大小、果重、纹理、光泽度及颜色；

(2)在高光谱相机前加设偏振片，设置四个偏振方向0°、90°、45°及135°，采用该系统对检测完理化品质的红枣采集高光谱图像，获得所述红枣的四个不同偏振方向的高光谱图像；

(3)利用与高光谱图像相关处理软件，将所述高光谱图像和所述理化指标数据进行人工神经网络学习训练，建立所述红枣品质特征因子与多维光学参量对应的标准模型；获取不同特征光谱权重系数，作为设计融合红枣组分多个单色光谱图像权重因子的依据；提取红枣品质特征波段的高光谱图像，利用谱像相关和谱偏相关技术处理获得红枣高光谱单色特征增强图像；其中，确定出典型波段为band22、band86、band68及band122，band47、band109中的一种或多种波段组合；确定出所述四个偏振方向为0°、90°、45°及135°；图像交叉相关处理的公式包括三项：(b22d45-b86d135)/(b86d45+b22d135)，(b22d45-b86d135)/(b22d45+b86d135)，b22d45×b86d135-b86d45×b22d135；b表示波段，d表示偏振方向；其中，b22d45表示45度偏振方向中第22波段高光谱图像，其他依次类推；

所述标准模型包括以下两种：

(3-1)对于含水量较高的光滑红枣，基于实验数据对阴影部分和较亮部分偏振度拟合模型如下：

Shadow model：

y＝-6E-15x⁵+2E-11x⁴-2E-08x³-1E-05x²+0.0347x-15.278；

R²＝0.9116；

bright modle：

y＝1E-14x⁵-7E-11x⁴+2E-07x³-0.0003x²+0.1711x-45.041；

R²＝0.8915；其中，x、y、R分别表示波长、dolp线偏振度、相关系数；

(3-2)对于含水量较低的光滑红枣，基于实验数据对阴影部分和较亮部分偏振度拟合模型如下：

Shadow model：

y＝1E-14x⁵-8E-11x⁴+2E-07x³-0.0003x²+0.2139x-56.219；

R²＝0.9437；

bright model：

y＝-2E-15x⁵+1E-11x⁴-2E-08x³+2E-05x2-0.0023x-1.4623；

R²＝0.8093；

其中，其中，x、y、R分别表示波长、dolp线偏振度、相关系数；

(4)按照预设理化分类标准，利用所述标准模型对其他待检测红枣进行理化品质分类，按不同成分和浓度范围形成所述待检测红枣的理化品质特征的参考分类图像，分别建立不同浓度和不同组分的参考分类光谱图像库；其中，所述预设理化分类标准包括：水分含量为20％-50％，糖度为30％-70％，酸度为0.1％-2％；

(5)采用体全息存储技术对所述参考分类图像进行存储，依据红枣特征波长，分别设计光栅，每重光栅对应一个设计波长；调整入射光角度和衍射光角度，对不同特征图像进行空间分离；其中，所述体全息存储技术是针对所述分类图像，利用空间光调制器先将非相干光转化为相干光图像并形成二维数据页，再利用角度复用方式将大量的所述二维数据页存储于所述体全息控制器中，利用CCD从所述体全息控制器中进行读取。