[发明专利]一种基于高光谱图像的核桃仁品质检测方法

权利要求书

1.一种基于高光谱图像的核桃仁品质检测方法，其特征在于：检测步骤如下：

（1）准备核桃仁样品：选择含水率在7%以下的核桃仁，置于室温条件下干燥环境中备用；

（2）通过高光谱图像采集设备，分别在862.9-1704.02nm和382.19-1026.66nm光谱范围内采集核桃仁样品高光谱图像；

（3）对核桃仁样品进行编号，使用色差仪采集每个核桃仁样品的色差值并计算总色差，记录每个核桃仁样品的完整度等级，然后按照食品安全国家标准GB5009.5-2016和GB5009.6-2016中的要求，测量每个样品的蛋白质和脂肪含量；

（4）分别提取两个波段范围高光谱图像中每个核桃仁样品光谱平均值作为样品光谱信息，采用多元散射校正和标准正态化的组合方法对原始光谱信息进行预处理；

（5）在862.9-1704.02nm光谱范围内针对核桃仁样品的蛋白质含量、脂肪含量参数分别进行特征波段筛选，采用马氏距离法剔除异常样品信息；分别计算每个样本光谱信息和化学测量值到样本集中心的马氏距离，然后统计样本集马氏距离的均值μ和均方差σ，以μ+3σ为阈值，将马氏距离大于阈值的样本作为异常样本剔除；去除了前段和后段各10个波段点，采用竞争性自适应重加权算法，分别针对样本蛋白质含量测量值和脂肪含量测量值进行特征波段筛选；并进一步对筛选出的特征波段采用相关系数法进行优选，剔除相关系数大于0.9的波段；最终筛选出与样本蛋白质含量相关的特征波段6个为1269nm、1272.3nm、1436nm、1484nm、1555.2nm、1662.1nm，与样本脂肪含量相关的特征波段7个为1149nm、1152.4nm、1245.8nm、1269nm、1361nm、1471nm、1596.7nm；在382.19-1026.66nm光谱范围内针对核桃仁样品的总色差进行特征波段筛选；去除了前段和后段各20个波段点，取399.1-1008.1nm范围共688个波段进行分析，采用竞争性自适应重加权算法进行特征波段筛选，筛选出的特征波段号为5和336，对应的特征波段为402.5nm和689.2nm；

（6）提取与样品总色差相关特征波段的灰度图像，计算其平均灰度得到平均灰度图像，统计平均灰度图像包括均值、标准差、平滑度、一致性、熵、三阶矩的灰度分布统计量，和包括对比度、相关性、能量、熵的灰度共生矩阵统计量，共10个统计量作为图像统计特征参数用于进一步进行核桃仁色泽鉴别；

（7）提取特征波段平均灰度图像中的核桃仁的图像外形特征参数，包括高、宽、高宽比、面积、外接矩形面积、矩形度、外接圆半径、外接圆面积、圆形度，对图像外形特征参数进行相关性分析，保留高度、宽度、高宽比、面积、矩形度、圆形度6个外观参数，用于进行核桃仁完整度分类；

（8）核桃仁蛋白质和脂肪含量预测模型的建立：采用随机抽样法建立训练集和验证集，提取出的与蛋白质和脂肪含量分别相关的特征波段，分别建立偏最小二乘回归模型，采用决定系数R²和均方误差MSE对模型进行评估；

（9）采用图像统计特征参数与特征波段光谱信息的组合为输入变量，以样品色泽等级标签为输出变量，采用决策树算法建立色泽分类模型；以图像外形特征参数为输入，样本完整度等级为输出，采用决策树算法建立核桃仁完整度分类模型；进一步按照国家林业标准《LYT 1922-2010 核桃仁》中的规定建立核桃仁外观品质与完整度和色泽的对应关系，将核桃仁外观品质分为7个等级；以提取出的与样品总色差相关的特征波段光谱信息、图像统计特征参数和图像外形特征参数为输入，以样品外观等级标号为输出，建立核桃仁外观品质分类模型。