[发明专利]面向果实品质检测的高光谱图像重构方法及检测方法

权利要求书

1.一种面向果实品质检测的高光谱图像重构方法，其特征在于：包括如下步骤：

S110、利用高清相机（5）和高光谱相机拍摄果实图像分别得到果实的高清图像和高光谱图像；

S120、对果实的高清图像和高光谱图像进行分割并提取感兴趣区域，两个图像中的感兴趣区域一一对应；

S130、每个感兴趣区域作为一个样本，对感兴趣区域中的相机通道响应值D和光谱反射率R分别求平均得到样本集；

S140、根据样本集找到样本光谱反射率数据和相机通道响应值之间的转换矩阵W；

S150、利用高清相机（5）拍摄待测果实的高清图像，再用转换矩阵W对待测果实的通道响应值Dv进行转换即可得到重构后的光谱反射率数据Rv。

2.如权利要求1所述的面向果实品质检测的高光谱图像重构方法，其特征在于：所述的步骤S110中，高清相机（5）和高光谱相机拍摄的果实图像中有一个或多个果实，高清相机（5）拍摄的图像格式为RGB，步骤S120中，每一个果实即为一个感兴趣区域，步骤S140中，样本训练集中，相机通道相应平均值为1×3矩阵，光谱反射率平均值为1×M矩阵，其中M为高光谱相机的通道数，转换矩阵W为3×M矩阵且满足。

3.如权利要求2所述的面向果实品质检测的高光谱图像重构方法，其特征在于：所述的步骤S140中，包括如下步骤：

S141、通过核函数将样本集升到高维空间；

S142、再利用降维思想求高维数据的协方差矩阵的特征向量；

S143、保持变量的总方差不变，用少量指标表示多维数据；

S144、通过线性变换，实现特征向量空间数据与高维数据之间的转换即得到转换矩阵W。

4.一种面向果实品质检测的方法，其特征在于：包括如下步骤：

S210、将待测果实放在采集装置中采集其高清图像；

S220、按照权利要求1中步骤S110-S150对待测果实的高清图像进行重构得到待测果实的光谱反射率数据；

S230、将重构后的光谱反射率数据通过神经网络模型进行分类和回归实现待测果实品质的检测。

5.如权利要求4所述的面向果实品质检测的方法，其特征在于：所述的采集装置包括暗箱（1）、升降台（3）、高清相机（5）、光源（4）以及控制单元（6），暗箱（1）整体为方盒状且侧面安装有门用于放入待测果实，升降台（3）设置在暗箱（1）内底面上用于托撑待测果实，高清相机（5）设置在暗箱（1）内顶部中心，光源（4）设置在高清相机（5）的旁侧，控制单元（6）与升降台（3）和光源（4）相连分别控制升降台（3）的高度和光源（4）的强度。

6.如权利要求5所述的面向果实品质检测的方法，其特征在于：包括计算单元（7），所述高清相机（5）拍摄的图像通过控制单元（6）输出至计算单元（7）中，计算单元（7）将高清图像按照步骤S220和S230进行处理得到待测果实的品质。

7.如权利要求6所述的面向果实品质检测的方法，其特征在于：所述的步骤S210中，包括如下步骤：

S211、调整暗箱（1）中的光源（4）强度和升降台（3）高度为默认值；

S212、将待测果实放在升降台（3）上采集其高清图像；

S213、将采集到的高清图像输出至控制单元（6）中，控制单元（6）计算该高清图像和控制单元（6）内存储的参考图像的图像质量评价指标，若图像质量评价指标低于或高于设定阈值，则执行下一步，否则执行步骤S220；

S214、控制单元（6）调节升降台（3）的高度或光源（4）的强度后，返回步骤S212重新采集高清图像。

8.如权利要求7所述的面向果实品质检测的方法，其特征在于：所述的步骤S213中，参考图像有多张，每种果实、每个高度、每个光照强度下分别对应一张参考图像，参考图像由人工拍摄后存储在控制单元（6）中；且步骤S213中选择与步骤S212中所获得的高清图像的果实种类、升降台（3）高度、光照强度均相同的那张参考图像计算图像质量评价指标。