[发明专利]一种贝叶斯优化随机森林算法的苹果多光谱图像无损检测方法

权利要求书

1.一种贝叶斯优化随机森林的苹果多光谱图像无损检测方法，其特征于：包括以下步骤：

(1)搭建多光谱数据采集系统，采集苹果的多光谱图像信息；

(2)采用改进的LBP算法CLBP对采集到的苹果多光谱图像进行特征提取；

(3)苹果多光谱图像的样本划分；

(4)基于贝叶斯优化随机森林算法搭建苹果的无损检测模型；

(5)检测模型效果，利用测试集检验模型对好苹果及缺陷苹果的分类准确率。

2.根据权利要求1所述的一种贝叶斯优化随机森林算法的苹果多光谱图像无损检测方法，其特征在于：所述步骤(1)中，多光谱数据采集系统由光谱成像仪、滤光片、光源、镜头和上位机组成。光谱成像仪是由德国XIMEA生产的xiQ系列低功耗超紧凑型面阵相机，滤光片允许波长为675～975nm的光通过。

3.根据权利要求1所述的一种贝叶斯优化随机森林算法的苹果多光谱图像无损检测方法，其特征在于：所述步骤(2)中，用于提取多光谱图像特征的CLBP算法是一种改进的LBP算法，半径设为1，采样点数设为8。

4.根据权利要求1所述的一种贝叶斯优化随机森林算法的苹果多光谱图像无损检测方法，其特征在于：所述步骤(3)中，实验一共采集558组苹果多光谱图像，采用Kennard-Stone划分方法将苹果的多光谱图像数据划分为独立的训练集和测试集。

5.根据权利要求1所述的一种贝叶斯优化随机森林算法的苹果多光谱图像无损检测方法，其特征在于：所述步骤(4)中，训练过程中用贝叶斯算法对随机森林的决策树数量，决策树最大深度，节点划分所需最小样本数和叶子节点最少样本数四个参数进行寻优。根据最优参数构建苹果多光谱图像的最优检测模型。

6.根据权利要求1所述的一种贝叶斯优化随机森林算法的苹果多光谱图像无损检测方法，其特征在于：所述步骤(5)中，利用CLBP算法提取的图像特征在训练集上构建苹果无损检测模型，确定苹果无损检测模型的最优参数，然后利用测试集来检验模型对好苹果及缺陷苹果的分类准确率，验证模型性能。