[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

说明书

本发明公开了一种贝叶斯优化随机森林的苹果无损检测方法，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CLBP算法(完全局部二值模式)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。本发明采用多光谱成像技术结合贝叶斯优化随机森林算法用于苹果的无损检测，具有很高的分类准确率，非常适用于水果的分销，减少人力。

技术领域

本发明属于水果无损检测领域，具体是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。

背景技术

苹果是人们经常食用的水果之一。苹果果实里富含单糖、矿物质、膳食纤维和各种生活性物质。中国是世界上最大的苹果生产国。苹果在生长过程中常常因为环境因素导致苹果表面损坏，出现黑疤等情况，由于苹果的特殊性，在运输过程中也会因为轻微的磕碰和挤压导致苹果表面大面积腐烂，丧失可食性，这导致在苹果的分级销售中，出现水果品质参差不齐的现象，严重影响了我国苹果的销售与出口。

水果的产后处理是提高水果附加值的重要方法，也是保证水果品质的重要途径，是增强水果市场竞争力的必要技术。传统的苹果分拣过程主要依靠自主人工或机器，人工分拣时，可能会因工作强度、个人判别方法的不同等产生错分误分。传统的机器检测价格高昂、体积笨重，仅限于一些水果大小、纹理、表面颜色的检测。但不能对苹果的腐烂和表面缺陷进行识别。通过多光谱成像技术可以采集苹果的多光谱图像，利用贝叶斯优化随机森林算法构建苹果的无损检测模型，可以在不损伤苹果的情况下实现对好苹果及缺陷苹果的快速高效识别。这对苹果的分级销售有一定的意义。

发明内容

本发明的目的是提供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；该方法能够弥补现有的苹果无损检测上的不足之处，实现对苹果的快速无损检测。

本发明实现发明目的采用如下技术方案：

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，其特征在于：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。

作为优选，本发明提供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。通过多光谱数据采集系统获取苹果的多光谱图像信息，得到苹果多光谱图像数据集。实验所用的滤光片只允许波长为675～975nm的光通过，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，分辨率为1088*2048，共25个波段，每个波段都可获得一个分辨率为216*409的光谱图。成像仪的曝光时间设为150ms。

作为优选，本发明提供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，每个波段提取10维特征。

作为优选，本发明提供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按照7:3的比例划分为独立的训练集和测试集。