[发明专利]基于高光谱图像技术的粮粒含水率检测方法

摘要

本发明公开了一种基于高光谱图像技术的粮粒含水率检测方法，分别获取全黑标定图像B、全白标定图像W和已知水分含量的粮粒的高光谱原始数据图像I，利用全黑标定图像B和全白标定图像W对粮粒的高光谱原始数据图像I进行反射光谱校正得到粮粒的校正图像R，从校正图像R提取粮粒图像，通过移动平均法、多元散射校正进行光谱校正，计算光谱反射值与水分含量的相关性系数，从中选择相关系数为极大值的光谱反射值作为人工神经网络输入，建立粮粒水分预测模型。本发明利用水分含量引起的粮粒光谱特征，采用人工神经网络检测粮粒水分含量，能提供一种快速、稳定的方法，并提高检测效率。

主权项

一种基于高光谱图像技术的粮粒含水率检测方法，其特征在于利用水分含量引起的光谱特征变化检测粮粒的含水率。该方法操作步骤如下：1)标定图像的获取：分别盖上镜头盖和使用标准白板采集两幅标定高光谱图像，作为全黑标定图像B和全白标定图像W；2)原始高光谱图像获取：将一组已知水分含量的粮粒按序排放在载物台上后送入实验台采集高光谱原始数据图像I；3)反射光谱校正：采用公式(1)进行反射光谱校正，得到校正图像R；R＝(I‑B)/(W‑B)          (1)4)感兴趣区域提取：采用阈值法将粮粒从校正图像中提取出来，得到粮粒图像；5)特征波段选取：计算粮粒样本的平均反射值，先使用5点移动平均法对原始数据进行曲线平滑处理，然后分段对光谱曲线两端进行线性拟合，再做相关性分析将相关系数小于R1的波段范围去除；接着应用多元散射校正MSC算法消除原始光谱中散射和偏移的影响；通过回归分析得到每一个波段光谱反射值与水分含量的相关性系数，从中选取K个局部相关系数的极大值对应的波段作为特征波段；6)预测模型的建立：使用人工神经网络ANN方法建立预测模型，采用三层BP网络结构，输入层单元数为之前通过回归分析得到的特征波段的个数K，隐含层的节点数S使用经验估计公式来确定，输出层为1个节点对应水分值；从所用的样本N中提取其中的N1个样本进行训练模型，另N2个样本用来模型验证，当训练结果与水分含量间的相关系数R2达到给定值时，停止人工神经网络训练；7)含水率检测：将待测粮粒按步骤1至步骤5处理后得到K个特征波段的平均光谱反射值输入步骤6训练后的人工神经网络和回归模型，得到待测粮粒的水分值。