[发明专利]基于近红外高光谱纹理特征建模的预测茶叶含水率的方法

摘要

本发明涉及计算机图像处理技术，公开了一种基于近红外高光谱纹理特征建模的预测茶叶含水率的方法，通过对茶叶叶片进行高光谱数据采集，并对采集后的数据提取其纹理特征和光谱特征，从而亮丽预测模型，并最终得到茶叶叶片的预测含水率。本发明的优点在于，计算方便快捷，步骤简化，相比传统的测定方法，具有更高的准确率和测定速度，具有较高的应用价值。

主权项

一种基于近红外高光谱纹理特征建模的预测茶叶含水率的方法，其特征在于，包括以下具体步骤：1）数据采集：1.1）使用精密电子天平对茶叶叶片质量进行称量，记为Wi,j，其中，i为称量次数，j为茶叶叶片的顺序标号；1.2）使用推帚式高光谱成像系统对茶叶叶片进行高光谱数据采集，采集过程中，使用一个可以调节速度的传送带对茶叶叶片进行传输从而令茶叶叶片产生位移，该位移垂直于所述推帚式高光谱成像系统的线性扫描，其中，以所述位移的距离为y轴，以线性扫描的采样距离为x轴，以采样时得到的光谱波长为z轴，得到一组高光谱数据立方，记为Di,j；1.3）使用烘干炉对茶叶叶片进行烘干，烘干温度为55℃，使茶叶叶片脱去部分水分；1.4）将烘干后的茶叶叶片置于预置有变色硅胶干燥剂的干燥器内，冷却至室温后取出；1.5）重复上述步骤1.1）‑1.4）直至对茶叶叶片的两次称量所得改变小于3%wt，记最后一次称量所得茶叶叶片的重量为茶叶叶片的干重W0，分别计算每次称量时的茶叶叶片的含水率，记为Ci,j；2）光谱特征提取：在高光谱数据立方Di,j范围内，计算该高光谱数据立方Di,j所有像素点的平均波长，记为光谱向量Si,j；3）纹理特征提取：将茶叶叶片的叶面分割成大小均匀的多个正方形区域，对分割后的正方形区域所对应的高光谱数据立方Di,j应用GLCM算法提取用于代表该区域的纹理特征的特征值向量，所述特征值向量包括能量、对比度、相关性、熵值以及逆差距，所述能量为灰度共生矩阵元素值的平方和，所述对比度为图像的清晰度和纹理沟纹深浅的程度，所述相关性为空间灰度共生矩阵元素在行或列方向上的相似程度，所述熵值为空间共生矩阵中图像纹理的非均匀程度，逆差距为图像纹理的同质性，记所述特征值为Ti,j；4）数据降维与特征选取：应用连续投影法分别对光谱向量S和特征值向量T进行特征变量选取，选取后的特征变量分别为S′和T′；5）特征变量建模：分别将茶叶叶片的含水量C、光谱向量S′和特征值向量T′作为PLS算法的输入变量，即X＝[S′T′]T，Y=C，建立回归模型M，所述回归模型M包括一个系统向量A，令所有的Xi,j与Yi,j均符合Ui,j=AXi,j；通过该回归模型M即可求得茶叶叶片的含水率。