[发明专利]一种基于Micro-CT的单籽粒谷物内部虫害检测方法

摘要

本发明公开了一种基于Micro‑CT的单籽粒谷物内部虫害检测方法，依次通过二维CT投影图像的采集、有效扫描区域确定、图像重建、有效重建区域确定、籽粒三维显微CT图像构建、原始数字特征空间形成、优化特征空间形成和籽粒多虫态侵染识别模型的建立，最后利用籽粒多虫态侵染识别模型自动判别出对应谷物籽粒样本是否受到多个虫态害虫的侵染；本发明能够自动判别出谷物籽粒是否受到任意虫态害虫的侵染，而且能够判定处于谷物籽粒任意位置的害虫侵染，并准确统计含虫籽粒的数量，实现谷物籽粒内部多虫态虫害的实时、准确、自动和无损的早期检测，为防治谷物虫害提前了14‑21天的时间，且检测正确率达到95％以上，时效性强，准确度高。

主权项

一种权利要求1所述的基于Micro‑CT的单籽粒谷物内部虫害检测方法，其特征在于：包括以下步骤：A、将待检测的谷物籽粒样本放置于定向盒并将定向盒置于样品管中：将待检测的谷物籽粒样本集分为多个样本组，每个样本组中包括多个谷物籽粒样本，将每一个样本组分别放入一个独立的定向盒中，然后将定向盒分别置入不同的样品管中，每个样本组中的谷物籽粒样本均自上而下依次放置在对应的定向盒中，每个样品管中谷物籽粒样本的长轴均为固定朝向，且谷物籽粒样本的长轴与放置样品管的检测台平面相垂直；B、根据显微CT系统参数对谷物籽粒样本的投影图像所产生的影响确定图像采集的最佳参数组合，并按照最佳参数组合设定显微CT系统参数；C、利用显微CT系统分别对每个样本管中的谷物籽粒样本进行虫害检测；每个样品管的虫害检测过程具体包括以下步骤：C1：将待检测的样品管置于检测台上，显微CT系统记录下待检测样品管的样品管号和样品识别日期，并对样品管中所盛放的样本组进行二维CT投影图像的采集，然后将采集到的二维CT投影图像传输至图像工作站：所述样品管号为显微CT系统对待检测样品管进行的编号，样品识别日期为显微CT系统记录的待检测样品管的检测日期；C2：图像工作站针对获取的二维CT投影图像，在进行黑白场图像矫正后，由投影差分均值法自动确定出样本组的有效扫描区域，并针对该有效扫描区域进行滤波处理；C3：利用锥束重建算法，对步骤C2所得有效扫描区域的投影数据进行图像重建，建立包含样本组所有切片图像的切片集；C4：判定样品组中每个谷物籽粒样本对应的切片图像在切片集中的区间，根据不同谷物籽粒样本对应的区间，对样品管中的谷物籽粒样本由上到下依次进行编号作为样本编号，并确定每个谷物籽粒样本的有效重建区域：针对经过步骤C3建立的切片集，运用区域生长法将每一个切片图像分割出多个目标，依据每个目标的面积判别出该目标是否为谷物籽粒样本，并根据目标的面积统计出每个谷物籽粒样本对应的切片图像在切片集中的区间，并根据区间内的切片图像确定对应谷物籽粒样本的有效重建区域；C5：对每个谷物籽粒样本的有效重建区域进行图像预处理，并利用面绘制和体绘制技术构建对应谷物籽粒样本的立体显微CT结构模型，即籽粒三维显微CT图像；所述图像预处理包括图像增强、图像分割和图像融合；C6：提取步骤C5中所构建籽粒三维显微CT图像中的原始数字图像特征，然后把得到的原始数字图像特征进行归一化处理，形成适于籽粒分类的原始数字特征空间；所述原始数字图像特征包括：基于二值图像的形态学特征、基于灰度图像的基本统计特征、基于图像直方图的变换特征和基于灰度图像的的三维纹理特征；C7：利用特征降维技术对谷物籽粒的原始数字特征空间进行降维分析，提取累积贡献率高于95％的特征参数信息，形成籽粒的优化特征空间；C8：针对籽粒的优化特征空间，利用非线性模式识别分类技术，建立籽粒优化后特征参数与籽粒多虫态害虫侵染的关系模型，即籽粒多虫态侵染识别模型；C9：利用籽粒多虫态侵染识别模型自动判别出对应谷物籽粒样本是否受到多个虫态害虫的侵染；D、若样品管中存在受虫害侵染的谷物籽粒样本，记录受虫害侵染的谷物籽粒样的样本信息并统计受虫害侵染的谷物籽粒样本数量：所述样本信息包括谷物籽粒样本的籽粒三维显微CT图像、样品管号、样本编号和识别日期信息。