高光谱图像特征结合光谱特征用于毛桃碰伤时间分类.pdf

第41卷，第8期 光谱学与光谱分析 Vol 41, No. 8,pp2598-2 6 0 3
2 0 2 1年8 月 SpectroscopyandSpectralAnalysis August$2 21
高光谱图像特征结合光谱特征用于毛桃碰伤时间分类
欧阳爱国， 刘昊辰， 成 龙， 姜小刚， 李 雄， 胡 宣
华东交通大学机电与车辆工程学院,水果智能光电检测技术与装备国家地方联合工程研究中心,江西南昌33 0 0 13
摘 要 毛桃从果树上成熟到最后到达消费者手中，中间需要经过采摘、包装、运输等一系列过程，在每一
个过程中都有可能产生碰伤果。因此查看哪一个过程产生的碰伤果最多，从而对加工过程进行针对性地改
进就显得尤为重要。纵观国内外高光谱技术在检测水果碰伤方面的应用，绝大多数都是忽略图像特征而只
使用了光谱特征，基于图像特征结合光谱特征建模的少之又少！其次在水果碰伤时间定性判别方面，多以天
数为间隔，时间间隔较大意味着水果碰伤时间越久，其变化越明显，检测准确率也就越高，目前尚缺乏有效
方法对于碰伤时间较短的水果进行碰伤时间分类！以90个模拟表面碰伤的毛桃为实验样本，分别采集毛桃
碰伤12, 24, 36和48 h后的高光谱图像。毛桃样品的光谱特征提取是采用感兴趣区域的1 0 0个像素点的平
均光谱以防止单个像素点的光谱信息与整体光谱信息差距较大；通过主成分分析(PCA)对毛桃图像进行降
维后选取最能体现毛桃碰伤的PC1图像，在PC1图像的权重系数曲线中波峰波谷处挑选出4个特征波长点
(512, 571, 693和853 nm)作为特征图像,特征图像灰度化操作后计算得到平均灰度值作为毛桃碰伤图像特
征。最后基于最小二乘支持向量机(LS-SVM)算法分别建立毛桃碰伤时间的光谱特征模型、图像特征模型以
及图像特征结合光谱特征模型共三种判别模型，并且根据其分类准确率来判断模型的性能°结果表明：三种
毛桃碰伤模型的分类准确率都随碰伤时间的增加而增加；基于径向基核函数(RBF_kernel)建立的图像特征
结合光谱特征的模型预测效果最好,对碰伤12, 24, 36和48 % ,
% , 1 0 0 %和