高光谱图像技术在水果无损检测中的研究进展

为保证水果质量,满足企业与消费者的需求,势必要对水果进行品质检测和分级处理.高光谱图像作为一种新型的无损检测技术,融合了图像学和光谱学的优点,可以快速、无损地获取水果的空间和光谱图像信息,从而全方位的反映水果内外部的品质信息.因此,该技术在水果品质无损检测领域具有巨大的发展前景.该文主要介绍了高光谱图像系统的基本原理、图像的采集和分析方法、国内外水果无损检测的应用以及未来的发展前景.     

果蔬品质高光谱成像无损检测研究进展

介绍了高光谱成像检测基本原理,概括了果蔬品质高光谱成像无损检测的研究现状,总结了果蔬高光谱成像数据的分析和处理方法,分析了果蔬品质高光谱成像无损检测中存在的问题,提出了果蔬品质高光谱成像技术的进一步研究方向。     

农产品病虫害高光谱成像无损检测的研究进展

高光谱成像是一种新兴的无损快速检测技术,可以同时获取研究对象的图像和光谱信息,集成了光谱分析和图像处理的优势,已成为农产品病虫害信息快速、无损检测的重要手段之一,在农产品的溃疡病、褐斑病、白粉病、黑星病、腐烂、虫蛀等病虫害无损检测中的应用越来越广泛。本文简述了高光谱成像系统,总结分析了其在水果、蔬菜、肉类、谷物等农产品病虫害无损检测中的国内外最新研究进展,提出了农产品病虫害高光谱成像技术检测的未来研究发展方向,以期对相关研究人员的研究工作提供参考。     

光谱技术在核桃检测领域的研究进展

近年来,光谱技术发展极为迅速,可利用物质对光的吸收、反射和透射等特性对物质进行定性和定量分析,是一种快速无损检测技术,被广泛应用于农产品的检测研究.核桃,作为我国栽培历史悠久的一种营养价值丰富的重要农产品,众多学者对其进行了长期而深入的研究.从品种鉴别、长势监测、品质鉴定、分选加工4个方面总结了高光谱和红外光谱技术在核桃检测领域的研究进展,并对比分析了各种光谱检测技术的优劣,提出了核桃相关检测中尚存的问题,并对核桃无损检测研究的发展前景进行了展望.     

基于高光谱技术的长枣内外品质同时检测

采用近红外高光谱成像技术,对长枣表面轻微损伤 和果肉硬度进行无损检测。在970～ 1630nm波 长范围内对高光谱图像数据进行主成分分析(PCA),得到第3主成分图像最适合检测长枣表面 损伤。波段比(BR)算法中, 选取1387nm和1 229nm两个波段的图像进行比值运算, 采用 1455nm单波 段图像构建掩膜作用于比值图像, 最后对图像进行阈值分割和形态学变换完成损伤区域的特征提取。BR算法检测长枣轻微损 伤的准确率达 到91.5%。对反射光谱进行多元散射校正(MSC)后与长枣果肉硬度值进 行回归分析,选择相关系数较大的5个特 征波长作为BP神经网络输 入,建立果肉硬度预测模型。预测集相关系数R和均 方根误差(RMSEP)分别为0.904和15.163。研究结果表明,利用高光谱成像技术可以实现长枣内外品质同时检 测。     

高光谱成像技术的苹果品质无损检测

高光谱成像技术把二维成像和光谱技术融为一体,图像技术可全面反映水果的外部品质、表面缺陷及污染等,光谱技术则可用于水果内部品质的检测,能对水果的综合品质进行全面、快速的检测。以苹果为研究对象,得用高光谱成像技术和主成分分析方法分析了苹果的风伤和压伤,对比分析不同光谱区域主成分分析对识别结果的影响,优选出识别光谱区域（550～950nm）。通过主成分分析根据权重系数,选取了714nm作为苹果风伤研究的最佳特征波长。     

柑橘内部品质在线检测软件系统的设计与实现

本文基于目前国内外对柑橘内部品质的实时无损检测还处在实验室研究阶段，现有在线无损实时检测技术和方法还不成熟且投入商业化应用较少的现状，设计并开发了一套近红外光谱采集与处理软件。该软件采用面向对象化的visual C++编程技术，可以实现实时光谱的显示、光谱文件的管理、光谱信号的实时处理以及光谱预测模型的选择等，解决了一些在线检测中的关键技术问题，为柑橘内部品质的实时无损检测提供了理论指导和参考依据。     

水果品质近红外检测技术的研究现状与发展

简单概述了我国水果产业的发展现状,着重阐述了国内外利用近红外光谱技术进行水果品质无损检测的最新研究成果,分析了当今研究中存在的问题,提出了利用近红外光谱技术进行水果检测的发展方向。     

近红外光谱技术在水果品质无损检测中应用的研究与现状

简单概述了我国水果产业的发展现状,着重阐述了国内外利用近红外光谱技术进行水果品质无损检测的最新研究进展,分析了当今研究中存在的问题,并对利用近红外光谱技术进行水果检测的前景进行了展望,提出了一些建议。     

水果内部品质近红外动态在线检测研究进展

近红外光谱技术具有无损检测、分析效率高、速度快、重现性好,适于现场检测和在线分析等特点,并已渗入到各个领域,在提高生产技术水平和改善产品质量方面发挥着重要作用。本文简述了水果近红外光谱在线检测原理和方式及动态在线检测装置的组成,并介绍了在线检测的控制过程及在线检测分析软件。总结了国内外近红外光谱技术在水果内部品质在线检测与分级方面的应用情况,并分析水果内部品质在线检测与分级中存在的问题,指出了水果内部品质近红外光谱在线检测的进一步研究方向。     

基于CC1110的畜产品可溯源系统读写器设计

读写器的设计是畜产品可溯源系统的硬件基础和关键技术之一。采用自行设计基于CC1110芯片读写器的方法,该读写器可通过USB接口灵活组成基站式读写器或手持式读写器,大大提高畜产品可溯源系统的兼容性和可移植性。通过读写器的实际测试,得出下列结论:随着数据传输率的减小,通讯距离和信号强度都逐渐增加;采用60 kbps数据传输率,MSK调制方式,540 kHz滤波带宽时,读写器和电子标签可在90 m范围内准确识别。     

Parametric adaptive signal detection for hyperspectral imaging

Hyperspectral imaging (HSI) sensors can provide very fine spectral resolution that allows remote identification of ground objects smaller than a full pixel in an HSI image. Traditional approaches to the so-called subpixel target signal detection problem are training inefficient due to the need for an estimate of a large-size covariance matrix of the background from target-free training pixels. This imposes a training requirement that is often difficult to meet in a heterogeneous environment. In this paper, a class of training-efficient adaptive signal detectors is presented by exploiting a parametric model that takes into account the nonstationarity of HSI data in the spectral dimension. A maximum-likelihood (ML) estimator is developed to estimate the parameters associated with the proposed parametric model. Several important issues are discussed, including model order selection, training screening, and time-series-based whitening and detection, which are intrinsic parts of the proposed parametric adaptive detectors. Experimental results using real HSI data reveal that the proposed parametric detectors are more training efficient and outperform conventional covariance-matrix-based detectors when the training size is limited.     

面向目标检测基于稀疏表示的波段选择方法

随着高光谱成像技术的发展,日益提高的光谱分辨率在提高目标检测和识别能力的同时,其较高的数据维度和较大的数据量也为数据分析和处理带来了很大的挑战.波段选择作为一种有效提高处理效率的技术受到广泛关注,但却鲜有专门针对目标检测设计的方法.针对上述问题,本文在分析约束能量最小化（CEM）检测算法特点的基础上,提出了一种面向目标检测,基于稀疏表示的波段选择方法.该方法首先基于数据的对称KL散度分布情况,将原始高光谱数据划分为若干波段子空间.然后在各子空间内稀疏重构检测结果,利用选择波段与稀疏向量非零项的一一对应关系,通过求解最优化问题实现波段选择.实验结果验证了该方法的有效性.     

图信号处理在高光谱图像处理领域的典型应用

高光谱图像(HSI)具有纳米级的光谱分辨能力且同时对地物目标的光谱维和空间维进行联合成像的优势,能够精细化感知场景目标的本征判别属性,在遥感探测、医疗诊断和国防安全等具有重要应用价值,是高精度遥感探测的科技制高点之一。不同于传统1维时间信号、2维图像信号,高光谱图像具有多阶、高维的信号属性。为解决传统信号处理方法在高光谱图像处理领域中的不足,图信号处理(GSP)理论与方法被逐渐引入高光谱图像处理与解译等任务中。该文以短综述的形式,介绍了图信号处理在高光谱图像处理领域的理论发展并列举了在高光谱特征提取、图像重构和解译分类3个主要方面的典型应用。最后,进一步探讨了该方向未来发展所面临的挑战和相应解决办法。     

Low-rank tensor completion with spatial-spectral consistency for hyperspectral image restoration

Hyperspectral image (HSI) restoration has been widely used to improve the quality of HSI. HSIs are often impacted by various degradations, such as noise and deadlines, which have a bad visual effect and influence the subsequent applications. For HSIs with missing data, most tensor regularized methods cannot complete missing data and restore it. We propose a spatial-spectral consistency regularized low-rank tensor completion (SSC-LRTC) model for removing noise and recovering HSI data, in which an SSC regularization is proposed considering the images of different bands are different from each other. Then, the proposed method is solved by a convergent multi-block alternating direction method of multipliers (ADMM) algorithm, and convergence of the solution is proved. The superiority of the proposed model on HSI restoration is demonstrated by experiments on removing various noises and deadlines.     

Edge Enhancement by Noise Suppression in HSI Color Model of UAV Video with Adaptive Thresholding

UAV video often suffers from noise, blurred edges, fewer details. Quality improvement is essential by noise suppression with an enhancement of edges. Edge detection algorithms for the correct classification of an object and identification have swiftly displayed a system toward processing moving images or whatsoever portion taken from UAVs or drones. To realize it in this paper, we propose a novel algorithm based on HSI transformed domain. Meanwhile, within the paper, we compile some significant analysis within the field of edge enhancement. Relying upon a laboratory evaluation regarding specific proposed techniques for noise suppression with detection of edges and its enhancement process on the UAV video dataset, we confirmed individual contributions, plus our methods’ achievement corresponded over the existent ones. Our proposed Edge Enhancement Algorithm with an HSI color model is the first with better results to the best of our research knowledge. The hybrid algorithm’s effectiveness in dealing with noise reduction working with different videos by finding the SSI, MSE, NRMSE, SNR, PSNR reference-based parameters, and with a reference-less based score, viz. BRISQUE. Our research typically provides a plan to assess the edge with image enhancement from the application’s perspective, encouraging the reformers’ awareness to be evaluated in a particular computer vision context. Results obtained the outcome of the experiment proving that assertion.

     

一种改进的火灾颜色模型检测算法

从火焰的颜色特征出发,综合考虑已有颜色模型的优缺点,提出一种改进的基于颜色模型的火灾检测方法.首先结合HSI颜色模型和YCbCr颜色模型对火灾图像进行预处理提取出可能火焰区域,然后在HSI空间上采用颜色空间距离法去除噪声.实验结果表明,该方法提高了火灾图像识别的准确度,并能在一定程度上消除干扰,具有较好的适用性.     

基于组合特征和HSI颜色空间的阴影检测

为了更有效地检测视频序列中的阴影,提出基于组合特征和HSI颜色空间的阴影检测算法.对提取的前景,先采用扩展的不变矩和Gabor小波变换分别抽取待识别区域的全局特征和局部特征来建立组合特征向量,再通过建立的HSI空间的阴影颜色模型来准确检测出目标的阴影.实验结果表明,该算法具有良好的阴影检测效果.     

基于RBF网络的香烟包装质量在线检测与诊断

在生产香烟包装纸时,需要将不合格产品剔除,同时需要知道包装产品的优良率。针对香烟包装图案的特点,介绍了一种利用RBF网络在线检测和诊断香烟包装质量状况的方法。首先,采集具有典型特征的样本,建立足够数量的样本特征集。然后设计一个合适的RBF网络结构,采用样本集对网络进行训练和测试,最终得到一个实用的RBF诊断网络。实验表明,该系统完全能够满足质量检测的要求,可用于包装质量的在线诊断。