基于高光谱成像技术的宁夏枸杞产地溯源鉴别

本研究基于高光谱成像（400～1 000 nm）结合化学计量学开发一种用于识别枸杞产地多元化的检测方法。获取宁夏、甘肃、内蒙古、青海和新疆5个不同产地的枸杞高光谱图像,并基于阈值分割方法从感兴趣区域提取光谱数据。同时使用多种预处理方法消除光谱的干扰信息,研究表明基于归一化反射光谱的判别模型表现出较好的性能。进一步地采用连续投影算法、竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、粒子群优化算法、迭代保留信息变量算法（iteratively retaining informative variables,IRIV）和CARS+IRIV选择特征波长。研究结果表明CARS+IRIV选取波长建立的简化模型性能最优,从二元分类到五元分类模型,特征波长仅占全波长的15.6%～27.7%,预测集准确率分别为97.7%、90.9%、89.2%、87.1%。此外,为了更加直观辨别分类种类,使用混淆矩阵可视化最佳简化分类模型。在对宁夏枸杞分类中获得了令人满意的灵敏度、特异性和Kappa系数。综上,高光谱成像技术结合化学计量学方法可有效鉴...     

基于信息熵的枸杞分级高光谱图像特征波长选择方法（英文）

为获得适合枸杞分级的最佳高光谱特征波长图像,实验提出一种基于信息熵的高光谱图像特征波长选择方法。通过计算在不同波长条件下每一个枸杞样本的自信息,得到每一类枸杞高光谱图像的平均自信息;通过计算对应任意2个不同类别的枸杞样本的互信息,得到任意2类枸杞高光谱图像的平均互信息。最终获得枸杞高光谱图像在某一波长条件下的平均互信息与各自平均自信息和的比值,定义为A。A值可以作为枸杞分级高光谱图像特征波长选择的量化指标。结果显示,枸杞分级的最优波长为950 nm。最后,提取特定波长条件下所有枸杞图像的纹理特征,并采用Fisher判别分析对6类枸杞进行分类验证。基于信息熵的枸杞分级高光谱图像特征波长选择方法是可行的。     

黄瓜水分和硬度高光谱特征波长选择与预测模型构建

为实现高光谱对黄瓜新鲜度的快速、准确检测,以硬度和失水率作为品质指标,采用高光谱成像技术对同一批次不同贮藏日期的黄瓜进行检测.采用Savitzky-Golar法、多元散射校正、标准正态变量变换3种方法对黄瓜高光谱数据进行预处理,并对预处理结果进行对比,确定Savitzky-Golar预处理方法;运用竞争性自适应重加权算...     

基于有效波长选择的近红外光谱枸杞总糖含量快速检测

为建立枸杞总糖含量快速准确的检测方法,采用近红外光谱为检测手段,以114 个不同产区枸杞样品为研究对象。采用积分球漫反射模式采集样品近红外光谱,利用化学计量学方法确定光谱信息与总糖含量之间的关系,通过载重图法及相关系数法进行有效光谱选择,比较确定枸杞总糖光谱建模有效波段,建立枸杞总糖近红外光谱定量检测模型,并利用国标方法进行验证分析。结果发现：对全样品光谱进行Norris Gap Derivative求导预处理后,采用相关系数法选择8 700～4 000 cm－1波段进行建模。当主成分数为8时,建模效果较好,模型的校正集决定系数与验证集决定系数均高于0.91。结果表明,基于近红外光谱技术的枸杞总糖含量快速检测是可行的。     

基于高光谱图像光谱变量和颜色特征的霉变玉米籽粒识别

目的:准确识别霉变玉米籽粒。方法:基于高光谱图像光谱变量和颜色特征建立霉变玉米籽粒识别的新方法。先对玉米籽粒图像进行图像分割和光谱变量、颜色特征提取,并根据颜色特征生成颜色直方图;将光谱变量和颜色直方图特征组成特征集合;通过距离函数对特征集合中所有特征的分析确定霉变玉米籽粒所属类别。结果:所提方法对霉变玉米籽粒类别的最大平均识别偏差为1.12,最佳平均识别准确率为97.59%;与基于高光谱图像+随机蛙跳+极限学习机的方法、基于高光谱图像+稀疏自动编码器+卷积神经网络的方法、基于高光谱图像+蚁群优化+BP神经网络的方法相比,研究所提方法对霉变玉米籽粒类别的识别准确率明显提高。结论:该方法可实现被测玉米籽粒样品是否霉变以及霉变程度的准确判断。     

基于不同波段的枸杞多糖及总糖高光谱成像检测

采用高光谱图像技术对枸杞多糖和总糖含量进行检测,并探寻其最适宜的光谱波段。首先采用多元散射校正、Savitzky-Golay平滑(S-G平滑)和标准正态变量变换3种常用光谱预处理方法对原始光谱进行预处理,并对结果进行对比,选择多元散射校正预处理方法,以消除散射的影响;然后分别基于相关系数的数值及不同范围波长的特性,选择有效波段、可见光波段、近红外波段及全波段图像的平均光谱反射值作为特征参量;最后建立基于不同特征参量的枸杞多糖和总糖含量的BP神经网络预测模型。结果表明:基于全波段条件下光谱信息所建立的预测模型最佳,枸杞多糖含量预测正确率为97.59%,相关系数为0.997 4,均方根误差为0.077 7,枸杞总糖含量预测正确率为100%,相关系数为0.996 8,均方根误差为0.250 6。因此高光谱无损检测枸杞多糖和总糖含量具有可行性。     

基于特征融合的猪肉新鲜度高光谱图像检测

利用高光谱反射图像技术研究了猪肉新鲜度的无损检测。采集了180个猪肉样本在400~1 000 nm范围内的高光谱反射图像,提取了高光谱图像的光谱均值和熵两类特征;分别利用连续投影算法、主成分分析,以及连续投影算法结合主成分分析3种特征降维方法,提取了反映肉类新鲜度信息的重要特征变量;并建立了这些特征变量与挥发性盐基氮(TVB-N)的最小二乘支持向量机(LSSVM)预测模型;在此基础上提出了猪肉TVB-N含量的可视化检测方法。研究结果表明:相比于单一特征模型,利用光谱均值和熵融合特征的LSSVM模型可显著提高模型的准确度;连续投影算法结合主成分分析的特征降维方法,可显著降低模型的复杂度,提高模型准确度。利用光谱均值和熵两类特征,通过连续投影算法和主成分分析相结合的特征降维方法所建立的LSSVM预测模型,可取得最佳的预测准确度,其预测集的均方根误差RMSEP为1.96,相关系数(RP)为0.948,剩余预测偏差(RPD)为3.12,可满足实际检测需要。建立在此基础上的可视化方法,可直观显示肉类的腐败区域和程度。     

基于特征波长提取的哈密大枣可溶性固形物的高光谱预测

本文利用高光谱图像技术对干制后的哈密大枣可溶性固形物含量(SSC)进行预测研究。使用多种预处理方法对原始光谱进行处理,并对原始光谱和预处理后的光谱分别建立PLS模型,对比分析得出均值中心化(MC)处理效果最佳。对MC处理后的光谱经联合区间偏最小二乘算法(si-PLS)筛选后,再结合遗传算法(GA)和竞争性自适应重加权算法(CARS)提取哈密大枣SSC的特征波长,将提取的波长变量建立哈密大枣SSC的PLS预测模型。结果显示:利用MC-CARS-GA-si-PLS方法提取的16个关键波长变量(仅占全光谱变量的2%)所建立的PLS模型性能优于全光谱PLS模型。该模型的预测集相关系数(Rp)、预测均方根误差(RMSEP)和预测(RPD)分别为0.93、0.48和2.721。该方法提取的波长变量所建立的预测模型,不仅使模型简化,而且增强了模型的预测能力,为高光谱图像技术对水果及其干制品的定量分析研究提供了参考。     

基于近红外高光谱图像的冬枣损伤早期检测

为了对冬枣损伤进行早期检测,采用近红外高光谱图像技术对损伤区域成像。针对高光谱图像波长多的特点,分别采用连续投影算法、相关特征选择算法、一致性(Consistency)算法选择冬枣损伤的特征波长,对提取的特征波长分别应用k-邻近、朴素贝叶斯(naive bayes,NB)、支持向量机(support vector machine,SVM)3种分类方法进行损伤区域识别。结果表明:所有方法选择的一致特征波长在1 353 nm和1 691 nm附近。Consistency算法选择的特征波长在SVM分类器下分类识别正确率达到95.16%,一致特征波长在NB分类器下分类识别正确率达到84.26%,验证了一致波长的有效性,为多光谱成像技术实现在线检测冬枣损伤提供参考依据。     

基于高光谱信息特征选择的玉米霉变程度Fisher鉴别方法

为了提高高光谱鉴别玉米霉变程度的正确率,分别对全波长和特征波长下霉变玉米进行鉴别分析。利用高光谱图像采集系统获得250个霉变玉米样本的高光谱数据,并用标准正态变量变换(standard normal variate,SNV)和多元散射校正(Multiplicative scatter correction,MSC)2种方法对原始数据进行预处理,再对未预处理和预处理后的原始数据进行判别,优选出多元散射校正的预处理方法;运用偏最小二乘回归系数选择了9个特征波长;运用Fisher判别分析(Fisher discriminant analysis,FDA)分别对全波长和特征波长下的训练集进行判别分析,并用对应的测试集进行检验。FDA结果表明,全波长下判别模型的训练集和测试集的准确率分别为97.71%,97.33%,9个特征波长下训练集和测试集的准确率分别为100.00%,98.67%。研究结果表明,利用特征光谱能够较好地表征玉米的霉变程度,有利于提高玉米霉变程度的鉴别正确率。     

信息熵在图像处理中的应用

为了寻找快速有效的图像处理方法，信息理论越来越多地渗透到图像处理技术中。文章介绍了信息熵在图像处理中的应用，总结了一些基于熵的图像处理特别是图像分割技术的方法，及其在这一领域内的应用现状和前景。同时介绍了熵在织物疵点检测中的应用。     

基于流形模糊聚类算法的高光谱图像猪肉品质分类研究

目的以基于高光谱图像技术的冷鲜肉、解冻肉和变质肉的分类为研究对象,针对特征维数过高的问题,构建了一种基于流形模糊聚类算法的分类模型。方法首先采用二维Gabor小波变换分别提取反应猪肉滴水损失、p H、颜色三种品质指标的14个特征波长下图像的8个纹理特征,组成一个112维的特征变量作为猪肉品质的特征;然后采用基于等距映射降维的模糊C均值聚类算法来构建猪肉品质分类模型。结果通过猪肉品质分类实验得出,二维Gabor小波变换能较好地提取猪肉的纹理特征;与传统模糊C均值聚类算法相比,基于等距映射降维的模糊C均值聚类算法能较好地解决高维样本聚类问题,能准确地区分冷鲜肉、解冻肉和变质肉。结论高光谱图像技术可应用于对猪肉品质分类。     

印前流程中图像的信息量和信息熵分析

应用信息论有关信息量与信息熵的理论,分析了印前流程图像信息的基本特点及影响其传递的因素,指出只有控制这些因素才能保证完整准确地进行图像印刷复制。     

基于高光谱图像分割的固态发酵中不同杆菌的识别方法

本文研究了基于高光谱图像分割的固态发酵中不同杆菌快速识别问题,实验采用马铃薯葡萄糖琼脂培养基对芽孢杆菌、乳杆菌、红螺菌样本进行制备,通过黑色镜头盖在镜头上获取全黑的反射图像,对图像进行去噪、分割处理,获取高光谱图像梯度及分布峰值,利用掩模图像中菌落所处位置对光谱数据信息进行提取,把获取的三种细菌的光谱数据分割成校正集与测试集,依次用于模型构建与验证。通过标准正态变量变化方法完成对原始光谱数据的预处理,利用主成分分析法进行降维处理并区分不同菌落,并采用偏最小二乘判别分析法建立识别模型,分析细菌高光谱图像和高光谱响应值主成分,建立并验证模型。结果表明,采用标准正态变量变化法进行预处理后,高光谱分析总误差与分析误差的比值是1.12,低于规定稳健性的参数;不同细菌菌落的高光谱波峰存在差异,对光的反射率也有较大不同;当培养时长为36h时,三种细菌可被有效区分;本文模型比其它两种模型更优,对测试集的识别率为98.25%。综上所述,采用本文方法具有分析误差低、识别率高的优点。     

基于直线截距直方图的Arimoto熵或Arimoto灰度熵的食品图像分割

食品生产中涉及到的食品种类繁多且必须满足国家相关食品安全标准,为此要求食品图像分割方法必须速度快、准确性高、普适性强。利用基于二维Arimoto熵或二维Arimoto灰度熵的阈值选取方法对食品图像进行分割,算法复杂度高,难以满足实时性要求。针对这一问题,提出基于直线截距直方图的Arimoto熵或Arimoto灰度熵的食品图像分割方法。首先给出直线截距直方图的定义,然后根据此定义建立图像的直线截距直方图,最后计算基于此直线截距直方图的不同灰度级的Arimoto熵或Arimoto灰度熵,当该熵达到最大时,对应的灰度级即为图像的最佳分割阈值。针对此方法,对多种食品图像进行了大量的试验,通过与现有的基于一维和二维Arimoto熵、Arimoto灰度熵的分割方法对比,发现本文方法在综合提升算法速度和改善分割效果上,性能更优。     

振动胁迫下双孢蘑菇高光谱成像品质检测

为快速有效识别双孢蘑菇轻微损伤,以不同振动时间后不同损伤程度的双孢蘑菇为研究对象,采集400～1 000 nm的完好无损、振动60 s和振动120 s双孢蘑菇的近红外高光谱图像,发现3 种类型的双孢蘑菇在450～750 nm的光谱曲线有明显差异。比较标准正态变量变换、SG（Savitzky-Golay）平滑和多元散射校正等预处理方法,确定SG平滑为最优预处理方法。并将处理后的数据采用连续投影算法和竞争性自适应重加权算法提取不同损伤程度的特征波段;基于灰度共生矩阵提取500 nm波长特征图像感兴趣区域的纹理特征,分别将光谱信息和纹理特征信息作为输入,建立偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）、BP（back propagation）神经网络和极限学习机损伤程度识别模型。结果表明,两种特征集建模,PLS-DA模型均表现出最好的识别效果,PLS-DA模型训练集和测试集平均识别准确率为93.33%、91.11%和88.89%、86.67%。最后基于光谱-纹理融合信息建立PLS-DA模型,训练集和测试集总体识别正确率分别为97.78%、95.56%。结果表明,光谱-纹理融合信息建模预测效果优于单一特征信息建立的判别模型。因此,采用高光谱融合信息建模可以提高不同损伤程度的双孢蘑菇检测精度,为双孢蘑菇贮藏、分类提供理论支撑。     

基于高光谱图像信息的李果实成熟度判别

本文以李果实作为研究对象,基于高光谱图像技术对不同成熟度的李果实(未熟、半熟、成熟和过熟)样本的图像信息进行采集,对采集样本的图像进行中值滤波去噪处理。运用Matlab软件编程对各种成熟度样本的图像进行颜色特征值提取,分别获得RGB和HSV彩色图像模型不同分量的平均值(μ)和标准差(σ)作为颜色特征值,并建立RGB、HSV颜色特征值以及RGB-HSV特征值相融合的样本成熟度PLS判别模型,并对所建立的判别模型进行预测。结果表明,基于RGB-HSV相融合颜色特征值的判别模型准确率优于RGB与HSV,其对未熟、半熟、成熟、过熟的判别准确率达到了98.4%、90.0%、85.6%及90.9%。该方法建立的判别模型不仅简化,而且增强了模型的判别能力,为实现李果实成熟度的无损检测和判别提供理论依据。     

基于PCA-ELM和光谱技术预测香蕉成熟度

本文利用高光谱成像技术(Hyperspectral imaging)对常温下贮存的450个未剥皮香蕉样本光谱数据进行采集,首先检测样本果肉可溶性固形物含量(TSS)、坚实度(FIM),采用SPSS单因素方差分析,然后运用线性优化岭回归分析-偏最小二乘法(RR-i PLS)建立了香蕉成熟度理化指标的光谱和图像特征分类模型,结果表明通过实验平台获取光谱数据预测香蕉可溶性固形物含量以及坚实度的相关系数R2值分别为0.92和0.94。再通过连续投影法(successive projections algorithm,SPA)法以及主成分分析法(principal component analysis,PCA)分别选取特征波长,建立基于特征波长的极限学习机(extreme learning machine,ELM)对光谱数据进行建模交叉验证。通过比较RR-i PLS,SPA-ELM与PCA-ELM三种分类预测模型,表明基于特征波长的PCA-ELM分类模型具有较好的预测性能。交叉验证准确率达到99%。为能快速无损识别香蕉果实品质提供一种有效的预测研究,基本满足对香蕉成熟度分类检测且显示出有效建模分析,且能达到有效的经济效益。     

基于信息熵的小麦储藏品质多指标权重模型研究

小麦储藏品质多指标数据间存在不确定性和作用差异性,为研究多指标数据在品质评价中的不同作用,研究提出一种基于信息熵的小麦储藏品质多指标权重模型。利用储藏小麦不同指标作用的特异性,选取多生理生化指标作为评价因素;根据储藏过程多指标的变化趋势,在不同置信水平对测试数据进行分类,并计算各类别总体信息量;由去除某一指标后的特征集剩余信息量计算获得该指标的互信息量,据此构建小麦多指标权重模型,为储藏品质评价和减缓品质劣变提供参考。结果表明:本权重模型的贡献率标准差相对于主成分分析法权重结果减小了0.088,其区分度相对于层次分析法提高了25.35%,有效减小了因主观因素导致的误差,为小麦品质多指标综合评价提供了一种有效的权重计算方法。