基于高光谱成像技术的青香蕉碰撞损伤检测

S24%S668.1; 针对青香蕉早期轻微碰撞损伤无法用肉眼和RGB图像识别的问题,该研究利用光谱数据与图像信息,实现青香蕉早期轻微碰伤的检测和碰伤程度区分.通过高光谱成像仪获取碰撞损伤试验样品的光谱数据和图像信息,对原始光谱数据进行预处理和异常样本的剔除.通过特征波长提取,获取特征波长下的低维图像中创面区域像素点的分布数据,同时结合全像素点下的光谱反射率数据,将其作为 BP 神经网络模型的训练集和测试集,建立青香蕉碰撞损伤程度界定的无损检测模型.试验结果表明,利用高光谱技术可以识别肉眼不可见的轻微碰撞损伤,形成的BP神经网络检测模型的总体识别准确率为 95.06％,并且可输出碰伤等级的可视化...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 39; no. 7; pp. 176 - 184
Main Authors 段洁利, 张汉尧, 付函, 赖力潜, 袁浩天, 何俊宇, 杨洲
Format Journal Article
LanguageChinese
Published 华南农业大学工程学院,广州 510642 01.04.2023
广东海洋大学机械工程学院,湛江 524088
岭南现代农业科学与技术广东省实验室,广州 510600%华南农业大学工程学院,广州 510642%华南农业大学工程学院,广州 510642
岭南现代农业科学与技术广东省实验室,广州 510600
Subjects
特征波长
青香蕉
高光谱成像
无损检测
图像处理
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.202302080

Cover

More Information
Summary:S24%S668.1; 针对青香蕉早期轻微碰撞损伤无法用肉眼和RGB图像识别的问题,该研究利用光谱数据与图像信息,实现青香蕉早期轻微碰伤的检测和碰伤程度区分.通过高光谱成像仪获取碰撞损伤试验样品的光谱数据和图像信息,对原始光谱数据进行预处理和异常样本的剔除.通过特征波长提取,获取特征波长下的低维图像中创面区域像素点的分布数据,同时结合全像素点下的光谱反射率数据,将其作为 BP 神经网络模型的训练集和测试集,建立青香蕉碰撞损伤程度界定的无损检测模型.试验结果表明,利用高光谱技术可以识别肉眼不可见的轻微碰撞损伤,形成的BP神经网络检测模型的总体识别准确率为 95.06％,并且可输出碰伤等级的可视化图像.研究为开发青香蕉碰伤快速无损检测系统提供理论依据.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.202302080