基于高光谱成像分析的冬枣微观损伤识别

作     者：魏新华 吴姝 范晓冬 黄嘉宝 Wei Xinhua;Wu Shu;Fan Xiaodong;Huang Jiabao

作者机构：江苏大学现代农业装备与技术教育部重点实验室镇江212013 山东省农业机械科学研究院济南250100 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2015年第46卷第3期

页      面：242-246页

核心收录：

学科分类：0710[理学-生物学] 1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0801[工学-力学（可授工学、理学学位）] 

基　　金：高等学校博士学科点专项科研基金资助项目(20113227120014) 江苏高校优势学科建设工程资助项目(苏政办(2014)37号) 江苏大学高级专业人才科研启动基金资助项目(10JDG026) 

主　　题：冬枣 损伤检测 高光谱成像 无信息变量消除 相关系数 

摘      要：为减少微观损伤引起的储藏腐烂损失,延长冬枣的储藏期,提高冬枣的储藏效益,以山东沾化冬枣为研究对象,利用高光谱成像系统采集轻微损伤发生不到1 h的冬枣损伤部位的高光谱图像,得到波长在871~1 766 nm范围内的256幅高光谱分量图像。结合无信息变量消除法及相关系数法进行特征波长筛选,剔除不敏感波段,选取了944、1 035、1 187、1 376 nm 4个特征波长。对以上4个特征波长对应的分量图像进行主成分分析,选择第1主成分图像作为待分割图像,对其进行灰度变换等图像预处理,并运用自适应阈值分割法对其进行图像分割,实现了轻微损伤区域的有效识别。对100个轻微损伤冬枣样本的识别试验结果表明,所提方法的正确识别率为98%。