基于光谱与纹理特征融合的绿萝叶绿素含量检测

[目的]本文旨在快速测定植物体内叶绿素含量,以提高无损测定叶绿素的准确性。[方法]以绿萝叶片为研究对象,提出一种串联融合高光谱特征与纹理特征的叶绿素SPAD值的无损检测方法。采集320片绿萝叶片样本在400～900 nm波段的光谱信息,使用Savitzky-Golay卷积平滑对原始高光谱图像进行预处理,利用连续投影算法(successive projections algorithm, SPA)选取出10个特征波段,对绿萝叶片高光谱图像中的RGB图像采用灰度共生矩阵算法(gray-level co-occurrence matrix, GLCM)提取其纹理特征,采用串联方法融合高光谱特征与纹理特征得到融合特征,分别建立单一特征和融合特征的误差反向传输人工神经网络(back propagation artificial neural network, BPANN)和支持向量机回归(support vector machine regression, SVR)模型。[结果]单一使用特征光谱数据或图像纹理数据作为特征值建立的预测模型,综合性能不稳定;基于串联融合特征的预测模型准确率有明显提升。基于串联融合特征的SVR模型具有最佳的预测结果,校正集决定系数R~2为0.961 2,预测集决定系数R~2为0.957 1。[结论]高光谱特征与纹理特征的融合特征可以提高叶绿素回归预测模型的准确性,为叶绿素含量无损检测提供了重要参考。     

基于高光谱技术融合图像信息的杏鲍菇干燥过程中含水率检测

为了应用高光谱成像技术结合图像处理技术研究杏鲍菇含水率的快速无损检测以及含水率分布可视化,采集不同干燥时期共240个杏鲍菇样品在358～1 021 nm波段范围内的高光谱图像。利用阈值分割方法将图像中杏鲍菇区域与背景分离,提取杏鲍菇的平均光谱数据。采用连续投影算法(SPA)和稳定性竞争自适应重加权采样法(SCARS)分别筛选出5个和10个特征波长;采用主成分分析方法获得杏鲍菇的前2个主成分图像PC1、PC2,基于灰度共生矩阵(GLCM)提取主成分图像PC1、PC2共16个纹理特征。利用偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)分别建立光谱特征、纹理特征以及光谱与纹理特征融合的含水率预测模型。结果表明:与光谱特征相比,纹理特征与含水率的相关性较差;光谱特征模型SCARS-LS-SVM预测效果最好,其预测集决定系数(R■)=0.975,均方根误差(RMSEP)=3.712,相对分析误差(RPD)=3.211。基于SCARS-LS-SVM模型,将杏鲍菇样品含水率分布用不同颜色直观显示,实现了含水率分布可视化。     

基于RGB图像处理的玉米叶片含水率监测方法研究

为探求作物叶片RGB图像特征与其含水率的相关性,本文使用佳能数码相机采集抽穗期玉米离体叶片的图像信息,利用烘干法测量叶片样本的含水率;研究采用灰度共生矩阵和灰度直方图的图像处理技术,提取了玉米叶片的纹理特征参数和颜色特征参数,分析其与含水率的关系。结果表明,玉米叶片RGB图像的纹理特征参数对比度、相关度、熵和能量与含水率相关性不强,难以用来预测叶片含水率。在叶片颜色特征参数均值、方差、能量、熵、峰态和歪斜度的六组特征值中,均值和峰态与含水率存在较好的相关性,可以用来预测叶片含水率。均值与含水率的关系模型决定系数R2为0.7017,含水率预测结果误差范围在±2%以内,峰态与含水率的关系模型决定系数R2为0.7175,预测结果误差范围在±1.5%以内。本文研究结果证明,利用作物叶片的RGB图像可以检测其含水率。     

基于高光谱成像技术的茄子叶片灰霉病早期检测

为建立基于高光谱成像技术的茄子叶片灰霉病早期检测方法,利用高光谱成像系统获取120个茄子叶片在380~1031nm范围的高光谱图像数据,通过主成分分析(PCA)对高光谱数据进行降维,并从中优选出3个特征波段下的特征图像,截取200×150的感兴趣区域图像(ROI),并从每幅特征图像中分别提取均值、方差、同质性、对比度、差异性、熵、二阶矩和相关性等8个基于灰度共生矩阵的纹理特征变量,通过连续投影算法(SPA)提取13个特征变量, 利用最小二乘支持向量机(LS‐SVM)构建茄子叶片灰霉病早期鉴别模型,模型判别准确率为97.5%.说明高光谱成像技术可以用于茄子叶片灰霉病的早期检测.     

基于图像处理烤烟鲜烟叶含水率诊断研究

为探讨利用图像处理检测烤烟鲜烟叶含水率的方法,采用1 600万像素的数码相机采集处于旺长期的烤烟叶片的图像信息,用烘干法测量叶片的含水率;通过Matlab软件图像处理中的灰度直方图提取叶片图像的灰度均值和熵值特征值,并测量了烤烟叶片的最大长度、最大宽度、伸缩率、湿重等参数。结果表明,利用提取的15组烟叶叶片数据进行多项式曲线拟合,建立了图像灰度均值与烤烟叶片含水率的线性拟合预测模型,模型的相关系数R~2达到了0.796 5。由此表明,利用烟叶图像的灰度均值可以对其含水率进行诊断。     

基于高光谱图像技术的油菜籽品种鉴别方法研究

提出了一种采用高光谱图像技术结合人工神经网络对油菜籽品种进行鉴别的方法.采集多个品种油菜籽400～1 000 nm范围的高光谱图像数据,通过主成分分析法(PCA)获得主成分图像,确定特征波长;采用基于灰度直方图和灰度共生矩阵联合的统计方法从特征图像中提取纹理特征参数,应用人工神经网络建立油菜籽品种鉴别模型.结果表明,模型训练时品种判别率为93.75%,预测的判别率为91.67%.说明高光谱图像技术对油菜籽品种具有较好的分类和鉴别作用.     

基于机器视觉葡萄叶片还原糖含量的检测系统

[目的]针对传统农业生产中,测定葡萄叶片还原糖的方法效率低、成本高的问题,本文提出了基于机器视觉的葡萄叶片还原糖含量的检测系统。[方法]通过对田间葡萄叶片进行采集,以光谱化学实验方法测得的葡萄叶片还原糖含量为基础,利用LabVIEW和MATLAB软件平台开发了一种葡萄叶片还原糖含量的检测系统。采用颜色一阶矩、二阶矩和灰度共生矩阵的综合特征参数来提取葡萄叶片颜色和纹理特征,并将该特征向量作为输入向量构建以径向基为核函数的支持向量机(SVM)分类器模型,利用SVM分类模型对采集到的480幅葡萄叶片进行实例分析。[结果]该系统测试结果正确率达88.125%,颜色和纹理各特征分量与还原糖含量之间具有高度相关性。[结论]本系统测试结果精度高,耗时短,系统工作稳定,为农田葡萄叶片含糖量的测定提供了有效的检测手段,对提高田间农作物实时测试效率具有重要意义。     

高光谱和图像特征相融合的生菜病害识别

为精准识别生菜的病害类型及所处病害时期,提出了一种结合高光谱技术和图像特征提取技术融合的生菜病害诊断方法。利用高光谱套件分别采集炭疽病、菌核病、白粉病的发病早期、中期和晚期以及健康状态下生菜叶片样本的高光谱信息,利用多项式平滑(Savitzky-Golay,SG)算法对原始光谱数据进行降噪平滑处理,采用连续投影算法(Successive projections algorithm,SPA)对预处理后的数据进行特征波长的优选,使用一阶到三阶矩和纹理LBP算子分别提取样本图像的颜色特征和纹理特征,最后通过SVR预测模型对颜色、纹理及光谱特征值数据进行训练并对预测集样本进行分类研究。结果表明,基于高光谱和图像融合特征的SVR预测模型性能良好,预测集决定系数为0.895 6,均方根误差为3. 75%。由于决定系数不够理想,通过引入松弛变量的方式降低间隔阈值,最终模型预测集决定系数为0.928 6,均方根误差为0. 034 2,决定系数提高了3. 68%,均方根误差降低了8. 8%,病害时期判断准确率为92. 23%。说明该方法能够较有效地诊断生菜的病害类型及所处病害时期,可为农业精准化管理中病害的自动防治提供参考。     

基于高光谱成像技术鉴别大米品种

大米品质与品种密切相关,因此品种鉴别对实施“优质粮食工程”具有重要意义。采集外观相似的6个品种共600粒大米的高光谱反射率数据,经过多元散射校正（MSC）、二阶导数（2ND）和标准正态变换（SNV）对光谱数据进行预处理。利用连续投影算法（SPA）和主成分分析（PCA）对光谱数据降维。以灰度共生矩阵（GLCM）提取特征波长对应灰度图像的纹理特征。应用全波段、特征波段、纹理特征以及光谱-纹理特征融合数据分别建立基于支持向量机算法（SVM）的品种鉴别模型。结果表明,光谱-纹理融合特征的分类准确率最高,达到94.12%。利用乌鸦搜索算法（CSA）对模型参数进行优化后,准确率达96.57%。因此,光谱-纹理特征组合下的支持向量机结合乌鸦搜索算法能充分利用高光谱图像的光谱和纹理信息,实现对大米品种的快速无损鉴别。     

基于NIR高光谱成像技术的番茄叶片叶绿素含量检测

利用近红外高光谱成像技术对番茄叶片叶绿素含量的无损检测进行初步探讨。通过高光谱成像系统(900～1 700 nm)采集了192个番茄叶片图像,基于偏最小二乘回归模型(PLSR)对光谱进行样本集划分,对原始光谱与Kubelka-Munk函数曲线及多种光谱预处理的偏最小二乘回归模型进行对比分析,优选出多元散射校正(MSC)为预处理方法。采用5种方法提取特征波长,并根据特征波长建立偏最小二乘回归、多元线性回归(MLR)、主成分回归(PCR)3种模型的叶片叶绿素含量预测模型。结果表明,建立无信息变量消除法(UVE)挑选特征波长的偏最小二乘回归模型最优,其预测集的相关系数(R_P)为0.8495,均方根误差(RMSEP)为4.3375。因此,利用近红外高光谱成像技术提取特征波长进行叶绿素含量检测是可行的,同时也为今后番茄品质在线检测提供了理论依据。     

Using hyperspectral imaging to discriminate yellow leaf curl disease in tomato leaves

This paper investigated the possibility of discriminating tomato yellow leaf curl disease by a hyperspectral imaging technique. A hyperspecral imaging system collected hyperspectral images of both healthy and infected tomato leaves. The reflectance spectra, first derivative reflectance spectra and absolute reflectance difference spectra in the wavelength range of 500–1000 nm of both background and the leaf area were analyzed to select sensitive wavelengths and band ratios. 853 nm was selected to create a mask image for background segmentation, while 720 nm from the reflectance spectra, four peaks (560, 575, 712, and 729 nm) from the first derivative spectra and, four wavelengths with higher values (586, 720 nm) and lower values (690, 840 nm) in the absolute difference spectra were selected as a set of sensitive wavelengths. Four band ratio images (560/575, 712/729, 586/690, and 720/840 nm) were compared with four widely used vegetation indices (VIs). 24 texture features were extracted using grey level co-occurrence matrix (GLCM), respectively. The performance of each feature was evaluated by receiver operator characteristic (ROC) curve analysis. The best threshold values of each feature were calculated by Yonden’s index. Mean value of correlation (COR_MEAN) extracted from the band ratio image (720/840 nm) had the best performance, whose AUC value was 1.0. The discrimination result for a validation set based on its best threshold value was 100%. This research also demonstrated that multispectral images at 560, 575 and 720 nm have a potential for detecting tomato yellow leaf curl virus infection in field applications.     

基于ETM~+的遥感影像信息提取研究

以沈阳市苏家屯区为试验区,对ETM+图像的光谱信息和纹理信息进行综合分析,以达到提高影像分类精度的目的.利用光谱信息提取水体、植被;采用基于灰度共生矩阵的纹理量的分类法,通过TM5波段提取灰度共生矩阵和灰度联合矩阵,计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离,得到最终的分类结果.结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类,光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度.     

2种提取方法测定大野荞植物叶中的黄酮含量

[目的]比较2种方法测定荞麦黄酮含量的效果。[方法]采用水浴提取和超声提取2种方法,用紫外分光光度计测定大野荞叶中总黄酮含量。[结果]测定大野荞植物叶中黄酮含量的最适波长为420 nm,超声提取法和水浴提取法所得大野荞叶中平均总黄酮含量分别为5.26%和5.40%,且水浴提取法所得平均总黄酮含量极显著高于超声提取法。[结论]该研究结果对改进荞麦黄酮含量测定方法具有重要意义。     

基于高光谱图像的新疆红富士苹果颜色分级研究

[目的]以新疆红富士苹果为研究对象,探讨应用高光谱图像技术对其着色面积进行的研究方法.[方法]对852/713双波段比图像作阈值分割,以及形态学开运算去除果梗区域,提取色调H灰度图像对应去除果梗的二值图像像素值为1的累计频度值,依据AdaBoost算法将15个BP神经网络弱分类器训练组成强分类器,对苹果的着色面积进行分类.[结果]采用AdaBoost_NN对苹果着色面积的分级与人工分级一致率达到97.7;.其中45个优等果有2个被错分为一等果,27个等外果有1个被错分为二等果.[结论]利用高光谱图像技术提取的特征波长图像能够很好的对苹果着色面积进行分级,为今后多光谱成像技术在线分析苹果品质奠定研究基础.     

2种提取方法测定大野荞植物叶中的黄酮含量（英文）

[目的]研究水浴提取和超声提取2种方法测定大野荞植物叶中的黄酮含量。[方法]采用水浴提取和超声提取2种方法,用紫外分光光度计测定大野荞叶中总黄酮含量。[结果]测定大野荞物叶中黄酮含量的最适波长为420nm,超声提取法和水浴提取法所得大野荞叶中平均总黄酮含量分别为5.26%和5.40%,且水浴提取法所得平均总黄酮含量极显著高于超声提取法。[结论]该研究结果对改进荞麦黄酮含量测定方法具有重要意义。     

朝鲜蓟叶高效液相色谱指纹图谱的初步研究

[目的]采用高效液相色谱法建立朝鲜蓟叶提取物的指纹图谱。[方法]以体积分数为70%的乙醇作为提取剂,采用C18色谱柱（4.6mm×250.0mm,5μm）,乙腈-0.5%乙酸-水为流动相梯度洗脱,检测波长为330nm。[结果]14批样品经中药指纹图谱评价软件分析,确定了15个共有峰,建立了共有模式。[结论]该方法建立的指纹图谱为朝鲜蓟叶深加工的质量控制奠定了基础。     

大豆粉中水分含量测定的研究

[目的]优化直接干燥法测定大豆粉中水分含量的条件,使试验结果更快捷、更准确。[方法]依据GB 5009.3—2010《食品中水分的测定》直接干燥法测定大豆粉中水分含量,根据测定值与指定值计算出Z值,进行能力验证考核,分析比较该试验的最优条件。[结果]考核样大豆粉水分含量指定值为6.81%,标准偏差为0.12%,而通过试验得到的水分平均值为6.92%,Z值0.91。试验最优条件为称量瓶质量小,烘烤时间3 h,称样的质量3 g左右。[结论]该研究可为大豆粉中水分含量的测定提供参考。     

随机森林在板材表面缺陷分类中的应用1）

对板材表面缺陷图像进行多种特征提取。颜色特征选用了颜色直方图;形状特征主要基于最小外接矩阵,提取周长、面积、位置、矩阵和圆形相关的形状参数;纹理特征选取了灰度共生矩阵和Tamura纹理参数。通过OOB（袋外数据）误差计算特征重要性,并将结果与提取时间进行综合分析得出,Tamura纹理和颜色直方图是最优的2组缺陷分类参数。对颜色直方图和Tamura纹理2类特征,采取特征组合输入,通过实验得出,随机森林分类精度达95．67％。