| 油桃外部缺陷的高光谱成像检测 |
| |
| 引用本文： | 黄锋华,张淑娟,杨 一,满 尊,张学豪,吴玉香. 油桃外部缺陷的高光谱成像检测[J]. 农业机械学报, 2015, 46(11): 252-259 |
| |
| 作者姓名： | 黄锋华 张淑娟 杨 一 满 尊 张学豪 吴玉香 |
| |
| 作者单位： | 山西农业大学,山西农业大学,山西农业大学,山西农业大学,山西农业大学,山西农业大学 |
| |
| 基金项目： | 国家自然科学基金资助项目(31271973、31171599)和山西省自然科学基金资助项目(2012011030-3) |
| |
| 摘 要： | 采用高光谱(420~1 000 nm)成像技术对"中油9号"油桃的4种外部缺陷(裂纹果、锈病果、异形果和暗伤果)进行检测判别。对400个样本(4种外部缺陷样本和完好样本)运用偏最小二乘回归(PLSR)从全波段中分别提取了10条特征波长,分别为497、534、657、677、696、709、745、823、868、943 nm。缺陷样本的高光谱图像经过主成分分析后,对876 nm下的单波段图像通过掩膜、Sobel算子处理,并对主成分图像经过区域生长算法实现缺陷样本的缺陷区域分割。对光谱数据进行主成分分析得到前10个主成分值,并对图像数据采用灰度共生矩阵(GLCM)提取得到6项图像纹理指标(均值、对比度、相关性、能量、同质性、熵值)。将主成分值和纹理值融合建立极限学习机(ELM)模型对油桃外部缺陷进行检测判别。结果表明,该模型对缺陷样本的判别正确率为91.67%,完好样本的正确率为100%。
|
| 关 键 词： | 油桃 外部缺陷 高光谱成像 无损检测 极限学习机 |
| 收稿时间： | 2015-04-13 |
Application of Hyperspectral Imaging for Detection of Defective Features in Nectarine Fruit |
| |
| Huang Fenghu,Zhang Shujuan,Yang Yi,Man Zun,Zhang Xuehao and Wu Yuxiang. Application of Hyperspectral Imaging for Detection of Defective Features in Nectarine Fruit[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(11): 252-259 |
| |
| Authors: | Huang Fenghu Zhang Shujuan Yang Yi Man Zun Zhang Xuehao Wu Yuxiang |
| |
| Affiliation: | Shanxi Agricultural University,Shanxi Agricultural University,Shanxi Agricultural University,Shanxi Agricultural University,Shanxi Agricultural University and Shanxi Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | Nectarine Defective feature Hyperspectral imaging Nondestructive detection Extreme learning machine |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
|
点击此处可从《农业机械学报》下载免费的PDF全文 |
|
