基于高光谱成像技术的桑叶含水率可视化检测

在桑叶多元化开发及传统养蚕过程中，含水率是衡量桑叶物化状态和指导生产加工的关键参数。为解决传统的烘干称重法含水率检测效率低且操作繁琐的问题。使用高光谱图像采集系统获取桑叶高光谱图像(937～1 718 nm),根据阈值分割法对高光谱图像进行背景剔除，计算各桑叶在高光谱图像中的平均光谱。采用Savitzky-Golay平滑、多元散射校正和正交信号校正方法对光谱进行预处理以消除或降低可能存在的干扰信号，采用连续投影算法和竞争自适应重加权采样算法(competitive adaptive reweighted sampling, CARS)提取光谱特征波段以降低检测模型复杂度，采用偏最小二乘法和反向传播人工神经网络(back propagation artificial neural network, BPNN)构建光谱与桑叶含水率的回归模型。将桑叶高光谱图像中各像素点的光谱数据导入构建的回归模型可实现桑叶含水率可视化检测。结果表明，基于CARS提取的特征波段所构建的BPNN回归模型性能最佳，预测集对应的决定系数达到0.994。文中方法为桑叶含水率快速无损检测提供了新的途径。