及測距傳感器15與待測柑橘3之間的距離，由于待測樣品大小直徑不同，因此需要預(yù)先設(shè)定待測距離，最后保存所設(shè)定的初始化參數(shù)。
[0032]暗適應(yīng)時間結(jié)束后，中控系統(tǒng)控制中間進料升降門4打開，并同時啟動傳送帶2將待測柑橘3運送至測量位置。首先第一位置傳感器5檢測到待測柑橘3后，測距傳感器15測量傳感器到待測柑橘3之間的當(dāng)前距離，根據(jù)預(yù)先設(shè)定的距離，升降平臺12調(diào)整到合適的位置。接著，第二位置傳感器6和第三位置傳感器7依次檢測到待測柑橘3，分別產(chǎn)生一個觸發(fā)信號，通過中控系統(tǒng)向計算機16傳輸信號;計算機16根據(jù)傳輸信號依次開始葉綠素?zé)晒獬上駜x14和RGB相機11的數(shù)據(jù)采集，中控系統(tǒng)以單片機MCU為中控核心。
[0033]如圖2所示，所述的葉綠素?zé)晒獬上駜x14具有向下凸起的棱臺形狀的光源裝置，LED光源安裝在光源裝置內(nèi)。LED光源包括測量光光源19、光化光光源21、飽和光光源20以及遠紅外光光源18。葉綠素?zé)晒獬上駜x14獲取熒光信息的方法:先打開測量光光源19，此時將得到暗適應(yīng)時的基礎(chǔ)熒光F。;接著打開飽和光光源20，此時所測到的是暗適應(yīng)后的最大熒光Fm;再接著打開光化光光源21，測量光適應(yīng)時的穩(wěn)態(tài)焚光Fs，再關(guān)閉光化光光源21;最后打開遠紅外光光源18，測量光適應(yīng)后的最小熒光F。，。葉綠素?zé)晒獬上駜x14獲取相應(yīng)的熒光信息，完成后，遠紅外光光源18關(guān)閉，葉綠素?zé)晒獬上駜x14停止采樣，傳送帶2向左移動，直到第三位置傳感器7檢測到樣品后，傳送帶2暫停移動。
[0034]待測柑橘3到達RGB相機11對應(yīng)的位置，RGB相機11開始采集RGB圖像。完成后，RGB相機11停止采樣，傳送帶2繼續(xù)向左移動，直到第四位置傳感器10檢測到待測柑橘3后，產(chǎn)生回收信號，利用回收裝置9回收樣品。
[0035]根據(jù)熒光信息計算葉綠素?zé)晒鈪?shù)，光系統(tǒng)Π的最大光化學(xué)量子效率Fv/Fm=(Fm-F0)/Fm、初始熒光F。、非光化光系數(shù)NPQ = Fm/Fs-l。其次，根據(jù)RGB圖像計算顏色特征和紋理特征，顏色特征是指一階矩、二階矩和三階矩，紋理特征是指方差、同質(zhì)性、對比度、熵、二階矩和相關(guān)性。將上述計算所測得的葉綠素?zé)晒鈪?shù)、RGB圖像的顏色特征和紋理特征作為模型輸入，輸入到偏最小二乘判別分析法(partial least squares discriminant analysis,PLS-DA)判別模型來區(qū)分待測柑橘3是否染病。
[0036]針對染病的待測柑橘3讀取熒光圖像，導(dǎo)入MATLAB軟件，利用小波軟閾值對所得的圖像進行降噪處理，應(yīng)用高斯混合模型(Gaussian mixture model，GMM)焚光圖像每點像素所對應(yīng)的葉綠素?zé)晒鈪?shù)值進行聚類分析并進行圖像的閾值分割，生成柑橘染病程度的可視化圖像，計算病害的面積，并保存。測量分析完畢，下一個樣品重復(fù)上述步驟。
[0037]應(yīng)用本發(fā)明所述的方法和裝置對柑橘青果期果實的潰瘍病進行檢測，正常樣本對應(yīng)的葉綠素?zé)晒鈪?shù)值范圍為:Fv/Fm=0.80?0.85、？。= 170?190、陬0 = 0.55?0.65;染病樣本對應(yīng)的葉綠素?zé)晒鈪?shù)值范圍為爪/^<0.8、？。= 280?320、冊0 = 0.9?0.95。
[0038]正常樣本圖像的RGB三個通道的前三階顏色矩，一階矩:Rw=0.21?0.72,Gu=0.36?0.79、811 = 0.11?0.71;二階矩:1?。= 0.01?0.06、6。= 0.01?0.06、8。= 0.01?0.12;三階矩:Re = -0.06?0.05、Go = -0.07?0.04、Βθ = _0.04?0.11;染病樣本圖像的RGB三個通道的前三階顏色矩，一階矩:1^ = 0.13?0.47、64 = 0.13?0.47、84 = 0.14?0.60;二階矩:1?。=0.03?0.09、6。= 0.03?0.10、8。= 0.03?0.14;三階矩:1^ = -0.06?0.07、6(3 = -0.06?0.09、Βθ = -0.07?0.14?；诨叶裙采仃嚨募y理特征變量:正常樣本圖像的方差(8.91?36.04)、同質(zhì)性(0.93 ?0.99)、對比度(0.002 ?0.13)、熵(0.01?1.14)、二階矩(0.38 ?0.96)和相關(guān)性(0.26?0.89);染病樣本圖像的方差(3.9?20)、同質(zhì)性(0.83?0.98)、對比度(0.03?0.35)、熵(0.19?1.96)、二階矩(0.18?0.93)和相關(guān)性(0.18?0.85)。將上述的葉綠素焚光參數(shù)、顏色特征和紋理特征輸入到偏最小二乘判別分析法(partial leastsquares discriminant analysis，PLS_DA)判別模型，模型對174個樣本是否染病進行判別，判別正確率達91.3%。
[0039]將熒光圖像導(dǎo)入MATLAB，采用小波軟閾值去除圖像噪聲。應(yīng)用高斯混合模型(Gaussian mixture model，GMM)對每個點像素所對應(yīng)的葉綠素焚光參數(shù)值進行聚類分析，針對染病的柑橘果實，在Fv/Fm<0.3時，為壞死組織;0.3<FV/Fm<0.58時，為枯萎的組織；
0.58<FV/Fm<0.80時，為輕微受影響的組織;0.80<FV/Fm<0.85時為健康組織。最后進行圖像分割，計算病害面積和占總面積的比值。達到了定量分析柑橘的染病程度的目的。
[0040]以上所述僅為本發(fā)明的具體的實施例，凡依本發(fā)明申請專利范圍所做的變化與修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。
【主權(quán)項】
1.一種柑橘潰瘍病的檢測方法，其特征在于，包括如下步驟: 1)將待測柑橘進行暗適應(yīng)處理； 2)對經(jīng)過暗適應(yīng)處理的待測柑橘，使用葉綠素?zé)晒獬上駜x獲取熒光信息，繼續(xù)使用RGB相機采集RGB圖像； 3)通過熒光信息和RGB圖像，計算葉綠素?zé)晒鈪?shù)、顏色特征和紋理特征； 4)將上述計算所得的葉綠素?zé)晒鈪?shù)、顏色特征和紋理特征作為模型的輸入變量，建立偏最小二乘判別分析模型，并用此模型來區(qū)分柑橘是否染?。?5)對染病的待測柑橘讀取熒光圖像，導(dǎo)入MATLAB軟件，利用小波軟閾值對所得的熒光圖像進行降噪處理，應(yīng)用高斯混合模型對熒光圖像每點像素所對應(yīng)的葉綠素?zé)晒鈪?shù)值進行聚類分析并進行圖像的閾值分割，生成待測柑橘染病程度的可視化圖像，計算病害的面積。2.根據(jù)權(quán)利要求1所述的柑橘潰瘍病的檢測方法，其特征在于，所述的步驟2)中獲取熒光信息的方法:先打開測量光光源，此時將得到暗適應(yīng)時的基礎(chǔ)熒光F。;接著打開飽和光光源，此時所測到的是暗適應(yīng)后的最大焚光Fm ；再接著打開光化光光源，測量光適應(yīng)時的穩(wěn)態(tài)焚光Fs，再關(guān)閉光化光光源;最后打開遠紅外光光源，測量光適應(yīng)后的最小焚光F。，。3.根據(jù)權(quán)利要求2所述的柑橘潰瘍病的檢測方法，其特征在于，所述的步驟3)中計算葉綠素?zé)晒鈪?shù)是指:光系統(tǒng)Π的最大光化學(xué)量子效率FvZFm=(Fm-Fci)ZFm、初始熒光F。、非光化光系數(shù)NPQ = Fm/Fs-l。4.根據(jù)權(quán)利要求1所述的柑橘潰瘍病的檢測方法，其特征在于，所述的步驟3)中RGB圖像的顏色特征是指一階矩、二階矩和三階矩，紋理特征是指方差、同質(zhì)性、對比度、熵、二階矩和相關(guān)性。5.—種柑橘潰瘍病的檢測裝置，包括檢測機構(gòu)、控制機構(gòu)、傳送帶(2)以及計算機(16)，其特征在于，所述的控制機構(gòu)包括中控系統(tǒng)和控制面板，控制面板和傳送帶(2)分別與中控系統(tǒng)連接，中控系統(tǒng)與計算機(16)連接;所述的檢測機構(gòu)分隔成第一密閉內(nèi)腔(17)和第二密閉內(nèi)腔(13)，兩個密閉內(nèi)腔之間設(shè)置中間進料升降門(4)，第一密閉內(nèi)腔(17)設(shè)有進料升降門(I)，第二密閉內(nèi)腔(13)設(shè)有出料升降門(8);所述的傳送帶(2)貫穿進料升降門(1)、中間進料升降門(4)以及出料升降門(8);所述的第二密閉內(nèi)腔(13)內(nèi)設(shè)置有升降平臺(12)，所述的升降平臺(12)上依次設(shè)有測距傳感器(15)、葉綠素?zé)晒獬上駜x(14)以及RGB相機(11);所述的測距傳感器(15)、葉綠素?zé)晒獬上駜x(14)以及RGB相機(11)在傳送帶(2)上垂直投影的位置上分別設(shè)有第一位置傳感器(5)、第二位置傳感器(6)和第三位置傳感器(7);測距傳感器(15)以及三個位置傳感器分別與中控系統(tǒng)連接，計算機(16)分別與葉綠素?zé)晒獬上駜x(14)和RGB相機(11)連接，用于數(shù)據(jù)傳輸和分析。6.根據(jù)權(quán)利要求5所述的柑橘潰瘍病的檢測裝置，其特征在于，所述的傳送帶(2)末端設(shè)有第四位置傳感器(1)以及回收裝置(9)。7.根據(jù)權(quán)利要求5所述的柑橘潰瘍病的檢測裝置，其特征在于，所述的葉綠素?zé)晒獬上駜x(14)具有向下凸起的棱臺形狀的光源裝置，LED光源安裝在光源裝置內(nèi)。8.根據(jù)權(quán)利要求7所述的柑橘潰瘍病的檢測裝置，其特征在于，所述的LED光源包括測量光光源(19)、光化光光源(21)、飽和光光源(20)以及遠紅外光光源(18)。9.根據(jù)權(quán)利要求5所述的柑橘潰瘍病的檢測裝置，其特征在于，所述的中控系統(tǒng)以單片 機MCU為中控核心。
【專利摘要】本發(fā)明涉及一種柑橘潰瘍病的檢測方法，包括如下步驟：進行暗適應(yīng)處理，使用葉綠素?zé)晒獬上駜x和RGB相機獲取熒光信息以及RGB圖像，計算葉綠素?zé)晒鈪?shù)、顏色特征和紋理特征；利用偏最小二乘判別分析法判別模型來區(qū)分柑橘是否染病；對染病的待測柑橘讀取熒光圖像，應(yīng)用高斯混合模型進行分析計算病害的面積，實現(xiàn)染病程度的定量分析。本發(fā)明還涉及一種柑橘潰瘍病的檢測裝置，通過融合葉綠素?zé)晒獬上窦夹g(shù)和RGB成像技術(shù)，可連續(xù)自動化地檢測幼果期、青果期和成熟期等不同生長期以及不同病害程度的柑橘果實潰瘍病。
【IPC分類】G01N21/64, G01N21/84
【公開號】CN105548124
【申請?zhí)枴緾N201610068533
【發(fā)明人】岑海燕, 翁海勇, 高大海, 劉飛, 何勇
【申請人】浙江大學(xué)
【公開日】2016年5月4日
【申請日】2016年2月1日