一種由青霉感染引起腐爛的柑橘圖像檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于光譜檢測技術(shù)領(lǐng)域，具體涉及一種基于可見-近紅外光譜的檢測方 法。
【背景技術(shù)】
[0002] 柑橘是風味獨特，營養(yǎng)豐富的水果，深受消費者的喜愛。我國為世界第一大柑橘生 產(chǎn)國，柑橘產(chǎn)業(yè)無論在國際還是國內(nèi)都有巨大的經(jīng)濟市場，為了提升柑橘水果質(zhì)量品質(zhì)在 國內(nèi)及國際市場的競爭力，柑橘水果的采后自動化快速分級技術(shù)一直備受關(guān)注。與其它常 見外部缺陷如疤痕相比，由真菌感染引起的腐爛是柑橘水果最嚴重的缺陷，真菌病害侵染 是導致儲運過程中新鮮柑橘腐爛的最主要原因，指狀青霉Penicilliumdigitatum感染尤 為重要。近年研究發(fā)現(xiàn)，我國柑橘采后腐爛超80%由指狀青霉感染所引起。
[0003] 目前，基于RGB彩色相機的計算機視覺技術(shù)已經(jīng)用于柑橘外部缺陷的檢測。然而， 由于指狀青霉感染引起的早期腐爛果，其感染區(qū)域表皮顏色與正常果皮顏色幾乎一樣，導 致采用傳統(tǒng)的RGB彩色相機檢測這種缺陷非常困難。Blasco等人采用傳統(tǒng)RGB視覺系統(tǒng) 檢測了包括指狀青霉感染引起的早期腐爛在內(nèi)的11類型柑橘表皮缺陷，研究發(fā)現(xiàn)該系統(tǒng) 對其它類型表皮缺陷的識別率非常高，對于指狀青霉引起的早期腐爛果，其檢測精度僅獲 f^56.5%(Blasco,J. ,Aleixos,N. ,Gomez,J. ,etal.Citrussortingbyidentification ofthemostcommondefectsusingmultispectralcomputervision[J].Journalof FoodEngineering, 2007,83:384-393.)。Blase等人結(jié)合紫外誘導焚光成像原理發(fā)明了一 套可以用于柑橘腐爛檢測的檢測系統(tǒng)（Blanc,P.G.R.，Blasco,J.，Μο???,E.，etal.System fortheautomaticselectiveseparationofrottencitrusfruit.UnitedStates patentUS2010/0121484A1. 2010.)，但是，紫外線對操作人員易造成傷害，從安全角度出 發(fā)，紫外線檢測方法有待進一步完善。與傳統(tǒng)成像技術(shù)相比，先進的多光譜成像是另外一 種可以選擇的檢測技術(shù)。Aleixos等人采用2個CCD開發(fā)了一套柑橘水果多光譜檢測系 統(tǒng)，彩色CCD提供水果的RGB信息用于水果大小、顏色、形狀的評估，單色CCD提供水果的 近紅外信息用于缺陷檢測，但其并不能夠?qū)υ缙谡婢腥竟M行檢測（Aleixos，N.，Blase o,J. ,Navarron,F. ,etal.Multispectralinspectionofcitrusinreal-timeusing machinevisionanddigitalsignalprocessors[J].ComputersandElectronics inAgriculture, 2002, 33:121-137·)。在最新的研究中，Lorente等人 2013 年采用多 光譜激光散射成像技術(shù)檢測Penicilliumdigitatum感染引起的早期腐爛柑橘，發(fā)現(xiàn)在 可見-近紅外光譜區(qū)域的5個波長聯(lián)立檢測效果最好（Lorente,D.，Zude,M.，Regen,C. Earlydecaydetectionincitrusfruitusinglaser-lightbackscattering imaging[J]·PostharvestBiologyandTechnology, 2013,86:424-430.)，然而，一方 面該方法在分析的過程中將圖像的二維信息降為一維剖面圖，大量空間信息將會丟失， 另一方面，由于采用了點狀激光光源，在實驗的過程中必須人工手動使腐爛區(qū)域?qū)氏?機，從而使光源角度與感興趣區(qū)域正好匹配，這不適用于在線自動化檢測。西班牙瓦倫 西亞農(nóng)業(yè)研究所（IVIA)的Blasco研究團隊采用基于可調(diào)液晶濾波器的高光譜成像系 統(tǒng)對指狀青霉引起的早期腐爛柑橘進行了識別（[l]G0mez-Sanchis,J.，Martin-Guerr ero,J.D.,Soria-Olivas,E. ,etal.DetectingrottennesscausedbyPenicillium genusfungiincitrusfruitsusingmachinelearningtechniques[J].Expert SystemswithApplications, 2012,39:780-785 ； [2]Gomez-Sanchis,J. ,Blasco,J.,S oria-〇livas,E. ,etal.HyperspectralLCTF-basedsystemforclassificationof decayinmandarinscausedbyPenicilliumdigitatumandPenicilliumitalicum usingthemostrelevantbandsandnon-linearclassifiers[J].Postharvest BiologyandTechnology,2013, 82:76-86 ； [3]Lorente,D.,Blasco,J. ,Serrano A.J. ,etal.ComparisonofROCFeatureSelectionMethodfortheDetectionof DecayinCitrusFruitUsingHyperspectralImages[J].Foodandbioprocess technology, 2013, 6:3613-3619.)。然而，他們的研究僅僅聚焦于可見-近紅外光譜復雜特 征的提取，忽略了圖像的空間信息對感興趣區(qū)域的特征表達，不適合指狀青霉感染果的自 動化檢測。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供一種由指狀青霉感染引起的腐爛柑橘圖像檢測方法，能夠?qū)⒏涕俦砻?難以檢測的青霉感染區(qū)域進行清晰可視化成像顯示，并提供有效的圖像處理分析方法。
[0005] 實現(xiàn)本發(fā)明上述目的的技術(shù)方案為：
[0006] -種由青霉感染引起腐爛的柑橘圖像檢測方法，其特征在于，包括以下步驟：
[0007] A:采集待測柑橘水果4個特征波長處的單波長光譜圖像，所述4個特征波長λρ λ2，\3和λ4分別為 575nm，698nm，810nm和 969nm;
[0008] B:對4個特征波長圖像進行水果表面亮度不均校正；
[0009] C:步驟B校正后的4個特征波長λρλ2,λ3和λ4的圖像疊加得到特征波長組 合圖像I:疊加方式是特征波長圖像與相應的載荷系數(shù)乘積之和；
[0010] D:將步驟C獲得的特征波長組合圖像I轉(zhuǎn)換為索引圖像F1 ;
[0011] Ε:提取索引圖像F1三基色分量的R分量（Red)圖像并對其進行圖像預處理；
[0012] F:對步驟E所獲得的圖像再次轉(zhuǎn)換為索引圖像F2并提取索引圖像三基色分量的 R分量圖像；
[0013] G:對步驟F中獲得的R分量圖像進行目標區(qū)域分割并對所分割的目標區(qū)域進行圓 形度判定。
[0014] 其中，步驟A采集待測柑橘水果特征波長的方法為：
[0015] 1)提取真菌感染樣本腐爛區(qū)域和正常果樣本正常組織區(qū)域在波長范圍500~ 1050nm內(nèi)的可見-近紅外光譜，組成光譜集；
[0016] 2)對特征光譜進行加權(quán)，隨后對腐爛區(qū)域和正常組織區(qū)域特征光譜進行主成分聚 類分析；
[0017] 3)獲取第一主成分所有波長點的載荷系數(shù)（權(quán)重系數(shù)）曲線圖，曲線圖中橫坐標 表示波長，縱坐標表示各波長對應載荷值；
[0018] 4)曲線峰和谷所對應橫坐標的波長為特征波長，特征波長處的圖像作為特征圖 像，特征波長圖像對應的載荷值為相應的載荷系數(shù)。
[0019] 步驟A的樣本個數(shù)根據(jù)具體條件而定，可以是10~100個真菌感染樣本和10~ 100個正常果樣本；
[0020] 具體地，所述真菌感染樣本為指狀青霉感染的柑橘，步驟4)中取曲線上最大的三 個峰和一個谷，特征波長λρλ2,λ3和λ4S575nm，698nm，810nm和969nm，相應的載荷系 數(shù)為 0· 054,0· 0469,0· 04417 和 0· 01436。
[0021] 則步驟C疊加方式的公式為：
[0022] I