刘蒋龙，张淑娟，孙海霞，赵旭婷，李军宇

沙果腐烂的高光谱图像检测

刘蒋龙，*张淑娟，孙海霞，赵旭婷，李军宇

（山西农业大学工学院，山西晋中030801）

采用高光谱成像技术对沙果的腐烂进行识别，通过高光谱成像系统采集了18个沙果腐烂样本的高光谱图像，利用主成分分析（PCA）对图像进行数据压缩，分别采用“Sobel”算子和区域生长算法“Region grow”并结合主成分图像对18个沙果腐烂样本进行识别。结果表明，采用高光谱图像技术可以实现对沙果腐烂的识别。该研究为沙果的在线检测提供了理论参考和依据。

沙果；腐烂；高光谱成像；检测

0 引言

沙果[1-2]，正名花红（Malus asiatica Nakai），蔷薇科苹果属，栽培历史悠久，普遍分布于黄河、长江流域及辽宁一带，是我国特有的栽培物种。沙果营养丰富，富含铁、锌、硒等多种人体需要的微量元素及维生素，药用价值高，对高血压、咳嗽气喘、冠心病具有较好的治疗效果。此外，沙果还具有价格低、贮藏期长等优点。沙果既可以鲜食，也可以加工制作成果脯、饮料等产品，是一种颇受消费者青睐的果品。然而在沙果生长过程中，会受自然灾害等多种因素影响，导致沙果产生腐烂，影响产品品质。

试验以沙果的腐烂为研究对象，采集腐烂样本的高光谱图像信息，从图像的角度出发，对沙果腐烂样本进行快速检测。

1 试验材料与方法

1.1 样品采集

试验的研究对象为沙果，采集于山西省太谷县。采集成熟期的腐烂样本18个，利用高光谱成像系统采集各个样本的图像信息。

1.2 试验设备

使用高光谱成像采集系统对沙果进行图像采集。在采集样本信息的过程中，需要合理设置曝光时间和移动平台的移动速度等参数，经过多次研究，相机曝光时间为0.09 s，移动平台速度为2.58 mm/s。为了得到所需要的样本光谱，在采集样本信息时，将目标区域对准镜头，镜头到沙果水平赤道平面的距离为310 mm，高光谱采集到图像信息的像素（宽×高）为672×512。

1.3 区域生长算法

区域生长算法（Region grow）[3]的设计主要有以下3点：生长种子点的确定、区域生长的条件和区域生长停止的条件。种子点的个数根据具体的问题可以选择1个或者多个，并且根据具体的问题不同可以采用自动确定或者人机交互确定。区域生长的条件实际上就是根据像素灰度间的连续性而定义的一些相似性准则；而区域生长停止的条件定义了一个终止规则，一般来讲，在没有像素满足加入某个区域的条件时，区域生长就会停止。在算法里面，定义一个变量最大像素灰度值距离。加入像素点的灰度值和已经分割好的区域所有像素点平均灰度值差的绝对值小于或等于最大像素灰度值距离时，该像素点已经加入到分割好的区域；相反，则区域生长算法停止。

2 基于高光谱图像的沙果腐烂检测

主成分分析（Principalcomponentanalysis，PCA）[4]是针对存在一定相关关系的变量，通过原始变量线性组合，构成维数较少的不相关新变量代替原始变量，而且每个变量都包含尽可能多的原始变量信息过程，新的变量叫作原始变量的主成分。通过主成分分析，达到增强和提取某些有用信息的目的。在高光谱图像处理中，常用到主成分分析进行预处理，实现数据的压缩和图像增强。

对沙果腐烂样本进行主成分分析，前4个PC图像的累计贡献率达到99.76%。所以，选用PC1～PC4主成分图像进行后续研究。

图像前4个成分的累计贡献率见表1，沙果腐烂样本的4个主成分见图1，腐烂样本检测算法关键步骤见图2，沙果腐烂图像识别检测结果见图3。

表1 图像前4个成分的累计贡献率

图1 沙果腐烂样本的4个主成分

图2腐烂样本检测算法关键步骤

图2 为沙果腐烂样本检测算法的关键步骤流程，原始高光谱图像主成分分析后得到灰度图。为了提取样本的边缘信息，需要去除图像的背景，其中PC1图像的背景和样本相差最大，故对其掩膜[5]（Mask）处理，再运用“Sobel”算子[6]识别出沙果的边缘；在腐烂损伤特征识别中，由于PC4图像的损伤特征最明显，于是对PC4图像采用区域生长“Region grow”[3]提取损伤区域；最后将损伤区域图和边缘图做加法运算，即得识别结果。按照图2对样本进行图像识别，图3为18个腐烂样本的识别效果图。

图3 沙果腐烂图像识别检测结果

3 结论

试验基于高光谱图像识别技术，对沙果的腐烂进行识别，通过PCA对图像进行数据处理，利用“Sobel”算子和区域生长算法“Region grow”分别提取图像的边缘和自然损伤特征区域。结果表明，该判别算法能够实现对沙果腐烂样本的检测。通过图像手段达到沙果腐烂识别，为开发沙果在线检测设备提供了理论参考和依据。

[1]李慧峰，吕德国，王海波，等.6个沙果品种果实香气成分分析[J].山西农业大学学报（自然科学版），2012（2）：136-139.

[2]宋彩香.基于近红外光谱技术检测沙果货架期的品质变化[D].太谷：山西农业大学，2013.

[3]刘德华，张淑娟，王斌，等.基于高光谱成像技术的山楂损伤和虫害缺陷识别研究[J].光谱学与光谱分析，2015，35（11）：3 167-3 171.

[4]林海明，杜子芳.主成分分析综合评价应该注意的问题[J].统计研究，2013（8）：25-31.

[5]孙波成，邱延峻.基于图像处理的路面裂缝识别研究[J].重庆交通大学学报（自然科学版），2008（1）：61-64，168.

[6]沈德海，侯建，鄂旭.基于改进的Sobel算子边缘检测算法[J].计算机技术与发展，2013（11）：22-25.◇

Detection of Rot in Malus asiatica Nakai Using Hyperspectral Imaging

LIU Jianglong，*ZHANG Shujuan，SUN Haixia，ZHAO Xuting，LI Junyu
（College of Engineering，Shanxi Agricultural University，Jinzhong，Shanxi 030801，China）

Hyperspectral imaging technology is employed to detect rot of Malus asiatica Nakai.18 RGB image of rot samples are acquired by hyperspectral imaging system.The images of PCA are employed to identify the location and area of defects feature through imaging processing.Using Sobel operator，Region growing algorithm and the images of PCA，the edge and defect feature of 18 Malus asiatica Nakai could be recognized.This investigation demonstrates that the rot defect of Malus asiatica Nakai could detect by hyperspectral imaging technology，which provides a theoretical reference for the on-line detection of Malus asiatica Nakai.

Malus asiatica Nakai；rot；hyperspectral imaging；detection

TS255.7

A

10.16693/j.cnki.1671-9646（X）.2017.07.012

1671-9646（2017）07a-0039-02

2017-06-26

刘蒋龙（1992—），男，在读硕士，研究方向为农产品检测技术及装备。

*通讯作者：张淑娟（1963—），女，博士，教授，博士生导师，研究方向为农产品无损检测技术及装备。