CN102235972A - 一种光谱测色方法 - Google Patents

Abstract

本发明涉及一种光谱测色方法，该方法根据标准板和对比物质的反射光谱建立颜色参数数据库，并将采集到的待检物质的颜色特征参数与上述颜色参数数据库开展数据融合，并进行模式识别。本发明的方法能够对物质颜色提供快速、简便、客观的检测，避免传统的主观目视法人为因素及时间、空间改变等不确定因素对评定准确性的影响，保证评定结果的公正、公平。

Description

一种光谱测色方法

技术领域

本发明涉及一种光谱测色方法，该方法可用于对植物的种子、叶片等物质进行无损检测。

背景技术

如何准确、客观地评定堆放在一起的种子、叶片等物质，或者堆放在一起的细碎状的工业品，人们一直是追求解决的问题，并且也已经取得了一定的成果。下面以茶叶为例进行说明。

茶叶作为传统的天然饮料，一直受到了世人的欢迎。随着茶叶消费的增长，茶叶品质的评定变得愈来愈重要。但茶叶颜色主要仍采用主观目视法进行评定，目视法受人为因素及时间、空间改变等不确定因素的影响而容易造成误差，难以做出客观评定。

实验室中用于茶叶颜色客观检测的主要方法有色彩色差计法、计算机识别技术以及光谱图像技术。

色彩色差计法主要针对均质物体，即白板、灰板以及各类色板等，由于其表面颜色均匀，只需通过色彩色差计测量较小面积颜色既可获得整体的颜色信息。茶业通报Vol.17No.2:1(1995)采用色彩色差计法及L^*a^*b^*表色系的色度值表征茶叶颜色，经标准白板进行校正，并都采用标准光源照射，因此能客观准确的反映出被测样品小区域的颜色特征，并且有较高的重复性；但由于茶叶属于非均质物体，表面的局部色泽差异较大，而该方法的探测面积较小，即使采用多点测量也很难用于某一茶叶总体色泽的描述和评审。

计算机识别技术，即采用CCD摄像头作为探测元件获得茶叶图像并通过计算机颜色分析进行判别，是一种应用较为广泛的茶叶测色方法。详见农业机械学报Vol.31No.4：67(2000)，江苏大学学报(自然科学版)Vol.26No.6：461(2005)，该方法可以直接获取较大面积的茶叶的图像信息，符合人们对茶叶颜色的认知***评审。

光谱图像技术是光谱分析技术和图像处理技术的融合，兼有两者的优势，是茶叶颜色快速无损检测一个新的研究方法。何勇(光谱学与光谱分析，Vol.28No.11：2527(2008))、陈全胜(光学学报，Vol.28No.4：669(2008))等人分别采用该技术对不同级别的茶叶进行区分，由于能准确获得光谱信息，因此其区分的准确度非常高，而且能够普遍适用。但该技术不能直接获得颜色参数，因此不能直观的描述茶叶颜色并做出评价。此外，由于要获得不同波长的图像信息，采集数据量大，后期处理复杂，因此目前主要应用于实验室对茶叶的研究，不适合工业快速测量的要求。

发明内容

鉴于现有技术的不足，本发明的目的是提供一种光谱测色方法，该方法既能准确获得颜色参数，又能形成标准化的客观评价，借此既保证贸易交易中测试的公正，又能适合工业测试的要求。

本发明的光谱测色方法包括以下步骤：

(1)采用可见宽谱光源以45°照射探测视场，将标准板置于探测视场中，并采用光谱仪(14)接受来自所述标准板的反射光，从而获得标准板反射光谱；

(2)将装有第一批对比物质的样品盒置于所述探测视场中，采用可见宽谱光源以45°照射探测视场，并采用光谱仪接受来自所述待检物质的反射光，从而获得第一批对比物质反射光谱；

(3)多次重复步骤(2)，将多次获得的第一批对比物质反射光谱平均而得到第一批对比物质平均反射光谱；

(4)将标准板反射光谱、第一批对比物质平均反射光谱、以及标准板在D65标准光源、45°/0°测试条件下的光谱反射比代入CIE1976L^*a^*b^*均匀色空间及色差公式中，计算出第一批对比物质的颜色特征参数L^*、a^*、b^*；

(5)选取多批对比物质，并针对每一批对比物质执行上述步骤(1)、(2)、(3)和(4)，从而获得多批对比物质的颜色特征参数L^*、a^*、b^*；

(6)根据上述第一批对比物质以及多批对比物质的颜色特征参数L^*、a^*、b^*建立颜色参数数据库；

(7)选取待检物质，针对该待检物质执行上述步骤(1)、(2)、(3)和(4)，以获得待检物质的颜色特征参数L^*、a^*、b^*；

(8)将该待检物质的颜色特征参数L^*、a^*、b^*与上述颜色参数数据库开展数据融合，并进行模式识别。

在本发明的光谱测色方法中，所述待检物质优选为植物的种子或叶片，例如为茶叶、烟叶、烟丝、玉米种子、大豆种子、油菜籽等。显而易见，本发明也可以适用于小面积片状、颗粒状的化工材料等工业品的检测。

在本发明中，优选采用数码相机获取所述待检物质的图片，并与该待检物质的颜色特征参数L^*、a^*、b^*对应地存储。

在本发明中，优选在暗室中执行上述步骤(1)、(2)、(5)和(7)，以避免杂散光的影响。

另外，在本发明中，所述可见宽谱光源优选采用稳流电源供电。

优选的是，在可见宽谱光源前加入渐变毛玻璃，以便在照射面上形成均匀的光强分布。

优选的是，在与样品盒内的物质表面平行的方向上，样品盒的中心与可见宽谱光源在样品盒内物质表面的照射面的中心相距为该可见宽谱光源在该照射面上的光斑半径大小，所述可见宽谱光源照射面的中心与所述光谱仪的探头的中心重合。

优选的是，所述样品盒在探测视场中步进地旋转；更优选的是，所述样品盒放置在探测视场中的电动旋转台上，由计算机调节电动旋转台每一步旋转的时间间隔大于光谱仪的积分时间。

优选的是，采用BF神经网络的模式分类方法建立模式识别模型。有关神经网络尤其是有关BF神经网络的文献请参阅2005年由国防工业出版社出版的《神经网络结构设计的理论与方法》，2003年出版的作者为刘君华的《基于LabVIEW的虚拟仪器设计》(该书)，以及2006年出版的作者为韩力群《人工神经网络教程》。

根据本发明，可快速测量较大范围内待检物质的总体颜色，与色彩色差计相比，可以获得一定面积的待检物质颜色信息，比多点测量准确，并且不受探测元件自身颜色偏差的影响，真正实现颜色的绝对测量；将测量的颜色参数形成数据库，并建立识别模式避免不同情况下的人为判断差异，不仅实现客观测量，并保证客观评价。因此本发明与传统方法相比，具有客观、准确的优点。

附图说明

下面参照附图以茶叶作为待检物质的实例来具体介绍本发明。图中：

图1为茶叶颜色的光谱测色方法硬件示意图；

图2为茶叶颜色的光谱测色方法软件模块；

图3为茶叶颜色的光谱测色方法模式识别流程。

具体实施方式

以下结合附图，详细描述根据本发明的实施方式。需要指出的是，这些附图仅仅是示意性的，而且也不一定是按照比例绘制的，不构成对本发明的保护范围的限定。

本发明的光源优选采用能够发出380nm-780nm可见光谱的宽谱光源，例如溴钨灯。在灯前设置有渐变毛玻璃14，该渐变毛玻璃14能够根据光源的光强使其在不同的地方透过率不同，以达到透过毛玻璃后出射的光强分布均匀的要求。采用该光源以45°照射探测视场。该探测视场为后述的茶叶表面所在的水平面。将标准板置于探测视场中，并采用光谱仪接受来自所述标准板的反射光，从而获得标准板反射光谱。

将装有第一批对比茶叶的样品盒9置于所述探测视场中，采用上述光源以45°照射探测视场，并采用光谱仪接受来自所述对比茶叶的反射光，从而获得第一批对比物质反射光谱；旋转样品盒并多次重复此步骤，将多次获得的第一批对比物质反射光谱平均而得到第一批对比物质平均反射光谱。将标准板反射光谱、第一批对比茶叶平均反射光谱、以及标准板在D65标准光源、45°/0°测试条件下的光谱反射比代入CIE1976L^*a^*b^*均匀色空间及色差公式中，计算出第一批对比茶叶的颜色特征参数L^*、a^*、b^*。

选取多批对比茶叶，并针对每一批对比茶叶执行上述步骤，从而获得多批对比茶叶的颜色特征参数L^*、a^*、b^*。

根据上述第一批对比茶叶以及多批对比茶叶的颜色特征参数L^*、a^*、b^*建立颜色参数数据库，已备比对待检茶叶。

在检测茶叶时，将待检茶叶装满样品盒9，盖上样品盒盖10之后，放置在旋转电动台7上，接通抖动振子电源17，震动1分钟，确保茶叶样品表面平整后，取下样品盒盖。随后打开光源，即溴钨灯13。在打开灯电源16之后，使溴钨灯13预热数分钟。使到达探测视场(探测面，即在茶叶样品表面所在的水平面)的光形成直径为Φ40mm的均匀光强分布。探测视场中心与探测器(即光谱仪的光纤接口12)的中心同轴，并与光源在探测面形成的光斑中心相距20mm。通过光纤光谱仪15获取标准板6反射光谱φ1(λ)。控制平移电动台4使样品盒置于探测视场，控制旋转电动台7旋转，设置光纤光谱仪在该旋转电动台7每旋转一周的期间内进行多次采样，由此获得茶叶表面反射光谱φ2(λ)。该采样次数可以由本领域技术人员根据本发明的教导以及实际情况确定，例如采样72次。最后采用数码相机拍摄茶叶图像并储存。

在此需要说明的是，对于标准板和对比茶叶的反射光谱的获得方式，可以与获得上述待检茶叶的反射光谱的方式相同。

由于已知标准板光谱反射比ρ1(λ)，得到待检样品表面的平均光谱反射比ρ2(λ)＝φ2(λ)*ρ1(λ)/φ1(λ)，根据CIE色度***三刺激值计算式：

其中，

S(λ)是D65光源的相对光谱功率分布。 是CIE规定的标准色度观察者的光谱三刺激值。k为归一化系数，

其中Δλ＝5mm。在可见光范围内积分获得三刺激值X、Y、Z。

从而计算出L^*、a^*、b^*色空间：

$L^{*}=\left\{\begin{array}{c}116{(Y/Y_n)}^{1/3}-16(Y/Y_n>0.008856)\\ 903.3Y/Y_n(Y/Y_n\≤0.008856)\end{array}\right.$

$a^{*}=\left\{\begin{array}{c}500[{(X/X_n)}^{1/3}-{(Y/Y_n)}^{1/3}](X/X_n>0.008856)\\ 3893.5[X/X_n-Y/Y_n](X/X_n\≤0.008856)\end{array}\right.$

$b^{*}=\left\{\begin{array}{c}200[{(Y/Y_n)}^{1/3}-{(Z/Z_n)}^{1/3}](Z/Z_n>0.008856)\\ 1557.4[Y/Y_n-Z/Z_n](Z/Z_n\≤0.008856)\end{array}\right.$

其中，X_n、Y_n、Z_n为CIE标准照明体照射在全漫反射体上，反射到观察者颜中的白色三刺激值。

获得颜色参数L^*、a^*、b^*。最后根据颜色参数，采用三层结构的BF神经网络对茶叶的颜色进行判定。该三层结构的BF神经网络具有3个输入，输出层为1个神经元，隐层神经元经实验确定为4个。

在本发明中，光源采用直流稳流电源供电的溴钨灯，光源稳定；采用样品室内抖动以及平移电动台送样，避免人工送样过程中对表面平整性的影响，保证多次送样条件的一致性；采用大范围的照射面积和探测面积以及多次测量取平均得到茶叶的平均反射光谱，改善茶叶的非均质特性；采用数码相机储存图像，因茶叶变色后重新测量引起的贸易纠纷；采用CCD光谱仪作为探测器可快速测量较大范围内茶叶的总体颜色，与色彩色差计相比，可以获得一定面积的茶叶颜色信息，比多点测量准确，与计算机识别技术中的CCD摄像头相比，不受探测元件自身颜色偏差的影响，真正实现颜色的绝对测量；采用18％灰板作为标准板，避免标准白板反射过高，茶叶反射低，造成信噪比低的问题；且无镜像光泽的影响，更准确反映实际颜色特征。将测量的颜色参数形成数据库，并建立识别模式避免不同情况下的人为判断差异，不仅实现客观测量，并保证客观评价。因此该装置与传统方法相比，具有客观、准确的优点，其重复性精度可达±0.5％。

表1青山绿水和2种竹叶青的5次测量的特征参数。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施方式做各种各样的修改或补充或采用类似的方式替代，而且可以单独地或组合地采用上述各个特征，并不偏离本发明的精神，也不超出所附权利要求书限定的范围。

Claims (10)

1.一种光谱测色方法，该光谱测色方法包括以下步骤：

(1)采用可见宽谱光源以45°照射探测视场，将标准板置于探测视场中，并采用光谱仪(14)接受来自所述标准板的反射光，从而获得标准板反射光谱；

(2)将装有第一批对比物质的样品盒置于所述探测视场中，采用可见宽谱光源以45°照射探测视场，并采用光谱仪(14)接受来自所述对比物质的反射光，从而获得第一批对比物质反射光谱；

(3)多次重复步骤(2)，将多次获得的第一批对比物质反射光谱平均而得到第一批对比物质平均反射光谱；

(4)将标准板反射光谱、第一批对比物质平均反射光谱、以及标准板在D65标准光源、45°/0°测试条件下的光谱反射比代入CIE1976L^*a^*b^*均匀色空间及色差公式中，计算出第一批对比物质的颜色特征参数L^*、a^*、b^*；

(5)选取多批对比物质，并针对每一批对比物质执行上述步骤(1)、(2)、(3)和(4)，从而获得多批对比物质的颜色特征参数L^*、a^*、b^*；

(6)根据上述第一批对比物质以及多批对比物质的颜色特征参数L^*、a^*、b^*建立颜色参数数据库；

(7)选取待检物质，针对该待检物质执行上述步骤(1)、(2)、(3)和(4)，以获得待检物质的颜色特征参数L^*、a^*、b^*；

(8)将该待检物质的颜色特征参数L^*、a^*、b^*与上述颜色参数数据库开展数据融合，并进行模式识别。

2.如权利要求1所述的光谱测色方法，其特征在于：

所述待检物质为植物的种子或叶片，例如为茶叶、烟叶、烟丝、玉米种子、大豆种子、油菜籽等。

3.如权利要求1或2所述的光谱测色方法，其特征在于：

在步骤(8)之后，采用数码相机(11)获取所述待检物质的图片，并与该待检物质的颜色特征参数L^*、a^*、b^*对应地存储。

4.如权利要求1或2所述的光谱测色方法，其特征在于：在暗室中执行上述步骤(1)、(2)、(5)和(7)，以避免杂散光的影响。

5.如权利要求1或2所述的光谱测色方法，其特征在于：所述可见宽谱光源采用稳流电源供电。

6.如权利要求1或2所述的光谱测色方法，其特征在于：在可见宽谱光源前加入渐变毛玻璃，以便在照射面上形成均匀的光强分布。

7.如权利要求1或2所述的光谱测色方法，其特征在于：在与样品盒内的物质表面平行的方向上，样品盒的中心与可见宽谱光源在样品盒内物质表面的照射面的中心相距为该可见宽谱光源在样品盒内物质表面上的光斑半径大小，所述可见宽谱光源照射面的中心与所述光谱仪的光纤接口的中心重合。

8.如权利要求1或2所述的光谱测色方法，其特征在于：所述样品盒在探测视场中步进地旋转。

9.如权利要求8所述的光谱测色方法，其特征在于：所述样品盒放置在探测视场中的电动旋转台上，由计算机调节电动旋转台每一步旋转的时间间隔大于光谱仪的积分时间。

10.如权利要求1或2所述的光谱测色方法，其特征在于：采用BF神经网络的模式分类方法建立模式识别模型。

Images