CN109827908B - 一种利用光谱数据判别红富士苹果腐烂程度的方法 - Google Patents

一种利用光谱数据判别红富士苹果腐烂程度的方法 Download PDF

Info

Publication number
CN109827908B
CN109827908B CN201811583297.3A CN201811583297A CN109827908B CN 109827908 B CN109827908 B CN 109827908B CN 201811583297 A CN201811583297 A CN 201811583297A CN 109827908 B CN109827908 B CN 109827908B
Authority
CN
China
Prior art keywords
spectral data
hyperspectral
data
quality coefficient
image pixel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811583297.3A
Other languages
English (en)
Other versions
CN109827908A (zh
Inventor
杨燕杰
杨国防
邱骏挺
赵英俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Institute of Uranium Geology
Original Assignee
Beijing Research Institute of Uranium Geology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Research Institute of Uranium Geology filed Critical Beijing Research Institute of Uranium Geology
Priority to CN201811583297.3A priority Critical patent/CN109827908B/zh
Publication of CN109827908A publication Critical patent/CN109827908A/zh
Application granted granted Critical
Publication of CN109827908B publication Critical patent/CN109827908B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明属于信息提取技术领域，具体涉及一种利用光谱数据判别红富士苹果腐烂程度的方法，包括：步骤一：调整待筛选对象位置；步骤二：光谱数据预处理；步骤三：光谱数据转换为高光谱栅格影像像元数据；步骤四：采集特定波段高光谱栅格影像像元数据；步骤五：计算待测物品质系数H；步骤七：分析待测物品质系数H。本发明通过利用光谱数据处理方法对红富士苹果的腐烂程度进行自动筛选、判别，提高了数据处理速度及信息提取的精度，降低了人为判断的误差。

Description

一种利用光谱数据判别红富士苹果腐烂程度的方法
技术领域
本发明属于信息提取技术领域，具体涉及一种利用光谱数据判别红富士苹果腐烂程度的方法。
背景技术
目前我国红富士苹果质量的筛选仍然以人工筛选手段为主，效率很低。当前的光谱处理方法主要是光谱全波段匹配或是部分连续波段的光谱匹配，具体算法有光谱角、混合解调滤波等，这些方法在信息提取的过程中易受其他光谱或噪声的影响，提取信息精度较低。其次现有的光谱信息提取方法人工操作步骤多，增加了人为判断误差。因此，如何判别红富士苹果腐烂程度，并在判别腐烂过程中减少其他地物或噪声的影响，人工操作误差等影响，加快红富士苹果腐烂程度自动筛选技术的发展，成为当前红富士苹果光谱数据处理研究的前沿技术。
发明内容
本发明的目的在于提出一种利用光谱数据判别红富士苹果腐烂程度的方法，利用光谱数据处理方法判别红富士苹果腐烂程度，解决其他地物或噪声干扰苹果筛选准确性的技术问题。
本发明所采用的技术方案是：
一种利用光谱数据判别红富士苹果腐烂程度的方法，包括：
步骤一：调整待筛选对象位置；
步骤二：光谱数据预处理；
步骤三：光谱数据转换为高光谱栅格影像像元数据；
步骤四：采集特定波段高光谱栅格影像像元数据；
步骤五：计算待测物品质系数H；
步骤六：分析待测物品质系数H。
所述步骤一：调整待筛选对象位置，包括：将待筛选红富士苹果平放，光谱测量仪探头与待筛选红富士苹果距离5cm至10cm,探头不遮挡阳光或人造光源。
所述步骤二：光谱数据预处理还包括：大气校正，获取样品或地物光谱的反射率数据。
所述步骤三：光谱数据批量转换为高光谱栅格影像数据，还包括：将光谱数据转换为高光谱栅格影像像元数据，每个高光谱栅格影像像元数据对应一条光谱数据，每条光谱数据对应一个待筛选红富士苹果。
所述步骤四：采集特定波段高光谱栅格影像像元数据，包括：分别提取特定波段714nm和特定波段375nm的高光谱栅格影像像元数据。
所述步骤五：计算待测物品质系数H，包括：将特定波段714nm影像像元值的三次方除以特定波段375nm影像像元值得到待测物品质系数H。
所述步骤六，分析待测物品质系数H，包括：若待测物品质系数H小于2，则红富士苹果为表面腐烂；若待测物品质系数H大于等于2且小于等于10，则红富士苹果存在腐烂趋势，若待测物品质系数H大于10，则红富士苹果为正常苹果。
本发明的有益效果是：
本发明设计的一种利用光谱数据判别红富士苹果腐烂程度的方法，通过利用光谱处理方法对红富士苹果的腐烂程度进行自动筛选、判别，提高了数据处理速度及信息提取的精度，降低了人为判断的误差。
具体实施方式
一种利用光谱数据判别红富士苹果腐烂程度的方法，包括：
步骤一：调整待筛选对象位置；
步骤二：光谱数据预处理；
步骤三：光谱数据转换为高光谱栅格影像像元数据；
步骤四：采集特定波段高光谱栅格影像像元数据；
步骤五：计算待测物品质系数H；
步骤六：分析待测物品质系数H。
所述步骤一：调整待筛选对象位置，包括：将待筛选红富士苹果平放，光谱测量仪探头与待筛选红富士苹果距离5cm至10cm,探头不遮挡阳光或人造光源。
所述步骤二：光谱数据预处理还包括：大气校正，获取样品或地物光谱的反射率数据。
所述步骤三：光谱数据批量转换为高光谱栅格影像数据，还包括：将光谱数据转换为高光谱栅格影像像元数据，每个高光谱栅格影像像元数据对应一条光谱数据，每条光谱数据对应一个待筛选红富士苹果。
所述步骤四：采集特定波段高光谱栅格影像像元数据，包括：分别提取特定波段714nm和特定波段375nm的高光谱栅格影像像元数据。
所述步骤五：计算待测物品质系数H，包括：将特定波段714nm影像像元值的三次方除以特定波段375nm影像像元值得到待测物品质系数H。
所述步骤六，分析待测物品质系数H，包括：若待测物品质系数H小于2，则红富士苹果为表面腐烂；若待测物品质系数H大于等于2且小于等于10，则红富士苹果存在腐烂趋势，若待测物品质系数H大于10，则红富士苹果为正常苹果。也可根据实际情况调整阈值的选择，波段的位置选择只要与以上选择波段的取值误差小于5nm即可。
上面结合实施例对本发明作了详细说明，上述实施例是本发明的一个优选技术方案，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可以采用现有技术。

Claims (5)

1.一种利用光谱数据判别红富士苹果腐烂程度的方法，其特征在于：包括：
步骤一：调整待筛选对象位置；
步骤二：光谱数据预处理；
步骤三：光谱数据转换为高光谱栅格影像像元数据；
步骤四：采集特定波段高光谱栅格影像像元数据；
步骤五：计算待测物品质系数H；包括：将特定波段714nm影像像元值的三次方除以特定波段375nm影像像元值得到待测物品质系数H；
步骤六：分析待测物品质系数H，包括：若待测物品质系数H小于2，则红富士苹果为表面腐烂；若待测物品质系数H大于等于2且小于等于10，则红富士苹果存在腐烂趋势，若待测物品质系数H大于10，则红富士苹果为正常苹果。
2.根据权利要求1所述的一种利用光谱数据判别红富士苹果腐烂程度的方法，其特征在于：所述步骤一：调整待筛选对象位置，包括：将待筛选红富士苹果平放，光谱测量仪探头与待筛选红富士苹果距离5cm至10cm,探头不遮挡阳光或人造光源。
3.根据权利要求2所述的一种利用光谱数据判别红富士苹果腐烂程度的方法，其特征在于：所述步骤二：光谱数据预处理还包括：大气校正，获取样品或地物光谱的反射率数据。
4.根据权利要求3所述的一种利用光谱数据判别红富士苹果腐烂程度的方法，其特征在于：所述步骤三：光谱数据批量转换为高光谱栅格影像数据，还包括：将光谱数据转换为高光谱栅格影像像元数据，每个高光谱栅格影像像元数据对应一条光谱数据，每条光谱数据对应一个待筛选红富士苹果。
5.根据权利要求4所述的一种利用光谱数据判别红富士苹果腐烂程度的方法，其特征在于：所述步骤四：采集特定波段高光谱栅格影像像元数据，包括：分别提取特定波段714nm和特定波段375nm的高光谱栅格影像像元数据。
CN201811583297.3A 2018-12-24 2018-12-24 一种利用光谱数据判别红富士苹果腐烂程度的方法 Active CN109827908B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811583297.3A CN109827908B (zh) 2018-12-24 2018-12-24 一种利用光谱数据判别红富士苹果腐烂程度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811583297.3A CN109827908B (zh) 2018-12-24 2018-12-24 一种利用光谱数据判别红富士苹果腐烂程度的方法

Publications (2)

Publication Number Publication Date
CN109827908A CN109827908A (zh) 2019-05-31
CN109827908B true CN109827908B (zh) 2021-04-13

Family

ID=66860808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811583297.3A Active CN109827908B (zh) 2018-12-24 2018-12-24 一种利用光谱数据判别红富士苹果腐烂程度的方法

Country Status (1)

Country Link
CN (1) CN109827908B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2874482Y (zh) * 2005-12-09 2007-02-28 江西农业大学 水果高光谱图像采集装置
CN102072883A (zh) * 2010-07-07 2011-05-25 北京农业智能装备技术研究中心 农作物种子综合品质检测装置及方法
CN102890092A (zh) * 2012-10-12 2013-01-23 浙江大学 用于水蜜桃褐腐病缺陷检测的特征角余弦值方法
CN103900965A (zh) * 2012-12-25 2014-07-02 核工业北京地质研究院 一种用于方解石信息提取的高光谱影像处理方法
CN105527244A (zh) * 2015-10-26 2016-04-27 沈阳农业大学 一种基于近红外光谱的寒富苹果品质无损检测方法
CN105956612A (zh) * 2016-04-25 2016-09-21 西安电子科技大学 基于主动学习和半监督学习的高光谱图像分类方法
US9466122B1 (en) * 2014-08-25 2016-10-11 Raytheon Company Independent covariance estimation and decontamination
CN106525732A (zh) * 2016-10-25 2017-03-22 沈阳农业大学 基于高光谱成像技术的苹果内外品质快速无损检测方法
KR20180106639A (ko) * 2017-03-21 2018-10-01 한국세라믹기술원 그래핀에 도핑된 황 성분의 분석방법
CN108955620A (zh) * 2018-02-13 2018-12-07 中国科学院遥感与数字地球研究所 一种农田灌区面积遥感提取的方法及***

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8930015B2 (en) * 2012-11-20 2015-01-06 Bratney Companies Sorting system for damaged product
US9593982B2 (en) * 2012-05-21 2017-03-14 Digimarc Corporation Sensor-synchronized spectrally-structured-light imaging

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2874482Y (zh) * 2005-12-09 2007-02-28 江西农业大学 水果高光谱图像采集装置
CN102072883A (zh) * 2010-07-07 2011-05-25 北京农业智能装备技术研究中心 农作物种子综合品质检测装置及方法
CN102890092A (zh) * 2012-10-12 2013-01-23 浙江大学 用于水蜜桃褐腐病缺陷检测的特征角余弦值方法
CN103900965A (zh) * 2012-12-25 2014-07-02 核工业北京地质研究院 一种用于方解石信息提取的高光谱影像处理方法
US9466122B1 (en) * 2014-08-25 2016-10-11 Raytheon Company Independent covariance estimation and decontamination
CN105527244A (zh) * 2015-10-26 2016-04-27 沈阳农业大学 一种基于近红外光谱的寒富苹果品质无损检测方法
CN105956612A (zh) * 2016-04-25 2016-09-21 西安电子科技大学 基于主动学习和半监督学习的高光谱图像分类方法
CN106525732A (zh) * 2016-10-25 2017-03-22 沈阳农业大学 基于高光谱成像技术的苹果内外品质快速无损检测方法
KR20180106639A (ko) * 2017-03-21 2018-10-01 한국세라믹기술원 그래핀에 도핑된 황 성분의 분석방법
CN108955620A (zh) * 2018-02-13 2018-12-07 中国科学院遥感与数字地球研究所 一种农田灌区面积遥感提取的方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Detection of Early Rottenness on Apples by Using Hyperspectral Imaging Combined with Spectral Analysis and Image Processing;Baohua Zhang;《Food Anal. Methods》;20150125;全文 *
用高光谱成像和PCA检测苹果的损伤和早期腐烂;张保华 等;《红外与激光工程》;20131231;第42卷(第S2期);全文 *

Also Published As

Publication number Publication date
CN109827908A (zh) 2019-05-31

Similar Documents

Publication Publication Date Title
CN110441248B (zh) 基于高光谱图像技术的窖泥水分预测模型建立的方法
CN110441249B (zh) 基于高光谱图像技术的窖泥总酸预测模型建立的方法
CN109540831B (zh) 基于高光谱成像技术的枸杞子品种识别方法
CN109085136B (zh) 近红外漫反射光谱测定水泥生料氧化物成分含量的方法
CN109001218A (zh) 基于高光谱成像技术的苹果表面缺陷快速无损识别方法
CN104965973B (zh) 一种苹果霉心病多因子无损检测判别模型及其建立方法
CN108801975A (zh) 一种微型化近红外光谱仪检测酒糟成分的光谱预处理方法
CN101936894B (zh) 一种基于近红外光谱及显微脂肪细胞数据融合的猪肉新鲜度无损检测技术
CN103344597A (zh) 一种抗调味干扰的莲藕内部成分近红外无损检测的方法
CN201041553Y (zh) 基于多光谱成像技术的水果品质无损检测***
CN101957316A (zh) 一种用近红外光谱技术鉴别响水大米的方法
CN109187578A (zh) 基于高光谱成像技术的猕猴桃表面缺陷快速无损识别方法
CN112098361A (zh) 一种基于近红外光谱的玉米种子鉴别方法
CN115436508A (zh) 一种基于水果原料指标预测果汁品质的方法
CN109164069B (zh) 一种果树叶面病害级别的鉴定方法
CN113570538A (zh) 一种叶片rgb图像偏态分布参数信息采集及分析方法
CN116559111A (zh) 一种基于高光谱成像技术的高粱品种识别方法
CN102788796B (zh) 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法
CN112906740B (zh) 一种针对组织质谱成像结果去除批次间差异的方法
CN109827908B (zh) 一种利用光谱数据判别红富士苹果腐烂程度的方法
CN109827909B (zh) 一种利用光谱数据筛选红富士苹果质量的方法
CN105891130B (zh) 一种校正不同光谱信息确定物质信息误差的方法
CN109829464B (zh) 一种利用光谱数据筛选红富士苹果的方法
CN104181125A (zh) 快速测定啤酒麦芽中库尔巴哈值的方法
CN115146219A (zh) 基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant