国家自然科学基金(31301236)
- 作品数：9 被引量：207H指数：7
- 相关作者：黄文倩李江波张保华赵春江郭志明更多>>
- 相关机构：北京市农林科学院上海交通大学国家农业信息化工程技术研究中心更多>>
- 发文基金：国家自然科学基金北京市农林科学院博士后基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术理学农业科学轻工技术与工程更多>>
- 特征变量优选在苹果可溶性固形物近红外便携式检测中的应用被引量：15
- 2014年
- 为实现苹果可溶性固形物(SSC)的便携式快速检测,利用环形光纤探头和微型光谱仪搭建便携式苹果可溶性固形物光谱采集系统,结合无信息变量消除(UVE)、遗传算法(GA)、竞争性自适应加权(CARS)算法筛选基于偏最小二乘(PLS)的苹果可溶性固形物的近红外光谱特征波长。另外,采用反向区间最小二乘支持向量机(BiLS-SVM)和GA算法优选基于LS-SVM的特征波长变量,分别建立所选特征波长和全波段的PLS模型和LS-SVM模型。试验结果表明,经过GA-CARS算法从全波段1 512个波长中筛选出的50个特征波长建立的PLS模型效果最好,其预测相关系数和预测均方根误差分别为0.962和0.403°Brix。利用该检测装置结合GA-CARS筛选的特征波长,可有效简化苹果可溶性固形物近红外便携式检测模型并提高模型的预测精度,为进一步构建便携式苹果可溶性固形物检测设备奠定了基础。
- 樊书祥黄文倩李江波郭志明赵春江
- 关键词：苹果可溶性固形物
- 高光谱图像感兴趣区域对苹果糖度模型的影响被引量：22
- 2014年
- 高光谱图像技术作为一种强有力的新兴技术，已应用于食品农产品品质与安全检测研究，然而高光谱图像中感兴趣区域形状大小的选择直接影响着检测的精度和稳定性。首先采集苹果330～1100nm的高光谱图像，分别提取不同大小的圆形感兴趣区域和方形感兴趣区域的平均光谱，经光谱预处理以消除噪声及无关信息的影响，然后采用偏最小二乘法分别建立苹果的糖度定量分析模型，并以独立样本的预测集进行验证，分析感兴趣区域形状大小对高光谱图像建模精度的影响。结果表明，提取直径为150像素的圆形感兴趣区域建立的苹果糖度模型精度最高，预测能力最强，校正集相关系数K为0．9305，校正均方根误差RMSEC为0．4331，预测集相关系数氏为0．9232，预测均方根误差RMSEP为0．4568。研究表明，针对研究对象选择合适形状和大小的感兴趣区域，对提高模型精度、发挥高光谱图像的技术优势具有重要意义。
- 郭志明黄文倩彭彦昆王秀李江波
- 关键词：感兴趣区域偏最小二乘法苹果糖度
- 基于I-RELIEF和SVM的畸形马铃薯在线分选被引量：9
- 2014年
- 在提取的RGB图像的R分量图像上提取二值图像和边界图像,计算马铃薯图像的偏心度、矩形度、圆形度以及边界图像的10个傅立叶描述子等共计13个形状特征。其次把样本的形状特征输入到I-RELIEF模块中,求出各个形状特征在分类中的影响程度,即各自权值。然后把带权值的样本形状特征输入到支持向量机算法模块中进行训练,从而得到分类器。最后用分类器实现畸形马铃薯的在线分选。试验结果表明:该方法每秒钟可以检测4个马铃薯,可以满足分选设备的实时性要求,并且畸形马铃薯的识别率高达98.1%。
- 张保华黄文倩李江波赵春江刘成良黄丹枫
- 关键词：傅立叶描述子
- 高光谱成像技术在果蔬品质与安全无损检测中的原理及应用被引量：70
- 2014年
- 水果和蔬菜的品质与安全是消费者最为关心的问题。传统的化学检测方法是一种费时费力的破坏性检测技术。随着成像和光谱技术的快速发展,高光谱成像技术已经广泛应用于农产品品质与安全的快速无损检测中。高光谱成像技术融合了传统的成像和光谱技术的优点,可以同时获取被检测物体的空间信息和光谱信息,因此该技术既可以像检测物体的外部品质,又可以像光谱技术一样检测物体的内部品质和品质安全。目前,已经有大量的基于高光谱成像技术检测水果和蔬菜品质与安全的研究性论文发表,为了深入了解高光谱成像技术的检测原理并跟踪国内外最新的研究进展,综述了高光谱成像技术在水果和蔬菜外部品质、内部品质和品质安全检测中的原理、发展和应用。另外,还简要介绍和讨论了高光谱成像系统的构成、常用的数据分析方法、发展趋势及面临的挑战。
- 张保华李江波樊书祥黄文倩张驰王庆艳肖广东
- 关键词：水果蔬菜无损检测
- 应用CARS和SPA算法对草莓SSC含量NIR光谱预测模型中变量及样本筛选被引量：45
- 2015年
- 采用光谱技术对水果进行定量或定性分析,如何获得一个简单、有效的校正模型对后续模型的应用和维护都非常关键。以草莓内部品质近红外光谱预测为例,从关键变量和特征样本优选两方面进行研究。采用竞争性自适应重加权CARS算法对光谱变量进行初次选择,随后采用连续投影算法SPA对校正集样本进行优选,获得98个特征样本,针对优选后的变量/样本子集利用SPA算法作二次关键变量提取,获得25个关键变量。为了验证CARS算法的性能,蒙特卡罗无信息变量消除MC-UVE和连续投影算法SPA用于比较研究。CARS算法在消除无信息变量的同时可以对共线性信息进行去除。同样,为了评估SPA算法在特征样本选择中的性能,经典的Kennard-Stone算法也用于比较分析。SPA算法能够用于校正集特征样本的优选。针对最终优选后的变量/样本(25/98)子集建立PLS和MLR模型对草莓内部可溶性固形物含量SSC含量进行定量预测。结果表明,两个模型利用原始变量/样本的0.59%/65.33%的信息均能够获得比基于原始变量/样本所建模型更好的性能,且MLR模型比PLS模型性能略优,r2pre,RMSEP和RPD分别为0.909 7,0.348 4和3.327 8。
- 李江波郭志明黄文倩张保华赵春江
- 关键词：近红外光谱草莓可溶性固形物
- 基于高光谱成像技术和MNF检测苹果的轻微损伤被引量：30
- 2014年
- 苹果损伤是一种发生在水果采摘和产后处理阶段的不可避免的主要缺陷。为了快速有效地识别苹果的轻微损伤，以具有代表性的双色红富士苹果为研究对象，提出了一种以高光谱成像和最低噪声分离（MNF）变换的苹果轻微损伤识别检测方法。首先，使用高光谱成像系统获取苹果的可见-近红外波段（400～1000nm）的图像，对比发现全波段的最低噪声分离变换比主成分分析（PCA）变换可获得更好的识别效果；其次，利用I-RELIEF算法对正常表皮和损伤区域的光谱进行分析得出权值系数图，依据该系数曲线挑选出了5个特征波段（560，660，720，820和960nm）；最后，特征波段和最低噪声分离变换开发了损伤苹果的识别检测算法。利用该算法对80个正常苹果和含有不同时间阶段轻微损伤的苹果进行试验，损伤识别总体正确率为97.1％，试验结果表明，利用该方法和选取的特征波段可以快速有效地识别苹果的早期轻微损伤，为利用多光谱成像技术和最低噪声分离变换在线检测苹果轻微损伤奠定了基础。
- 张保华黄文倩李江波赵春江刘成良黄丹枫贡亮
- 桃子表面缺陷分水岭分割方法研究被引量：7
- 2014年
- 水果表皮缺陷的有效检测是水果自动化无损检测重要的部分,并且表皮缺陷的准确分割是对缺陷果准确分级的前提,也有助于缺陷果的分类识别。然而,通常水果表面具有较大的曲率变化,这种变化的曲率导致水果表面对同一入射光源照度反射的不均,进而影响缺陷区域的准确分割。本研究以平谷大桃为例,提出采用基于形态学梯度重构和内外标记的分水岭算法对水果表面缺陷进行分割。首先,提取R通道图像,采用NIR图像构建掩模模板并对R通道图像去背景;随后,去除背景后的图像进行形态学梯度变化获取梯度图像,并对梯度变化后的图像进行梯度重建以去除水果表面的细小噪声;接着,对重建后的梯度图像进行形态学标记运算获取标记图像;然后,采用标准分水岭算法实现缺陷的准确分割。对正常果、刺伤果、裂果、黑斑果、虫咬伤果、腐烂果和疤伤果7种表皮类型样本共计525幅图像检测结果表明,能够获得96.8%识别率。实验证明,基于形态学梯度重构和标记提取的分水岭算法能够有效用于桃子表面缺陷的分割,并不会受到桃子表面光照不均的影响。
- 李江波彭彦昆黄文倩张保华武继涛
- 关键词：桃子形态学变化
- 基于编码点阵结构光的苹果果梗/花萼在线识别被引量：5
- 2015年
- 为解决苹果机器视觉自动分级时果梗/花萼识别的难题,提出一种基于位置变化的点阵结构光编码方法,并用于苹果果梗/花萼的在线检测。通过分析投射在物体和参考平面上光斑的成像规律,提出将光斑的位置变化作为编码基元;在二元域中,利用编码基元生成M阵列,将其作为近红外点阵结构光的编码模式;通过分析匹配后的差值矩阵,识别果梗/花萼的位置。在线实验结果表明:该方法可以有效地实现果梗/花萼的在线识别,在满足实时性要求前提下,平均识别正确率可达到93.17%。
- 张驰陈立平黄文倩郭志明王庆艳
- 关键词：苹果
- 基于亮度校正和AdaBoost的苹果缺陷在线识别被引量：13
- 2014年
- 提出了一种基于亮度校正和AdaBoost的苹果缺陷与果梗-花萼在线识别方法。以富士苹果为研究对象,首先在线采集苹果的RGB图像和NIR图像,并分割NIR图像获得苹果二值掩模;其次利用亮度校正算法对R分量图像进行亮度校正,并分割校正图像获得缺陷候选区(果梗、花萼和缺陷);然后以每个候选区域为掩模,随机提取其内部7个像素的信息分别代表所在候选区的特征,将7组特征送入AdaBoost分类器进行分类、投票,并以最终投票结果确定候选区的类别。实验结果表明,该算法检测速度为3个/s,满足分选设备的实时性要求,且总体正确识别率达95.7%。
- 张保华黄文倩李江波赵春江刘成良黄丹枫
- 关键词：机器视觉
