冯迪
- 作品数:7 被引量:62H指数:4
- 供职机构:沈阳农业大学更多>>
- 相关领域:农业科学自动化与计算机技术轻工技术与工程更多>>
- 采用二次连续投影法和BP人工神经网络的寒富苹果病害高光谱图像无损检测被引量:29
- 2017年
- 为提供苹果病害在线、快速、无损检测的理论依据,采用高光谱成像技术进行了北方大面积种植的寒富苹果病害无损检测研究。寒富苹果的主要病害有炭疽病、苦痘病、黑腐病和褐斑病害。为选择较少的有效波长而利于在线快速检测,首先采集高光谱苹果图像,分割出感兴趣区域并提取光谱信息,然后采用连续投影算法(successive projections algorithm,SPA)从全波长(500~970 nm)中提取了10个特征波长SPA1(502、573、589、655、681、727、867、904、942 nm和967 nm),再对这10个特征波长采用连续投影算法提取3个特征波长SPA2(681、867 nm和942 nm)。最后利用全波长光谱信息、SPA1提取的10个特征波长的光谱信息和SPA2提取的3个特征波长的光谱信息作为输入矢量采用线性判别分析、支持向量机和BP人工神经网络(BP artificial neural network,BPANN)模型进行苹果病害的检测。通过对检测结果分析,最终选择SPA2-BPANN为最佳检测方法,训练集检测率达100%,验证集检测率达100%。结果表明,高光谱成像技术可以有效对苹果病害进行检测,所获得的特征波长可为开发多光谱成像的苹果品质检测和分级系统提供参考。
- 刘思伽田有文张芳冯迪
- 关键词:高光谱成像BP人工神经网络苹果病害无损检测
- 苹果品质高光谱成像检测技术研究进展被引量:6
- 2017年
- 高光谱成像对水果的无损检测是近些年迅速发展的一项新技术,它能三维地获取被检测对象内部与外部多项特征。本文通过介绍高光谱成像系统结构、光源种类及扫描形式,归纳适用于检测苹果品质的系统类型,通过描述指标检测操作流程解析其中几个重要环节,并对国内外苹果指标检测的操作流程、建模方法、研究进展进行总结,最后提出苹果品质高光谱无损检测的研究方向和应用前景。
- 冯迪纪建伟张莉刘思伽田有文
- 关键词:高光谱成像苹果品质无损检测
- 基于高光谱成像技术的苹果内外品质快速无损检测方法
- 本发明提供的基于高光谱成像技术的苹果内外品质的快速无损检测方法,利用高光谱成像系统采集苹果图谱信息,分析苹果光谱曲线的特征,并对光谱数据进行分析。然后,确定单波段图像,对其进行二次阈值分割,提取相应区域,并提取相应区域的...
- 田有文张芳刘思伽冯迪
- 基于高光谱成像苹果外观与内部多指标检测研究
- 我国是苹果种植大国,产量近10年高居世界首位,各种苹果需要精确分级以适应不同人群的需求。面对庞大的数量,有必要建立精度高、速度快、指标全的检测线,以实现智能化分级,对于提高分级效率、节省劳动成本、保障我国优质苹果与进口品...
- 冯迪
- 关键词:苹果高光谱成像
- 文献传递
- 基于高光谱成像提取苹果糖度与硬度最佳波长被引量:18
- 2017年
- 利用高光谱成像技术提取可同时检测苹果糖度与硬度的最佳波长。首先双面采集苹果的高光谱图像,获取亮度相近感兴趣区域(ROIs)的反射波形,采用二阶导数结合标准正态变量(SD+SNV)的方法平滑波形,测试ROIs的糖度与硬度;之后采用连续投影算法(SPA)提取两项指标的特征波长,根据特征波长的分布提出二次连续投影算法,结合波形集特征与两次投影结果确定不同取样面的最佳波长;最后采用遗传算法开发神经网络(GA-BP)建立预测模型,双面取样波长(543 nm和674 nm)效果最优,糖度相关系数(R)为0.847 6,均方误差(MSE)为3.32;硬度R为0.793 8,MSE为9.6。结果表明,相同波长信息可以检测苹果糖度与硬度。
- 冯迪纪建伟张莉刘思伽田有文
- 关键词:高光谱成像苹果
- 基于高光谱成像技术的苹果内外品质快速无损检测方法
- 本发明提供的基于高光谱成像技术的苹果内外品质的快速无损检测方法,利用高光谱成像系统采集苹果图谱信息,分析苹果光谱曲线的特征,并对光谱数据进行分析。然后,确定单波段图像,对其进行二次阈值分割,提取相应区域,并提取相应区域的...
- 田有文张芳刘思伽冯迪
- 文献传递
- 基于高光谱成像的苹果病害无损检测方法被引量:12
- 2016年
- 苹果果实易发生病害,传统的苹果病害的检测不适应苹果分级在线检测的要求。为了实现病害苹果快速、有效的在线检测,采用高光谱成像技术对寒富苹果的炭疽病、苦痘病、黑腐病和褐斑病的病害果进行无损检测研究。根据正常区域与病害区域光谱相对反射率差异,提出改进流形距离方法。综合计算病害与正常区域,病害与果梗/花萼区域,正常与果梗/花萼区域的光谱相对反射率的总改进流行距离L值,从而从全波段中选择了3个特征波段,分别为700,765,904nm。对700nm特征波段下的图像进行阈值分割,以此获得掩膜图像,并对掩膜后的图像二次阈值分割提取感兴趣区域。将3个特征波段下对应的光谱相对反射率分别组合,作为BP神经网络的输入矢量,检测苹果是否为病害果。结果表明:选择700nm与904nm波段下的光谱相对反射率为最佳组合,病害果的检测率达96.25%。说明高光谱成像技术所获得的2个特征波段可以有效对苹果病害进行检测,为开发多光谱成像的苹果品质在线检测和分级系统提供参考。
- 刘思伽田有文冯迪张芳崔博
- 关键词:苹果病害高光谱成像无损检测BP神经网络