第35卷，第11期 2015年11月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 35,No.11 -pp3167-3171
November,2015
基于高光谱成像技术的山楂损伤和虫害缺陷识别研究
刘德华，张淑娟1*，王斌，余克强”，赵艳茹，何勇”
1．山西农业大学工学院，山西太谷030801
2.浙江大学生物系统工程和食品科学学院，新江杭州310058
摘要采用高光谱成像技术(420～1000nm)对山楂的缺陷（表面的损伤以及虫害区域)进行识别研究。共采摘了134个样品，包含损伤果46个、虫害果30个、损伤及虫害果10个和完好果48个。考虑到山楂的花票、果梗与损伤、虫害的RGB图像有相似的外观特征，容易造成误判，利用高光谱成像系统采集广损伤、虫害、完好、花萼和果梗五个区域一共230个山楂样本的高光谱图像，并提取相应的感兴趣区域（regionofin terest，ROI），得到了样本的光谱数据。使用标准归一化（standardnormalizedvariate，SNV），卷积平滑(savitzkygolay，SG），中值滤波（medianfilter，MF），多元散射校正（multiplicative scatter correction，MSC）方法进行光谱预处理，建立偏最小二乘（partialleast squaresmethod，PLS)判别分析模型，结果表明经过 SNV预处理后的预测结果较好。最后选取SNV作为预处理方法。应用回归系数法（regressioncoefficients， RCs)从全波段中提取10条特征波段（483，563，645，671，686，722，777，819，837和942nm），利用 Kennard-Stone算法将各类样本按照3：1的比例随机分成训练集（173个)和测试集（57个），并对其建立最小二乘支持向量机（least squares-support vector machine，LS-SVM）判别模型，山楂缺陷的正确识别率为 91.23%。然后，运用主成分分析（principalcomponentanalysis，PCA进行10条缴感波段下单波段图像的数据压缩，分别采用"sobel"算子和区域生长算法“Regiongrow"识别出86个缺陷山楂样本的边缘与缺陷特征区域，得出单损伤、单虫害和损伤及虫害样本的识别率分别为95.65%，86.67%和100%。研究结果表明：采用高光谱成像技术可以对山楂的损伤、虫害、花萼和果梗进行定性分析和特征识别，该研究为山楂的缺陷无损检测提供了理论参考。
关键词山楂；缺陷；高光谱成像技术；定性分析；特征识别
中图分类号：0657.3
引言
文献标识码：A
DOI : 10, 3964 /j. issn. 1000-0593(2015 )11-3167-05
此迫切需要一种能够快速、准确识别出山楂损伤和虫害的方法。
高光谱成像技术是一种光谱和图像的融合技术，具有分
山楂（CrataeguspinnatifidaBunge）具有很高的营养和保健价值。既可以深加工成果粉和果饮等产品：又对高脂血症和心脑血管系统有重要的药用价值"。然而损伤和虫害的存在严重影响了山楂的产量和品质，损伤是指采摘或运输过程中受到撞击或挤压而引起的，此区域在储存期间后会受到病菌的侵害，最终导致果实腐烂等；虫害由桃小食心虫等引起，其幼虫蛙人果实后，形成针孔大小的入果孔，果里面有微量水珠状胶，幼虫在果内串食，果内充满粪便，所以有必要对损伤和虫害缺陷样本进行研究。在实际生产过程中，利用人工将损伤和虫害的样本剔除，不仅耗时且效率低下，因
收稿日期：2014-05-19，修订日期：2014-10-12
辨率高、波段多等特点，近年来其在水果检测方面应用广泛。Li等3利用PCA和波段比算法分别结合高光谱成像技术检测了橘子的多种病变部位，准确率为91.5%和93.7%；王斌等3运用高光谱成像技术检测梨枣的腐烂、病害，结果表明，使用光谱近似系数为特征参数并使用逐步判别分析法建立的模型得到最佳分类效果，其分类准确率为99.12%： Lee等}运用高光谱成像技术对不同周期的损伤梨样本进行识别研究，得出波段比为R1074/R1016时的识别效果最好，正确率为92%。Wang等5运用高光谱成像技术采集了完好、虫害、花萼和果梗等区域的图像信息，并采用逐步判别
基金项目：国家自然科学基金项目（31271973)和山西省自然科学基金项目(2012011030-3)资助
作者简介：刘德华，1987年生，山西农业大学工学院硕士研究生
*通讯联系人e-mail；xsujuar@163.com
e-mail : ldh1987@ 163, com