可见近红外高光谱图像技术无损检测梨表面损伤

2.5.4　可见/近红外高光谱图像技术无损检测梨表面损伤

检测样品以市场购买的梨作为研究对象。共有15个梨样本，每个样本均有3处碰压伤，损伤全部由人工模拟形成，在室温下放置3h后拍摄图像。

高光谱图像采集装置如图2－19所示。同样由1台CMOS照相机（Photonfocus，瑞士），1台行扫描光谱摄制仪（ImSpector V10E），2个500W的卤钨灯光源和一套输送装置等部件组成。本次试验光谱范围为400～1 000nm，光谱分辨率为3nm。高光谱图像数据处理方法同前。

在梨的高光谱图像中分别对梨表面正常区域与损伤区域取矩形的感兴趣区域（ROI），计算这些像素在每一个波长下ROI的平均值，所得光谱曲线如图2－33所示，图中上、下两条曲线分别为梨表面正常区域和损伤区域的光谱曲线。从图2－33中可以看出，在400～500nm之间反射值差别不明显，因此在后续图像处理中取光谱波长范围为500～1 000nm。

图2－33　梨表面正常区域和损伤区域的光谱曲线

对光谱数据进行主成分分析，可以根据方差贡献的大小来选择主成分图像，从中选择出最能表现梨表面特征的主成分图像。图2－34所示为通过主成分分析后得到的梨前3个主成分图像PC－1、PC－2和PC－3。从图2－34中可以看出第三主成分图像PC－3，对于检测梨表面的损伤最为明显。

图2－34　梨主成分分析的前3个主成分图像

（a）PC－1；（b）PC－2；（c）PC－3

每一个单独的PCA图像都是由一些显著波长线性组合而成。图2－35是根据PC－3图像的特征向量绘制的图像光谱曲线权重系数图，图中每一处波峰和波谷都代表了一个显著波长，根据权重系数选择三个PC－3的特征波长，分别是572nm、696nm和945nm。图2－36列出了这三个特征波长下梨的灰度图像。

图2－35　PC－3图像光谱曲线权重系数

图2－36　在572nm、696nm和945nm波长下的灰度图像

（a）572nm；（b）696nm；（c）945nm

由主成分分析原理可知，利用下面公式，对PC－3图像的3个特征波长图像进行线性组合，以融合成与PC－3相似的图像。

应用公式（2－4）得到的融合图像如图2－37（a）所示。首先，应用3×3模板对融合后的图像中值滤波，结果如图2－37（b）所示；然后，对滤波后图像中的梨范围内像素的灰度值进行反转，用最大灰度值（即255）减去每一个像素的灰度值，所得图像如图2－37（c）所示；接着观察图像的直方图，选择合适的阈值进行图像分割；最后，对得到的二值图像进行腐蚀和膨胀处理，从而完成特征区域的提取，结果如图2－37（d）所示。

图2－37　梨表面损伤特征提取

（a）融合后图像；（b）中值滤波后图像；（c）反转后图像；（d）阈值分割后特征图像

按照上述方法，对15个样本共45个碰压伤区域进行检测，检出率为97%，可见使用高光谱图像技术对检测梨表面碰压伤区域是非常有效的。图2－38所示为两个梨的PC－3图像与检测到的其碰压伤区域的合成图像，中间灰色区域是经检测所得到的碰压伤区域，而灰色区域边缘黑色的区域是未检测出的碰压伤区域。从图中可以看出，最终阈值分割后所提取的碰压伤区域面积都比梨表面实际的碰压伤区域面积小，两者之间存在一些差异，这样不利于水果在线检测的精确分级，因此还需对试验装置和数字图像处理方法进一步研究，以期达到最佳效果。

图2－38　梨表面碰压伤区域检测结果