外源虫害是评价红枣果实表面缺陷的主要指标。昆虫会改变红枣的颜色，并在其表面制造虫洞，从而对红枣造成严重损害。在一批货物中出现一些受感染的水果会导致整批货物滞销。因此，在将水果运往市场之前，确定它们是否有虫害是非常重要的。完整无虫洞不仅会增加产品的适销性，而且还会延长和维持其保质期。

图1不同枣样品表面情况

近年来，在多光谱成像的基础上，仅检测有效波长的用于控制食品质量的高光谱成像在线系统逐渐发展。将图像处理技术与统计学相结合，用于识别红枣茎端/花萼端区域和颊部表面的昆虫损害。高光谱反映了高分辨率光学信息的特征，其利用很多很窄的电磁波波段（通常10nm）从感兴趣的物体获取有关数据。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。使红枣表面信息更易被发掘。

高光谱具有以下特点：

（1）光谱特征多。成像光谱仪在可见光和近红外光谱区内有个波段。（2）光谱分辨率高。成像光谱仪采样的间隔小，分辨率小于2nm。精细的光谱分辨率反映了地物光谱的细微特征。（3）数据量丰富。随着波段数的增加，数据量呈指数增加。（4）可提供空间域信息和光谱域信息，即“图谱合一”，并且由成像光谱仪得到的光谱曲线可以与实测的同类地物光谱曲线相类比。

1.与可见光结果相比

可见光图像仅仅有红绿蓝（RGB）三个波段的光信息组成，在对红枣表面损伤识别时通过人工肉眼判读进行监测，效率低下且准确度有限。而高光谱图像结果具有个波段的光信息，对于红枣外源虫害可以提取其专属的波段特征，从而对其进行准确的识别，同时结合机器学习算法，可以实现自动化监测。

2.与多光谱结果相比

多光谱和高光谱的主要区别是波段的数量和窄度。多光谱图像通常由10-30个波段的光信息组成，容易与其他地物的反射光谱混淆。在高光谱图像中具有更高水平的光谱细节可以提供更好的植被区分能力，例如在检测罂粟时，高光谱图像可以有效区分罂粟与其他相似植物，提高准确率。（1）多光谱图像通常是指以像素表示的10到30个波段，每个波段可以通过使用遥感辐射计来获取。（2）高光谱图像包含很窄的波段，高光谱图像具有几百个波段（如ATH有个波段）。该高光谱成像系统用于获取枣样品反射率图像，其原理图如图2所示。该系统由四个主要部分组成:一个置物台，四个W的卤素灯，配有变焦镜头的高光谱成像仪ATH，直接连接至电脑，用于获取红枣的高光谱图像，并进行实时处理分析。

图2用于获取枣样品反射率图像的高光谱成像系统

1.应用流程

由于高光谱成像数据同时包含空间和光谱信息，因此枣果实上的每个像素对应一个光谱。图3显示了从枣样品高光谱图像的ROI收集的平均相对反射率光谱。根据红枣果皮的反射光谱特征，在果实的五种外部条件下得出的光谱趋势基本一致。在整个波长范围内，各大枣组的光谱曲线都比较平滑，在、和nm附近有三个较明显的特征。

图3五种外部剥离条件下枣果实的平均光谱曲线示意图

（1）利用公司开发的模型拟合程序，计算枣果实的光谱反射率与外部剥皮条件之间的相关系数(图4)。对相关系数值最高的波长(、、nm)图像使用配套软件进行平均计算，并借助二进制掩码检测感兴趣区域(ROI)的边缘。

图4五种外部剥离条件下枣果实的平均光谱曲线示意图

（1）在图像处理软件中（如ENVI）人工标记样本图像的外源虫害区域，并区分害虫损伤和茎端/花萼端区域，制作成红枣害虫损伤标准图像（ROI），并存储为红枣害虫损伤数据库，用于之后的工业大范围快速检测；（2）利用ENVI或者公司开发的数据解译软件，将红枣三波段的图像导入软件中，应用机器学习方法和红枣害虫损伤数据库对采集的红枣数据进行自动检测，并自动标记出害虫损伤处，返回果子坐标，最后结合工业筛选设备，进行不同品相红枣的分选。

图5不同外表面状态检测算法中涉及的关键步骤流程图

转载请注明:http://www.aideyishus.com/lkgx/6798.html