基于高光谱成像的苹果损伤检测方法研究

作者：王凡; 孟翔宇; 陈龙跃; 段丹丹^*; 钱英军

来源：广东农业科学, 2023, 50(07): 57-63.

DOI：10.16768/j.issn.1004-874X.2023.07.006

• 苹果
• 损伤
• 高光谱
• 光谱指数
• 迭代自组织数据分析

【目的】研究苹果损伤高光谱特征，建立基于高光谱成像的苹果损伤区域最佳分类模型，为实时、快速、准确地识别苹果损伤提供重要依据。【方法】以北京平谷区收集的苹果样品为研究对象，利用高光谱图像技术检测水果表面机械损伤。利用390～1 000 nm范围的高光谱图像(HSI)数据，通过比值光谱分析损伤与正常感兴趣区域(ROI)的光谱响应特性，筛选特征波段，并构建较好地突出损伤区域特征的3种类型光谱指数：归一化光谱指数(NDSI)、比值光谱指数(RSI)和差值光谱指数(DSI)。在此基础上，优选提取损伤区域能力较强的光谱指数，利用迭代自组织数据分析(ISODATA)无监督据聚类算法提取苹果损伤区域。【结果】当苹果表面受到损伤时，光谱反射率变化显著。波段优化后发现，528、676 nm的反射率可以有效识别异常区域。基于选定的特征波段，构建苹果损伤检测的识别光谱指数，包括NDSI、RSI和DSI。光谱指数图像的像素值分析发现，损伤区域特征与正常区域特征在各光谱指数(SI)增强图像中区分明显。两类图像特征的NDSI像素平均值相差最大、达到0.629，表明建立的NDSI对损伤区域及正常区域特征具有较强的区分能力。利用无监督分类方法 ISODATA分类，验证了光谱特征指数在检测苹果损伤方面具有较高的特异性，对苹果损伤的检测正确率达到92.50%。【结论】研究结果适用于苹果损伤的实时快速检测，为苹果的精准管理生产提供技术基础与参考。

• 单位
  北京市农林科学院