[发明专利]一种稻谷霉变无损检测的方法

摘要

本发明涉及一种基于计算机视觉技术对稻谷霉变检测的方法，属于一种新型的检测技术。通过计算机视觉图像采集装置，获取正常(对照组)、霉变早期和霉变晚期图像，经图像处理后，对图像的灰度特征、颜色特征和纹理特征进行提取。采用支持向量机和偏最小二乘法判别分析构建检测模型，首先对正常稻谷与霉变稻谷进行了区分，又对不同霉变稻谷类型进行区分。本方法可以实现对稻谷是否霉变的准确识别，同时可以实现对不同真菌引发的霉变进行准确区分。该方法比传统的人工检测更加快速、准确、方便，而且对稻谷霉变的预防控制有很重要的意义。

主权项

一种稻谷霉变无损检测的方法，包括计算机视觉图像采集系统、图像处理、特征参数提取、识别模型构建，其中，1)计算机视觉系统由计算机、相机、光源、支架和底座组件构成，其中，相机采用的型号为NEX‑6的索尼相机，自动白平衡，光圈f/9.0，曝光时间为1/10s，ISO 100，焦距为30mm；光源有两条LED灯组成，每条12W，长度为33cm，可手动调节亮度；底座是由一块30cm×30cm×1.1cm的金属板组成，底座上有螺孔，用来调节和固定支架；电脑型号为Dell Optiplex 7010、3.4GHz、内存8G、显卡256M GeForce GT240；其中，分别对空白组、早期霉变和晚期霉变稻谷进行图像采集；2)图像处理图像处理使用的主要算法有图像归一化、提取感兴趣区域、转灰度、归一化灰度直方图、R、G、B分量归一化直方图提取；3)特征参数提取①分别提取灰度特征H₁、H₂…H₁₆，红色分量R₁、R₂…R₁₆，绿色分量G₁、G₂…G₁₆，蓝色分量B₁、B₂…B₁₆和用来描述纹理特征的灰度共生矩阵中的角二阶矩ASM、能量E、对比度CON、熵ENT，共68个特征数据；②SPA特征优选：对68个特征进行特征优选，其中，在区分空白与霉变稻谷的特征选取中，共优先出11个特征数据，特征变量集v为R₄、R₁₁、R₁₂、R₁₃、G₂、G₈、G₁₂、B₂、B₉、B₁₁、B₁₃；在早期区分不同种类真菌霉变稻谷的特征选取中，共优选出13个特征数据，特征变量集v为R₂、R₃、R₉、R₁₁、R₁₂、R₁₃、G₁₁、G₁₂、G₁₃、B₇、B₈、B₉、B₁₁；在晚期区分不同种类真菌霉变稻谷的特征选取中，共优选出14个特征数据，特征变量集v为H₁₃、R₁、R₉、R₁₁、R₁₃、G₁₁、G₁₂、B₂、B₃、B₄、B₅、B₇、B₈、B₁₀；4)识别模型构建其中，构建的支持向量机模型(SVM)为：将特征变量集v作为输入值，是否霉变、哪种类型的霉变作为输出值，核函数为径向基函数，核函数参数gamma值均为0.01，惩罚系数cost值为1；其中，构建的偏最小二乘模型(PLSDA)为：将特征变量集v作为输入值，是否霉变、哪种类型的霉变作为输出值。