基于多光谱成像的蓝莓成熟度检测方法与流程

摘要: 本发明涉及果实成熟度检测,尤其涉及一种基于多光谱成像的蓝莓成熟度检测方法。背景技术:1、蓝莓成熟度是决定其采收时间、货架期及商品价值的关键指标。目前,蓝莓成熟度...
基于多光谱成像的蓝莓成熟度检测方法与流程

本发明涉及果实成熟度检测,尤其涉及一种基于多光谱成像的蓝莓成熟度检测方法。

背景技术:

1、蓝莓成熟度是决定其采收时间、货架期及商品价值的关键指标。目前,蓝莓成熟度的检测方案主要有人工目测、相机现场检测,以及实验室光谱分析三种。

2、人工目测方案主要依靠检测人员通过肉眼观察蓝莓果实的颜色、大小等外观特征进行成熟度判断。这种方式主观性强,不同人员的判断标准难以统一,同时人工检测效率低,难以满足规模化种植和工业化分选的生产需求,一般只有不具备仪器检测能力的小型农场会继续使用。

3、相机现场检测方案,主要通过工业相机或普通rgb相机采集蓝莓图像,经图像处理算法提取颜色、形状等特征进行成熟度分类。然而,rgb图像仅包含红、绿、蓝三个通道的颜色信息,光谱分辨率极为有限,无法反映果实内部化学成分(如花青素、叶绿素等)随成熟进程发生的细微变化,导致对颜色相近但成熟度不同的果实难以有效区分。此外,现有基于相机图像的检测方案大多仅利用颜色或形状等单一维度特征,对与成熟度密切相关的其他生物学特征(如果粉覆盖状态、果蒂变化等)缺乏系统性的量化表征与融合利用;同时,数据采集后通常依赖云端或高性能计算平台进行处理,难以在移动终端设备上实现从图像采集到成熟度判别的全流程实时处理,限制了检测系统的便携性和现场适用性。

4、实验室光谱分析方案,其采用分光光度计或高光谱成像设备获取蓝莓的精细光谱数据。这类方法虽然检测精度较高,但设备体积庞大、成本高昂,且通常需要复杂的样品制备和较长的测量时间,仅适用于实验室研究场景,无法在田间、仓库或分选现场实现快速部署和实时检测。

5、综上,现有技术中缺乏一种能够兼顾高精度光谱分辨能力与便携式现场快速检测需求的蓝莓成熟度检测方案。如何在保持检测精度的前提下,实现检测设备的轻量化、便携化,并支持在移动终端上完成从数据采集到结果输出的全流程实时处理,是本领域亟需解决的技术难题。

技术实现思路

1、针对上述问题,本发明提出一种基于多光谱成像的蓝莓成熟度检测方法,主要解决现有蓝莓成熟度检测方法的现场检测便捷性不足的问题。

2、为解决上述技术问题,本发明的技术方案如下:

3、一种基于多光谱成像的蓝莓成熟度检测方法,包括以下步骤:

4、获取蓝莓样本的多光谱原始图像数据,其中,所述多光谱原始图像数据包含所述蓝莓样本在多个预设波段下的图像信息;

5、对所述多光谱原始图像数据进行光谱重建,生成光谱立方体数据,所述光谱立方体数据包含所述蓝莓样本各像素点在各个所述预设波段的光谱响应值;

6、对所述光谱立方体数据进行光谱校正,将所述光谱响应值转换为反射率值,得到校正后光谱数据;

7、对所述校正后光谱数据进行目标分割,提取所述蓝莓样本中单个蓝莓果实所对应的区域,作为感兴趣区域;

8、基于所述感兴趣区域提取光谱特征,所述光谱特征包括所述感兴趣区域在各个所述预设波段上的平均光谱曲线、波段比值特征和红边特征;

9、将所述光谱特征输入至预构建的成熟度分类模型,通过所述成熟度分类模型输出所述蓝莓样本对应的成熟度等级。

10、在一些实施方式中,所述对所述多光谱原始图像数据进行光谱重建,包括:

11、对所述多光谱原始图像数据进行光谱去马赛克处理,通过光谱插值估算各像素在各个所述预设波段中的缺失波段的光谱响应值,重建为各像素对应全部所述预设波段的光谱响应值的光谱立方体数据。

12、在一些实施方式中,所述对所述光谱立方体数据进行光谱校正,包括:

13、对所述光谱立方体数据进行黑电平校正;

14、以及对所述光谱立方体数据进行光谱响应校正,修正各预设波段之间的光谱灵敏度差异。

15、在一些实施方式中,所述将所述光谱响应值转换为反射率值,包括:

16、获取标准白板在各所述预设波段下的参考光谱响应值,按照以下公式计算反射率值:

17、

18、其中,rλ表示波长λ处的反射率值,sλ表示所述蓝莓样本在波长λ处的光谱响应值,wλ表示所述标准白板在波长λ处的参考光谱响应值。

19、在一些实施方式中,所述对所述校正后光谱数据进行目标分割,包括:

20、采用图像分割算法从所述校正后光谱数据中提取蓝莓果实的轮廓信息,根据所述轮廓信息将单颗蓝莓果实从背景和/或枝叶中分离出来,得到所述感兴趣区域。

21、在一些实施方式中,所述平均光谱曲线的提取方法为:

22、获取所述感兴趣区域内所有像素在各所述预设波段上的反射率值,分别计算各所述预设波段上所有像素的反射率平均值,以波长为横坐标、反射率平均值为纵坐标生成所述平均光谱曲线。

23、在一些实施方式中,所述波段比值特征包括红光波段与绿光波段的反射率比值,所述红边特征包括红边位置和/或红边斜率,其中,所述红边位置为红光波段至近红外波段之间反射率变化率最大的波长位置,所述红边斜率为所述红边位置处的反射率变化率。

24、在一些实施方式中,所述红光波段为680nm,所述绿光波段为550nm。

25、在一些实施方式中,所述成熟度分类模型部署于移动终端本地,所述光谱特征的提取、所述成熟度分类模型的推理以及所述成熟度等级的输出均在所述移动终端本地完成。

26、在一些实施方式中,所述移动终端与多光谱相机模块连接,在所述移动终端本地完成以所述多光谱原始图像数据为起始,在所述移动终端本地完成光谱重建、光谱校正、目标分割、光谱特征提取及成熟度等级输出,并且将所述多光谱原始图像数据、所述光谱特征和/或所述成熟度等级存储至所述移动终端的本地存储,并通过无线网络上传至云端服务器。

27、本发明的有益效果为:通过获取蓝莓样本的多光谱图像,经光谱重建与校正将光谱响应值转换为具有物理可比性的反射率值,再经目标分割提取单颗果实区域,基于该区域提取平均光谱曲线、波段比值特征和红边特征等多维度光谱特征,以充分反映蓝莓成熟过程中的内部成分变化,最后将上述特征输入成熟度分类模型输出成熟度等级,相比人工目测或rgb图像检测,显著提升了检测准确性、标准化程度及现场检测效率,适用于大规模种植与工业化分选场景。

1.一种基于多光谱成像的蓝莓成熟度检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于多光谱成像的蓝莓成熟度检测方法,其特征在于,所述对所述多光谱原始图像数据进行光谱重建,包括:

3.根据权利要求1所述的基于多光谱成像的蓝莓成熟度检测方法,其特征在于,所述对所述光谱立方体数据进行光谱校正,包括:

4.根据权利要求1所述的基于多光谱成像的蓝莓成熟度检测方法,其特征在于,所述将所述光谱响应值转换为反射率值,包括:

5.根据权利要求1所述的基于多光谱成像的蓝莓成熟度检测方法,其特征在于,所述对所述校正后光谱数据进行目标分割,包括:

6.根据权利要求1所述的基于多光谱成像的蓝莓成熟度检测方法,其特征在于,所述平均光谱曲线的提取方法为:

7.根据权利要求1所述的基于多光谱成像的蓝莓成熟度检测方法,其特征在于,所述波段比值特征包括红光波段与绿光波段的反射率比值,所述红边特征包括红边位置和/或红边斜率,其中,所述红边位置为红光波段至近红外波段之间反射率变化率最大的波长位置,所述红边斜率为所述红边位置处的反射率变化率。

8.根据权利要求7所述的基于多光谱成像的蓝莓成熟度检测方法,其特征在于,所述红光波段为680nm,所述绿光波段为550nm。

9.根据权利要求1所述的基于多光谱成像的蓝莓成熟度检测方法,其特征在于,所述成熟度分类模型部署于移动终端本地,所述光谱特征的提取、所述成熟度分类模型的推理以及所述成熟度等级的输出均在所述移动终端本地完成。

10.根据权利要求9所述的基于多光谱成像的蓝莓成熟度检测方法,其特征在于,所述移动终端与多光谱相机模块连接,在所述移动终端本地完成以所述多光谱原始图像数据为起始,在所述移动终端本地完成光谱重建、光谱校正、目标分割、光谱特征提取及成熟度等级输出,并且将所述多光谱原始图像数据、所述光谱特征和/或所述成熟度等级存储至所述移动终端的本地存储,并通过无线网络上传至云端服务器。