高光谱图像技术结合图像处理方法检测马铃薯外部缺陷

利用高光谱图像技术在400-1000 nm 光谱区域检测马铃薯外部缺陷，通过特征波段主成分分析法和图像差值算法建立马铃薯外部缺陷在线无损检测方法.以6种缺陷类型（机械损伤、孔洞、疮痂、表面碰伤、绿皮、发芽）以及完好无损的合格马铃薯为研究对象，分别获取它们的高光谱图像，提取并分析高光谱图像中感兴趣区域的反射率光谱；利用主成分分析法对光谱数据降维，根据所有类型马铃薯第2主成分图像的权重系数曲线的局部极值选取5个特征波长（478，670，723，819，973 nm）；然后对选出的特征波长进行主成分分析，得到5个新的主成分图像，并针对不同的马铃薯缺陷类型分别选出马铃薯缺陷部位与周围区域灰度值差别最明显的主成分图像，通过阈值分割、腐蚀、膨胀和连通度分析等图像处理方法对马铃薯的外部缺陷进行识别.结果表明，其正确识别率达到82.50%.为进一步消除马铃薯图像背景区域的灰度值对其缺陷部位的影响，同时提高缺陷部位与周围区域的对比度，利用图像差值算法，并与特征波长主成分分析法相结合，再经过阈值分割、腐蚀、膨胀和连通度分析等步骤进行识别.结果表明，全部7种类型马铃薯的正确识别率达到96.43%.说明高光谱图像技术结合图像处理方法可以有效地识别马铃薯外部缺陷.