Identifizierung von Spaltkastanien mit Hilfe einer hyperspektralen Bildtechnik

In dieser Studie wurde eine 400-1000nm-Hyperspektralkamera eingesetzt, und FS13, ein Produkt der Hangzhou Color Spectrum Technology Co., LTD., konnte für verwandte Forschung verwendet werden.,die Wellenlängen-Auflösung ist besser als 2,5 nm und bis zu 1200 Spektralkanäle können erreicht werden. Die Akquisitionsgeschwindigkeit kann im gesamten Spektrum 128 FPS erreichen,und die maximale Frequenz nach der Bandwahl beträgt 3300 Hz (Mehrregion-Bandwahl unterstützt).

Die Kastanie ist eine der essbaren Nüsse in China, von hoher Qualität und niedrigem Preis, reich an Nährstoffen, die jährliche Produktion steht an erster Stelle der Welt.Schizorhynchus ist einer der wichtigen Indikatoren für die Bewertung der äußeren Qualität von KastanienSchizorhynchus ist eine Art Kastanie, deren Schale unter natürlichen Produktionsbedingungen zerbrochen oder durch äußere Kräfte wie mechanische Schäden beschädigt wird.Die freiliegende Kastanienmasse kann leicht zu einer Reihe von Problemen bei der Lebensmittelsicherheit führenDerzeit wird die Split-Mund-Kastanie hauptsächlich manuell sortiert, was subjektiv ist und eine hohe Sortierfehlerquote aufweist.Die Untersuchung einer wirksamen und anwendbaren Methode zur Erkennung von Split-Mund-Kastanien kann den Grundstein für eine schnelle und zerstörungsfreie Erkennung und Klassifizierung von Kastanien legen.Die Forschungsgruppe hat im Hinblick auf die Methoden zur Identifizierung defekter Kastanien in einem frühen Stadium einige Untersuchungen durchgeführt.aber es gibt keinen Bericht über die Methoden zur Identifizierung von Riss-Mundfehlern bei defekten KastanienDie Technologie der nahen Infrarot-Spektroskopie ermöglicht eine schnelle, zerstörungsfreie und wirksame Erkennung der internen Qualitätsinformationen von landwirtschaftlichen Erzeugnissen.Die Technologie der Bildverarbeitung kann die äußeren Merkmale landwirtschaftlicher Erzeugnisse gut widerspiegeln, wurden weit verbreitet bei der Qualitätserkennung landwirtschaftlicher Erzeugnisse eingesetzt, aber beide können nicht den Anforderungen an die Ermittlung der inneren und äußeren Qualität landwirtschaftlicher Erzeugnisse entsprechen.Mit der rasanten Entwicklung von Wissenschaft und Technik und der rasanten Entwicklung der Computertechnik, die hyperspektralen Bilderkennungstechnologien, die Spektrum und Bild integrieren, wurden von Forschern im Bereich der zerstörungsfreien Prüfung landwirtschaftlicher Erzeugnisse immer mehr beachtet.Überspektralbilder können reichlich Qualitätsinformationen über landwirtschaftliche Erzeugnisse aufzeichnen und sowohl die interne als auch die externe Qualität landwirtschaftlicher Erzeugnisse ermitteln.Wissenschaftlerinnen und Wissenschaftler aus dem In- und Ausland haben die hyperspektralen Bildtechnologie bei der nicht zerstörenden Prüfung von Früchten, Gemüse, Tee und Fleisch angewendet und gute Ergebnisse erzielt.Es gibt keine Studie zur Erkennung von Spaltkestenguss durch hyperspektraler Bildtechnik.In diesem Papier wird die hyperspektralen Bildtechnologie verwendet, um Split-Mund-Kastanien zu identifizieren, die Spektralkurven von Split-Mund-Kastanien und qualifizierten Kastanien zu extrahieren und zu analysieren.Wählen Sie die charakteristische Wellenlänge, den Algorithmus des Bandverhältnisses übernehmen, das kooperative Bild durch Texturfilterung extrahieren und mit einer Reihe mathematischer Morphologie kombinieren, um die Identifizierung von Split-Mund-Kastanien abzuschließen,die eine neue Idee für die Online-Erkennung von Split-Mund-Kastanien bieten kann.

In dieser Arbeit wurde die hyperspektralen Bildtechnologie verwendet, um Split-Mund-Kastanien zu identifizieren.

1) Die charakteristischen Wellenlängen (477nm, 769nm und 923nm) wurden durch Analyse der Hauptbestandteile ausgewählt,und das durch verschiedene Kombinationen der charakteristischen Wellenlängen erhaltenen Bandverhältnisbild und das einzelne Bandbild bei der charakteristischen Wellenlänge wurden analysiert und verglichen., was darauf hindeutet, dass das 769mm/923nm-Band die Split-Nozzle-Region besser als das Bild widerspiegeln konnte und für die Extraktion von Split-Nozzle-Eigenschaften günstiger war.

2) Das Bild mit dem Bandverhältnis 769 nm/923 nm wurde analysiert, das Bild basierend auf kollaborativer Texturfilterung wurde extrahiert,und die Zielregion wurde durch Kombination von Schwellensegmentierung und mathematischer Morphologie gewonnenDie korrekte Erkennungsrate des geknackten Schnabeln betrug 94,3%, die Erkennungsrate der qualifizierten Kastanie 96,8% und die Gesamterkennungsrate erreichte 95,5%.Der Filter, der auf dem Filtertyp des hyperspektralen Bilderkennungssystems basiert, ist so konzipiert, daß dieDie neue Methode bietet gleichzeitig eine neue Methode zur Qualitätserkennung anderer landwirtschaftlicher Erzeugnisse.