摘要 I 摘要 茶葉真?zhèn)慰焖贉蚀_鑒別是當前茶葉行業(yè)亟待解決的難題與瓶頸。針對茶葉品質感官審評結果存在主觀性和模糊性以及理化檢測 步驟 煩瑣、耗時、費用高等缺陷，提出基于高光譜圖像技術的茶葉品質智能檢測新思路。本研究以廬山云霧茶為對象，開發(fā) 了 基于高光譜圖像技術的 茶葉品質智能檢測軟件 ， 對全面提高廬山云霧茶 的真?zhèn)舞b別 ，提 高 廬山云霧茶市場的智能化管理水平，規(guī)范其市場秩序，維護廬山云霧茶品牌有著直接的現(xiàn)實意義。 本論文主要研究內容如下： 利用高光譜成像系統(tǒng)采集地理標志廬山云霧茶和廣西、四川、福建 3 個其他產(chǎn)地云霧茶的高光譜數(shù)據(jù)，采用 主成分分析法從 每個 原始高光譜數(shù)據(jù)塊中選取 3個特征波長： 提取 3 個特征波長下的特征圖像， 基于 灰度統(tǒng)計矩法和灰度共生矩陣法 ， 提取每個特征 波段 圖像的紋理特征。每個特征 波段 圖像分別 提取 了 6 個基于灰度統(tǒng)計矩的紋理特征變量 和 16 基于灰度共生矩陣的紋理特征參量。 3 個特征圖像下共提取了 66 個紋理特征變量。 使用 經(jīng)網(wǎng)絡方法建立廬山云霧茶真?zhèn)舞b別的判別模型，采 用主成分分析法 獲取最佳主成分因子數(shù)（ 作為網(wǎng)絡模型的輸入。 預測時 的識別率為 95%。 研究結果表明高光譜圖像技術用于茶葉的真?zhèn)舞b別是可行的。 采用 模式開發(fā) 出 了 一套 基于高光譜技術的 茶葉品質智能檢測系統(tǒng) ， 實現(xiàn) 了廬山云霧茶真?zhèn)蔚?智能 鑒別。系統(tǒng) 集 成了基于批量處理的高光譜圖像數(shù)據(jù)的標定、感興趣區(qū)域提取、 高光譜圖像數(shù)據(jù)的主成分分析、特征波長優(yōu)選、特征波長下的特征圖像提取、特征圖像的特征變量提取等功能 ， 同時還實現(xiàn)了基于提取的特 征變量建立的廬山云霧茶真?zhèn)舞b別和等級評判功能。 關鍵詞： 廬山云霧茶，高光譜圖像，主成分分析，真?zhèn)舞b別 I of is be in a of to of to as A a as in of by a nm by of to of in of 5% in be to of on of of of In of on 目錄 錄 摘要 . I . 錄 . 一章 緒論 . 1 山云霧茶的發(fā)展狀況 . 1 葉品質檢測方法的國內外研究現(xiàn)狀 . 1 葉品質的計算機視覺技術國內外檢測現(xiàn)狀 . 2 葉品質的高光譜圖像技術的茶葉品質檢測研究 . 3 光譜圖像技術簡介 . 3 光譜圖像技術在農(nóng)畜產(chǎn)品品質檢測中的研究現(xiàn)狀 . 4 光譜圖像技術在茶葉品質檢測中的研究現(xiàn)狀 . 5 論文研究的目的和主要研究 . 5 論文的研究目的 . 5 論文研究的主要內容 . 6 章小結 . 6 第二章 高光譜圖像數(shù)據(jù)采集與預處理 . 7 光譜圖像采集硬件系統(tǒng) . 7 葉高光譜圖像數(shù)據(jù)的采集 . 10 高光譜圖像預處理 . 11 光譜圖像的標定 . 11 光譜圖像的拉伸 . 11 本章小結 . 12 第三章 廬山云霧茶真?zhèn)舞b別模型建立 . 13 光譜圖像區(qū)域的選擇 . 13 征波段的選取 . 14 成分分析基本原理 . 14 光譜圖像的主成分分析 . 17 征波長圖像的選取 . 18 征波長圖像的紋理特征提取 . 20 于統(tǒng)計矩法的紋理特征提取 . 21 于灰度共生矩陣的紋理特征提取 . 21 山云霧茶真?zhèn)舞b別的 經(jīng)網(wǎng)絡（ 型建立 . 24 目錄 . 24 模型建立 與結果 . 25 章小結 . 27 第四章 基于高光譜技術的廬山云霧茶真?zhèn)舞b別系統(tǒng)的實現(xiàn) . 28 統(tǒng)概述 . 28 統(tǒng)的基本功能 . 29 件功能模塊 . 29 件打開 . 29 光譜圖像的灰度圖像顯示 . 31 光譜圖像真彩色顯示功能 . 32 像保存功能 . 32 光譜圖像的平移、放大、縮小和鷹眼圖顯示 . 33 像平移功能 . 34 像局部放大功能 . 35 像的鷹眼圖顯示功能 . 36 像的放大、縮小及圖像的原始大小顯示功能 . 36 像按適合窗口顯示 . 38 像處理功能模塊 . 38 像裁剪 . 39 息提取功能模塊 . 42 成分分析功能模塊 . 42 據(jù)主成分分析結果選取特征波長下的特征圖像并顯示 . 51 度共生矩陣特征提取 . 54 類處理功能模塊 . 55 山云霧茶真?zhèn)舞b別功能 . 58 出系統(tǒng)功能模塊 . 60 章小結 . 61 第五章 結論與展望 . 63 文的主要結論 . 63 文的主要創(chuàng)新點 . 64 望 . 64 致 謝 . 65 參考文獻 . 66 第一 章 緒論 1 第一章 緒論 廬山云霧茶的發(fā)展 狀況 廬山云霧茶有一千多年 的 歷史 ， 以原產(chǎn)地廬山終年云霧彌漫而得名， 是綠茶中的精品， 具有 “ 味醇、色秀、香馨、液清 ” 等特點 。 鮮葉于 4 月初采摘，以一芽一葉初展為標準 ， 經(jīng)攤放殺青輕揉理條整形提毫干燥等工序加工而成。成品形如石松，緊結圓直， 香高味濃純正， 色澤綠潤顯豪，湯色碧綠明亮，葉底嫩綠勻齊 1。 1986 年被商業(yè)部授予全國 “ 十大名茶 ” 稱號， 2004 年獲 “ 廬山云霧茶 ” 原產(chǎn)地證明商標注冊， 2005 年其地理 標記產(chǎn)品受到國家原產(chǎn)地法律保護。然而，在 2008 年廬山云霧茶落選中國十大名茶， 2010 年又錯失 “ 世博十大名茶 ” 2。 其中造成這種現(xiàn)象最根本的原因是市場上存在著大量的假冒廬山云霧茶產(chǎn)品。廬山云霧茶目前的狀態(tài)是魚龍混雜良莠不齊， 一 些 不法茶葉 廠家 為追求高 額 利潤，采用廬山云霧茶同的加工 工序 ， 得到 與廬山云霧茶 外部形狀特征十分相似的偽品，再 貼上 廬山云霧茶商標在市場上以假亂真，嚴重影響了廬山云霧茶市場。 長期以來，茶葉品質鑒別主要有感官評判和理化分析方法。感官審評方法相對簡單，能對茶葉的品質特征進行鑒別和描述，但感官審 評結果取決于評茶員的經(jīng)驗，主觀性強，一致性差，不利于茶葉流通過程中的快速鑒別 3。理化分析方法是一種化學檢測手段，檢測步驟煩瑣、耗時長、費用高。為了規(guī)范廬山云霧茶市場秩序，重新打造其廬山云霧茶品牌， 因此， 有必要建立一種快速、準確的鑒別廬山云霧茶的真?zhèn)?，對于規(guī)范其市場秩序，重新打造其 廬山云霧茶品牌，有著直接的現(xiàn)實意義。 茶葉品質檢測方法的國內外研究現(xiàn)狀 長期以來，國內外學者研究 采 用科學儀器來 評 定茶葉品質 。 隨著 計算機科學 、光電子學 、光學 、信息處理等先進 科學的 發(fā)展， 國內外學者 逐步將計算機第一 章 緒論 2 視覺技術 、近紅 外光譜技術 、 高光譜 圖 像技術 等無損檢測新技術 來快速檢測 茶葉品質， 取得了很好的成效 ， 為 儀器化快速檢測 茶葉品質提供了廣闊前景，也是茶葉品質檢測技術的發(fā)展趨勢 4。 茶葉品質的計算機視覺 技術國內外檢測現(xiàn)狀 計算機視覺技術是通過 計算機 模擬人類視覺的功能 ，提取客觀事物的圖像信息，并對其 進行處理并加以理解，最終用于客觀事物的實際檢測。 計算機視覺系統(tǒng) 主要 由圖像輸入設備、通訊 /輸入輸出設備 、 圖像顯示卡、 計算機 等組成，由 圖像輸入設備將 客觀事物 的模擬圖像映射成數(shù)字圖像 ，存入到計算機內 進行處理 5。 計算機視覺技術 具有分析精度高、處理內容豐富、可進行復雜的非線性處理，且可將待測對象的品質指標進行量化和標準化，減少人為因素和外界環(huán)境因素的影響 6。 用人 工 檢驗大批 在線 生產(chǎn)的產(chǎn)品品質，效率低且精度不高，能 實現(xiàn)自動化操作， 大大提高生產(chǎn)效率 7。近年來，該技術 已廣泛應用于 工業(yè)產(chǎn)品 的 檢測 8 在農(nóng)產(chǎn)品品質檢測中也得到了廣泛應用，如 蘋果、柑橘等水果的 缺陷檢測 和 等級 差別 10種子鑒別 19植物生長監(jiān)控 21雞蛋裂紋和新鮮度品質檢測 24 茶葉的外形特征包括 茶葉外形形狀的 條索、 粗細 、嫩度和色澤 ， 這些特征可通過計算機視覺系統(tǒng)獲取茶葉的可見光圖像表征出來。國內外學者研究表明，干茶葉平鋪后， 整個表面 會 呈現(xiàn)出 一 定 的紋理 特征 ， 其 外形特征和顏色特征 較明顯 。 因此，通過 計算機視覺系統(tǒng)獲取平鋪后 的 茶葉可見 光 圖像， 再 提取 可見光 圖像的 紋理特征和顏色特征，即 能體現(xiàn)出 干茶葉的形狀 特征 和顏色特征 。 國內外 學者 利用計算機視覺技術 對茶葉的品質進行了檢測。 在國內， 蔡健榮 等 26采 用 計算機視覺技術 來 定量描述茶葉的色澤， 使用 色空間 來 描述茶葉的顏色特征， 建立了基于計算機視覺技術的茶葉 顏色描述模型。 何勇等利用多光譜 成像儀獲取 三個波長 （ 550660800下的 茶 葉可見光 圖像，采用 灰度共生矩陣 提取 了 各個波長下 圖像的紋理特征 變量 ， 建立了識別不同綠茶種類的鑒別模型 27 計時鳴等 采 用 計算機 視覺 系統(tǒng)獲取茶葉的可見光圖像，第一 章 緒論 3 對茶葉的顏色、形狀進行識別 ，建立了 茶葉茶梗多維模式識別 模型 29。 陳全勝等利用計算機視覺 系統(tǒng)獲取茶葉的可見光圖像，采用 模式識別方法建立了 茶葉種類 和 茶葉色澤類型 的 判別模型 30 林剛 等利用計算機視覺系統(tǒng)， 以屯炒青毛茶標準樣為對象探索茶葉品質因子的數(shù)量化途徑 ，提取了 11 項形狀特征 參數(shù) ， 研究了 這些形狀 參數(shù) 與茶葉等級 之間 的關系 33。 國外 ， 錯誤 !未找到引用源。 利用計算機視覺 系統(tǒng) 監(jiān) 測 了 茶葉殺青過程中的顏色變化， 并 分析了茶鮮葉在殺青過程 ，其 的 變化與茶鮮葉失水率 之間的 關系 。 錯誤 !未找到引用源。 利用計算機視覺 系統(tǒng) 代替人工視覺 ， 監(jiān)測 紅茶 實時發(fā)酵過程中 的 茶湯顏色變化， 采 用 人工神經(jīng)網(wǎng)絡方法建立了基于 色空 間的顏色 判 別 模型 。 茶葉品質的 高光譜 圖 像 技術的茶葉品質檢測研究 高光譜圖像技術簡介 高光譜圖像 技術 （ 起步于軍事領域，是 20世紀 80年代發(fā)展起來的 無損檢測 新技術，綜合了光電子學、光學、計算機學科 、 信息處理等領域的先進技術。 高光譜圖像技術 有機結合 光譜技術 和 二維 圖 像技術， 在 對 待測物的 空間 特征成像 的 同時，對每個空間像 素 經(jīng)過色散形成幾十個乃至幾百個 的 窄波段進行連續(xù)的光譜覆蓋 ， 組 成 一個 由一系列波長 下 光學圖像 組成 的 三維 數(shù)據(jù)塊 ， 如 圖 在 圖中， 示 高光譜圖像的 二維 圖像 的 像素信息坐標軸， 軸 （第三維） 表示 波長信息 的 坐標軸。 從 圖 可看出，高光譜圖像 包含 有特定波長 在 面內 的 每 個特定像素 下 ，又 包含 有 不同波長下的光譜信息， 這樣， 高光譜圖像 數(shù)據(jù)塊 既有 待測 樣品的圖像信息 又有行測樣品的 光譜信息。 圖中每個像素 下都 有 待測物的 光譜信息 ， 待測物的內部品質 可通過特定波長下的光譜 信息 來 體 現(xiàn) ； 在每個特定波長下， 面內 ，每個像素點的灰度值又與其在該波長下的光譜值之間一一對應 ，即具有該波長下完整的圖像信息， 即可 反映 待測樣 品的外部品質 特征 36。 也 就是說 高光譜圖像的光譜信息能充分反映 待測 樣品 的 內部結構、化學成分等差異 ， 圖像信息可第一 章 緒論 4 以反映 出待測樣品 的 形狀、 大小 、紋理 、缺陷等外部品質特征 。 待測樣品中內部成分不同，其 光譜吸收 特征也不同 ，在某個特定波長下 的 圖像對 其外部特征也不同 。 因此， 高光譜圖像技術 既具有計算機視覺技術的優(yōu)點，又具有光譜技術的優(yōu)點，具有能 同時檢測 農(nóng)產(chǎn)品內外部品質的獨特優(yōu)勢。 圖 光譜圖像三維數(shù)據(jù)塊的示意圖 高光譜 圖像技術在農(nóng)畜產(chǎn)品品質檢測中的研究現(xiàn)狀 高 光譜圖像技術 已廣泛應用于 農(nóng)畜產(chǎn)品的內外部品質 檢 測 及安全評定研究中 ，涉及到水果、禽肉等領域 37 39使用高光譜圖像技術， 以的高光譜成像技術，采用偏最小二乘回歸對 波長范圍為 400 1000 分析， 建立了 香蕉可溶性固形物含量 、 硬度 和 含水率 的預測模型，模型 預測相關系數(shù)分別為 40利用 高光譜成像系統(tǒng)獲取桃表面 在波長范圍 515 1000 建立了 桃果中 硬度可溶性固形物含量( 和顏色 的 預測模型 。 41利用 高光譜成像系統(tǒng)獲取 豬肉表面的散射光譜曲線 ，用洛倫茲分布函數(shù)對其進 行擬合， 得到 漸近值、 峰值、 半波帶寬 3個參數(shù) ， 基于 單參數(shù)和三參數(shù)組 合 建立了預測大腸桿菌污染的 多元線性回歸模型， 模型 預測 的 相關系數(shù)分別為 蔡健榮 等 42利用高光譜圖像 成像系統(tǒng)獲取柑橘的高光譜圖像， 結合主成分分析方法建立柑橘果銹的判別模型，第一 章 緒論 5 模型的正確識別率達到 90%以上 。 43 應 用高通量光譜成像系統(tǒng) 鑒別 屠宰線上健康與不健康 的 雞肉， 建立了判別健康雞肉和不健康雞肉的判別模型。 李江波 等 44利用 熒光高光譜成像技術 檢測臍橙早期腐爛現(xiàn)象 ，采用最佳指數(shù) 識別 腐爛果的最優(yōu)波長組合， 采用 基于最優(yōu)波長的比圖像及雙閾值分割算法 建立了 臍橙早期腐爛果 的識別模型，模型 識別率達到 100%。 吳建 虎等 45利用高光譜圖像技術研究了牛肉的嫩度，采用逐步回歸法篩選出 430、 496、 510、 725、 760和 828立預測牛肉嫩度多元線性回歸模型的預測相關系數(shù)為 陳菁菁 等 46利用熒光高光譜成像系統(tǒng)檢測葉菜表面毒死蜱殘留狀況， 研究表明 毒死蜱在 437近 存在 熒光光譜， 研究結果 為進一步研發(fā)快速精確的農(nóng)藥殘留檢測儀器提供理論依據(jù)。 陶斐斐等 47研究利用高光譜圖像技術分析豬肉表面 的 菌落總數(shù)， 分別采用 多元線性回歸和偏最小二乘回歸方法建立預測菌落總數(shù)的預測 模型，預測集相關系數(shù)分別為 高光譜圖像技術在茶葉品質檢測中的研究現(xiàn)狀 茶葉內部成分 信息 決定了 茶葉的品質狀況 ， 而 茶葉 內部成分的信息可通過高光譜數(shù)據(jù) 塊 中的光譜信息體現(xiàn) 出來 ，且 高光譜數(shù)據(jù)塊中的 圖像信息又能充分反映茶葉的 外形 和 色澤等 外部 品質特征。因此，可 通過 高光譜 圖 像 技術 實現(xiàn) 茶葉內部和外部品質 的同時分析 。陳全勝等 48用 高光譜 圖 像 技術 鑒別不同等級的 炒青綠茶 ， 利用主成分分析法優(yōu)化出特征波長下的特征圖像，提取基于灰度統(tǒng)計矩的紋理特征參數(shù)，利用 經(jīng)網(wǎng)絡方法建立了茶葉等級的評判模型，模型對訓練集樣本的回判率為 97%，對預測集樣本的識別率達到 94%。 吳瑞梅等 50利用高光譜圖像技術來量化分析茶葉的外形感官品質，通過提取特征圖像的紋理特征參數(shù)，建立了紋理特征參數(shù)與人工感官審評數(shù)據(jù)間的相關模型。 蔡建榮等 51利用高光譜圖像技術對碧螺春茶進行真?zhèn)舞b別。 艾施榮等 52利用高光譜圖像技術鑒別廬山云霧茶的產(chǎn)地。 本論文研究的目的和主要研究 第一 章 緒論 6 本論文 的研究目的 目前中國茶葉市場 存在嚴重的以假亂真、以次充好現(xiàn)象， 由于名優(yōu)茶價格高，產(chǎn)品的利潤空間大， 名優(yōu)茶市場 以假亂真現(xiàn)象普遍存在 ，這不僅損害了消費者的利益 ，更 不利于我國名優(yōu)茶的品牌保護。本 論文 擬開展利用高光譜圖像技術來鑒別廬山云霧茶的真?zhèn)?，開發(fā)快速鑒別廬山 云霧茶 真?zhèn)?的識別軟件， 以提高廬山云霧茶及其他名優(yōu)茶市場的智能化管理水平，對于規(guī)范 茶葉 市場秩序，維護廬山云霧茶等名優(yōu)茶品牌有著直接的現(xiàn)實意義。 本論文研究的主要內容 針對目前研究存在的問題，本文以地理標志廬山云霧茶和廣西、四川、福建產(chǎn)云霧茶為研究對象，采用高光譜成像技術分別獲取 4 個產(chǎn)地的高光譜數(shù)據(jù)，分別利用基于灰度矩法和灰度共生矩陣法提取特征圖像的紋理特征，結合 經(jīng)網(wǎng)絡技術，研究快速鑒別云霧茶產(chǎn)地的方法。具體研究內容如下： （ 1）利用主成分分析法 從原始高光譜圖像中優(yōu)選出鑒別 茶葉 品質 的特征波長 ，提取每個特征波長下的特征圖像 ； （ 2）分別利用 灰度統(tǒng)計矩法和灰度共生矩陣法分別提取每個特征圖像的紋理特征 ， 使用 經(jīng)網(wǎng)絡方法建立廬山云霧茶真?zhèn)舞b別的判別模型 。 （ 3） 采用 式開發(fā)一套基于高光譜技術的廬山云霧茶 真?zhèn)?鑒別 軟件 ，軟件 集成基于批量處理的高光譜圖像數(shù)據(jù)的標定、感興趣區(qū)域提取、高光譜圖像數(shù)據(jù)的主成分分析、特征波長優(yōu)選、特征波長下的特征圖像 提取、特征圖像的特征變量提取 、 廬山云霧茶真?zhèn)舞b別和等級評判功能。 本章小結 本章闡述了基于高光譜圖像技術的廬山云霧茶真?zhèn)舞b別系統(tǒng)進行研發(fā)的目的與意義，綜述了目前國內外名優(yōu)茶葉真?zhèn)舞b別技術的發(fā)展與應用的研究的現(xiàn)狀及存在的問題 ，概述了高光譜圖像 技術和利用高光譜圖像鑒別名優(yōu)茶葉真?zhèn)蔚谝?章 緒論 7 的基本原理 ， 提出了本 論文的 研究 目 的 和 主要 研究 內容。 第二章 高光譜圖像 數(shù)據(jù)采集與 預處理 高光譜圖像采集硬件系統(tǒng) 實驗用高光譜成像系統(tǒng)是 基于光譜儀的高光譜成像系統(tǒng) ，其示意圖見 圖 示 ， 主要 由基于圖像光譜儀的高光譜攝像機（ 機（ 移動平臺輸送裝置（ 京） ，一套 150W 的光纖鹵素燈系統(tǒng)（ 和計算機等部件組成。光譜儀的光譜范圍為 40817 譜分辨率為 2.8 譜采樣間隔為 面 是 該系統(tǒng)的各組成部分及其參數(shù) 的 簡要介紹。 圖 光譜圖像采集系統(tǒng)示意圖 （ 1） 基于圖像光譜儀的高光譜攝像機 本 系統(tǒng)采用的高光譜攝像機（ 10E, 的實物圖 見 圖 由 光譜儀 和 攝像機組成。 光譜儀 是 可見 近 紅外光譜儀，色散元件采用棱鏡 棱鏡的結構 ， 攝像機為單色、數(shù)字、線陣的 機。第二 章 數(shù)據(jù)采集與預處理 8 該高光譜攝像機各相關參數(shù)如下所示： 片（ ； 有效像素： 1280（ 1024（ ； 數(shù)字信號輸出：12芯片尺寸 :H） V） ； 光譜范圍： 408光譜分辨率： 幀率： 14焦距： 23曝光時間： 135鏡頭接口類型： C 型 。 圖 10E 攝像機 （ 2） 光源 本系統(tǒng) 所用的 光源 實物圖 見 圖 采用直接照明方式進行照射 ，由 美國司生產(chǎn)的 圖 素燈照明 光源 圖 纖線形燈 光源主要參數(shù)如下： 光源： 150w 石英鹵素燈 電壓： 115V 0/60HZ 30V 50/60 使用壽命： 200 保險絲： 250V, 520二 章 數(shù)據(jù)采集與預處理 9 最大耗電功率： 200W 色溫： 3250K 光纖內徑： 光纖總長： 122 線形燈總長： 19 尺寸： 重量： 燈的縫隙尺寸： 5D（ （ 3） 移動平臺 輸送裝置 本系統(tǒng)采用的電控位移裝置 見 圖 北京卓立漢光有限公司生產(chǎn)的電控位移臺 ，圖 輸送 裝置控制器（ 控制箱 ）的 實物。 輸送裝置的 主要技術指標 如下 ： 圖 進電控輸送裝置 步進電機： 額定工作電流： 最大靜轉矩： 40 中心負載： 7光譜攝像機 自重： 行程： 200 螺桿導程： 4 分辨率： 最大速度： 40mm/ 重復定位精度： 3 第二 章 數(shù)據(jù)采集與預處理 10 圖 送裝置控制器 輸送裝置控制器的 主要技術指標 如下 ： 電源電壓： 220v/50 控制軸數(shù)： 1 細分： 1， 2， 4， 8 加減速方式：三角形或梯形方式 脈沖速度： 400 顯示方式： 8 位 通訊接口方式： 外形尺寸： 380350120茶葉 高光譜圖像數(shù)據(jù) 的 采集 本研究 采用江西九江市場收集不同產(chǎn)地（江西廬山、福建、廣西、四川等）云霧茶樣本，其中江西廬山是廬山云霧茶的產(chǎn)地標志，每個產(chǎn)地 30 個樣本，共120 個樣本。 其中江西廬山產(chǎn)的茶葉為真品云霧茶，其他 3 個產(chǎn)地云霧茶為偽造廬山云霧茶加工工藝制作而成。 圖像采集在暗室環(huán)境中進行，以減少其他光照影響。為減少光照強度引起的誤差，高光譜數(shù)據(jù)采集前，將光源打開預熱 到 光源 強度趨于穩(wěn)定 。 調整高光譜攝像機的物鏡距離及曝光時間，以獲取清晰的圖像。根據(jù)相機的掃描頻率和茶葉樣本的面積大小，確定輸送裝置的輸送速度，以避免圖像尺寸和空間分辨第二 章 數(shù)據(jù)采集與預處理 11 率的失真。 試驗時，對每個樣本，分別 稱取 10茶葉均勻平鋪到自制正方體盒子中（ 6盒子里面貼上黑色襯底防止反光。調整 攝像機曝光時間為 30確保采集 過程中 圖像清晰 不失真， 輸送裝置線速度為 s，以避免圖像尺寸失真。共采集到 512個波長下的圖像，每個波長下的圖像分辨率為 5001280，則每個樣本獲得 5001280512的高光譜圖像數(shù)據(jù)塊。 高光譜圖像預處理 高光譜圖像的標定 高光譜 攝像 機 傳感器中存在暗電流，且光源強度在各波段下分布 是 不均勻的 ，導致在光照強度分布較弱的波段獲得的高光譜圖像噪音較大， 而且 不同波長下的圖像亮度值差異也較大 48。在數(shù)據(jù)分析前需對茶葉高光譜圖像進行標定以減少噪音的影響。 其標定過程如下 49：在茶葉高光譜圖像采集的參數(shù)條件下，掃描標準白色校正板（ 99%光照反射的白板），得到全白的標定圖像（ ；關閉攝像機快門采集圖像，得到全黑的標定圖像（ 按公式（ 1）對高光譜圖像進行標定校正，使采集得到的絕對圖像 換成相對圖像 R。 I （ 式中， R 為標定后的高光譜圖像； 原始的高光譜圖像； 全黑的標定圖像； 全白的標定圖像。 光譜圖像的拉伸 原始高光譜圖像經(jīng)過黑白標定校正后， 得到的高光譜圖像數(shù)據(jù)塊 的數(shù) 值 在在 01 之間 ， 而 儲存在 計算機 內 的數(shù)字圖像灰度值分布在 0255 之間。為 便 于理解、比對和后續(xù)處理，需將 標定 圖像的灰度 拉伸至 0255， 其 拉伸 圖像 R由 公式 （ 成 。 255 （ 第二 章 數(shù)據(jù)采集與預處理 12 式中， R 為標定后的高光譜圖像； R為拉伸后圖像。 由 高光譜儀自帶的 軟件 獲取茶葉的 高光譜圖像數(shù)據(jù) ， 原始數(shù)據(jù)處理由 和 o.， 軟件完成。 本章小結 本章 介紹了所使用的高光譜圖像檢測系統(tǒng)的相關儀器設備和各個部件的主要參數(shù)和特性 ； 介紹了實驗 樣本 、 高光譜圖像 數(shù)據(jù)采集方法 以及 對采集 到的 茶葉 高光譜 圖像數(shù)據(jù)的標定和拉伸 等 基本 預處理 方法。 第三 章 廬山云霧茶真?zhèn)舞b別模型 13 第三章 廬山云霧茶真?zhèn)舞b別模型 建立 高光譜圖像數(shù)據(jù)是三維的圖像塊，既有不同波長下的圖像信息，又有單個像素下的光譜信息，其數(shù)據(jù)量龐大（一張高光譜數(shù)據(jù)的存貯空間大小一般為 。 另外，在原始數(shù)據(jù)的采集過程中，由于外界因素的影響，不可避免地引入一些噪聲信號。 研究采用主成分分析法 從 海量 原始高光譜數(shù)據(jù)中 挖掘出最有效的特征變量，優(yōu)選出最能反映茶葉品質的特征波長，提取特征波長下的特征圖像， 分別采用 灰度統(tǒng)計矩 法、 灰度共生矩陣法提取特征 波長 圖像的紋理特征， 利 用 經(jīng)網(wǎng)絡方法建立判別廬山云霧茶真?zhèn)蔚蔫b別模型。 高光譜圖像區(qū)域的選擇 圖 4 個產(chǎn)地茶樣在 400圍內的 反射光譜 曲線，由圖可看出反射 光譜的兩端 存在 噪聲， 是因為 高光譜相機在該光譜區(qū)間內的信噪比較低，校正后將噪聲放大， 需 去除 這些 噪聲波段 48。 4 種產(chǎn)地云霧茶在 450上的光譜曲線存在差異， 在 450 下波段有明顯尖峰噪音。故選選擇450050圍，共 464 個波數(shù)點的高光譜圖像數(shù)據(jù)進行研究。 圖 山、福建、四川、廣西 4 個產(chǎn)地茶葉高光譜圖像在不同區(qū)域的光譜曲線 第三 章 廬山云霧茶真?zhèn)舞b別模型 14 特征波段的選取 主成分分析基本原理 主成分分析 法 （ 53是將原 始 變量 經(jīng)過一定的 線性 變 換 后 ， 得到互不正交的 新變量 ，新變量是 原變量的線性組合， 且新變量最大限度地 表 達了 原 始 變量的數(shù)據(jù)特征， 因此 不 會 丟失 原始數(shù)據(jù)的信息。原始數(shù)據(jù)通過主成分分析后， 變量數(shù)目更少的新變量， 消除 原始數(shù)據(jù)中的 眾多信息共存 而產(chǎn)生 相互重疊的那部分信息。 主成分分析 法 的 變換過程 涉及到多維空間 的 投影概念 。 以二維空間的主成分分析 變換過程為例 54假設在二維空間中有一組測試點 ),(21 ii i=1，2， ， m）， 見 圖 將 此二維空間中的 二維數(shù)據(jù)降 維成 一維數(shù)據(jù)， 即 是將二維空間的 某 點投影到一維空間的一條線上。 若 沒有任何約束條件，其投影方向有無窮多個。 而 主成分分析操作 存在一定的 約束條件， 采用的投影方向的約束條件是： 投影 在一維空間中的直線必須包含了 原 始 數(shù)據(jù)的最大方差，即 沿著這條線 上 原 始 數(shù)據(jù) 的方差最大。 例 如圖 的點 i（ i=1， 2， ， 7）向直線1p 的投 影點 為 i（ i=1， 2， ， 7），這些點的重心為 O，其分布可用它們到中心點 O 的距離的平方和表示。 若 原 始 數(shù)據(jù)點的距離分布為： 2222 |7|2|1| （ 如果用在 的投影點表示，則 222 | ，所以有： 2222222 |77|22|11|7|2|1| （ 要使 式（ 前半部分 2 2 2| 1 | | 2 | | 7 |O O O 的值 達到 最大， 則 后 半部分的值 必須 最小， 這樣 主成分分析 需 選擇投影直線 1p 。這條直線也正好是原數(shù)據(jù)點的 最 佳 擬