基于近红外高光谱图像技术的粮粒内部害虫检测方法研究

以小麦中危害最为严重的米象、谷蠹侵染的粮粒为研究对象，研究粮粒内淀粉、蛋白质含量随粮虫不同生长阶段（幼虫、蛹和成虫）的变化规律，研究它们与反射光谱特征之间的关系，确定区分完善粒和含虫粮粒的敏感光谱区间；研究完善粒和含虫粮粒在不同波长的高光谱图像上的表征强度与分布特性，优选出最优光谱波长组合，探索基于高光谱图像的粮粒内部害虫检测机理；研究近红外图像中粮粒腹沟的成像规律，基于粮粒的延伸率、长轴与其最小外接矩形长边的最近等效距离等形态学特征，构建粮粒姿态（腹沟朝上、朝下和侧向）的自动识别模型；研究害虫侵染后不同姿态下粮粒图像特征的变化规律，提取最优光谱波长组合中各波长粮粒图像的基本统计特征、直方图变换特征和纹理特征，构建适于不同姿态粮粒分类的优化特征空间，设计粮粒智能分类模型；提出基于高光谱图像技术的粮粒内部害虫自动检测方法，以解决制约多姿态粮粒内部害虫不能自动检测的难题。

1.通过分析粮粒的光谱曲线发现，粮粒姿态的不同，导致粮粒整体灰度值的差异有所不同，且幼虫、蛹和成虫三个虫态之间的光谱差异比较小， 927.61nm和1471.28nm为区分完善粒和含虫粮粒的最优光谱波长组合。随着粮虫的成长,粮粒中的淀粉、蛋白质的含量呈逐渐下降的趋势，水分含量基本上呈逐渐增长的趋势，粮粒的平均灰度值呈下降的趋势。927.61nm波长下粮粒图像平均灰度值和粮粒的蛋白质含量、水分含量之间具有很强的负指数相关关系，与淀粉含量之间具有很强的线性相关关系。随着粮虫的虫态变化，使粮粒在927.61nm的光谱反射率减少，因而其近红外特征波长中粮粒图像的整体灰度值降低，为粮粒内部害虫的计算机视觉自动检测奠定坚实的理论基础。. 2.部分粮粒受到害虫侵染后存在孔洞，孔洞的位置是不确定的，边界孔洞差异较大，内部孔洞与部分边界及毛刺的区分难度较大。提出基于差分图像边界距离的粮粒孔洞自动检测方法，通过求取粮粒（内部）轮廓与阈值分割后二值图像的差分，若差分图像中的目标与粮粒边界的最远距离大于某个阈值时，则该目标应判别为边界（内部）孔洞，边界孔洞和内部孔洞检测的正确率分别为97.33%和95.56%，解决了粮粒内部虫害识别中孔洞不能准确检测的难题，克服了孔洞对粮粒姿态自动判别的影响。 . 3.目前关于粮粒姿态的研究，都仅针对1种或者2种情况进行分析，还没有姿态自动识别的相关报道。提出分腹沟朝下、朝上和侧向3个姿态对粮粒内部虫害进行研究，首先自动判别出粮粒的胚部区域，然后利用胚部区域的形态学、纹理、不变矩等26个特征对粮粒的3个姿态进行自动判别，粮粒3个姿态可拓分类的正确识别率为94.5%，为任意姿态粮粒的内部虫害自动检测奠定了坚实的基础。. 4.针对目前粮粒内部虫害检测方法存在太主观、不准确、耗时、缺乏自动检测潜力等缺点，本研究提出基于近红外高光谱成像技术的粮粒内部虫害检测方法。针对最优波长组合下的粮粒灰度图像，提取直方图变换特征、纹理特征、不变矩特征等，形成并优化不同粮粒姿态下的原始特征空间，依据不同姿态的粮粒，运用粮粒内部害虫识别分类器确定出粮粒是否受到害虫的侵染，整体正确识别率达到93%以上，为粮粒内部虫害的自动检测提供了全新、快速、有效的装备与技术。