面向高光谱品质检测的苹果三维模型多层组织光学参数反演研究

In view of the present study, the simulations of light propagation in apple organization ignore that the organization structure is multi-layer globoid and the tissue composition is uneven. The apple organization is supposed to be the multi-layer flat plate structure. This project intends to research the inversion problem of the multi-layered tissue optical parameters of three-dimensional apple model for highspectral quality detection. First of all, we will establish a three-dimensional geometric model of apple fruit. Then using the improved advancing front method and the mixed optimal fairness method, the 3-layer closed surfaces of three-dimensional apple model will be subdivided and optimized. We will obtain high quality triangular mesh of the apple's 3-layer interfaces. On that basis, we will further study the outer brightness distribution of the apple model with different geometric parameters and optical parameters, in view of various places over the apple surface are affected by direct light of which the wavelength is 400-2000 nm. Finally, 3-layer tissue optical parameters of apple model will be inversed by using deep convolutional neural networks. Meanwhile, the project will implement the optical parameter inversion with higher accuracy using regional brightness distribution data, and analyze the relation of light wavelength, irradiation position and detection region. The project will provide a scientific basis for the design and configuration of fruit quality testing equipment using hyperspectral imaging, and establish a theoretical foundation for the intensive study on fruit quality nondestructive testing methods.

针对目前苹果组织光学参数研究中，忽略苹果多层类球体的组织结构以及不均匀的组织成分，仅简单假设其为多层平板结构的问题，本项目拟研究面向高光谱品质检测的苹果三维模型多层组织光学参数反演方法。首先建立苹果果实的三维几何模型；然后利用改进的波前法对苹果三维几何模型中的3层闭合曲面进行网格剖分，并利用混合光顺法进行优化处理，得到苹果组织各层界面的高质量三角网格；在此基础上，进一步研究400-2000nm波长范围的入射光直射苹果各个部位时，不同几何参数和光学参数条件下苹果模型外表面的光亮度分布情况；最后利用深度卷积神经网络反演苹果模型中的3层组织光学参数。同时在保证反演精度的情况下，研究利用苹果模型外层局部光亮度分布数据进行光学参数反演的方法，分析得到最佳的入射光波长、入射位置、光亮度检测区域的组合关系。本项目的研究可为高光谱品质检测设备的设计优化和水果品质无损检测方法的改进提供科学依据。

苹果的内部品质包括糖度、水分、硬度等指标，这些指标都与苹果的生理生化状态相关，而光学参数直接反映了生物组织的生理生化状态。光学参数的常规检测方法属于有损方式，且效率较低。现有利用高光谱数据直接反演光学参数的方法由于样本数量有限，适应性较差，且针对多层组织的反演效果不佳。针对上述问题，本项目提出了一种基于苹果三维模型多层组织光学参数反演方法。首先，采集了200个陕西红富士苹果样本的外形参数、高光谱图像、果皮和果肉的光学参数、糖度和含水率。其次，基于曲面方程和蒙特卡洛方法获得苹果表面光亮度模拟图像。1）利用曲面方程模拟了苹果的几何外形并确定曲面方程参数的取值范围；2）分析了畸形苹果模型的种类和产生原因，并在此基础上构建了苹果模型库；3）提出了基于苹果曲面方程的蒙特卡洛方法，模拟了光子在苹果模型中的传输过程，获得苹果表面光亮度模拟图像。然后，利用生成的模拟数据训练卷积神经网络完成对苹果模型光学参数的反演，果皮吸收系数μa1、果皮散射系数μs1、果肉吸收系数μa2和果肉散射系数μs2的反演准确率分别为51.55%、67.83%、95.24%和90.66%。同时，分析了利用光谱仪检测苹果品质时光子入射最佳位置和源-探距离，并用实际拍摄的苹果样本高光谱图像进行了验证。结果表明：苹果赤道为光子最佳入射位置，探头距光子入射位置最佳距离约为3mm-10mm。在模拟数据所训练的卷积神经网络的基础上，结合模型迁移和特征迁移的思想，提出了基于最大均值差异和卷积/稀疏自动编码的模型迁移方法MMD-CA-SAMT(Maximum Mean Discrepancy-Convolution AutoEncoder-Sparse AutoEncoder Model Transfer)，构建了适用于苹果样本实测高光谱图像的光学参数反演模型。μa1、μs1、μa2和μs2的反演精度分别为84.61%、83.56%、92.47%和86.53%，相比现有直接使用实测光谱数据训练神经网络的反演模型的反演精度分别提高了33.06%、17.23%、17.45%和20.71%。最后，设计实验分析得到：利用光学参数反演过程获得的深度特征与实际苹果样本的糖度、水分进行相关性分析，相比直接利用高光谱图像，结果的回归相关系数提高了0.19和0.15。研究结果证明了苹果光学参数反演的必要性和所提反演模型的有效性，也为果蔬乃至