油桃外部缺陷的高光谱成像检测

采用高光谱(420~1000nm)成像技术对“中油9号”油桃的4种外部缺陷(裂纹果、锈病果、异形果和暗伤果)进行检测判别。对400个样本（4种外部缺陷样本和完好样本）运用偏最小二乘回归（PLSR）从全波段中分别提取了10条特征波长，分别为497、534、657、677、696、709、745、823、868、943nm。缺陷样本的高光谱图像经过主成分分析后，对876nm下的单波段图像通过掩膜、Sobel算子处理，并对主成分图像经过区域生长算法实现缺陷样本的缺陷区域分割。对光谱数据进行主成分分析得到前10个主成分值，并对图像数据采用灰度共生矩阵(GLCM)提取得到6项图像纹理指标(均值、对比度、相关性、能量、同质性、熵值)。将主成分值和纹理值融合建立极限学习机(ELM)模型对油桃外部缺陷进行检测判别。结果表明，该模型对缺陷样本的判别正确率为91.67%，完好样本的正确率为100%