1. 高光譜設(shè)備介紹

高光譜圖像數(shù)據(jù)采集采用高光譜相機。該儀器在于實現(xiàn)非破壞性無接觸式檢測、測量、分析。光譜范圍廣,可覆蓋400-700nm的可見光,波長分辨率優(yōu)于2.5nm,多達(dá)600個光譜通道;可適配多種探測器滿足不同使用環(huán)境。

圖1高光譜相機

2. 實驗?zāi)繕?biāo)利用高光譜相機技術(shù)對成熟的小龍蝦進(jìn)行品質(zhì)分析，研究不同品質(zhì)小龍蝦的光譜差異并通過高光譜成像技術(shù)快速識別不同品質(zhì)的小龍蝦，為餐飲行業(yè)行業(yè)快速識別不同品質(zhì)小龍蝦提供技術(shù)支持。圖2為需要利用高光譜成像設(shè)備采集分析的小龍蝦樣本，左邊為品質(zhì)好的小龍蝦，右邊為品質(zhì)壞的小龍蝦。

圖2 需要高光譜設(shè)備采集的實驗?zāi)繕?biāo)

3. 實驗結(jié)果

3.1 可見近紅外、短波紅外高光譜的小龍蝦光譜分析

在小龍蝦身上不同部分分別選取約200個像素點取均值代表小龍蝦該部分的光譜反射率，如圖3所示，分別列舉了品質(zhì)好的和壞的小龍蝦外殼、蝦爪、蝦尾和蝦腹在可見近紅外波長范圍的光譜進(jìn)行分析，并對原始光譜作了一階導(dǎo)數(shù)分析，目的是為了更加深入地了解不同品質(zhì)的小龍蝦其不同部位的光譜差異。圖3左為品質(zhì)好的與壞的小龍蝦不同部位的原始光譜反射率曲線，從圖中可知，小龍蝦不同部位的光譜反射率在400-530nm之前差異較小，但在530nm之后小龍蝦不同部位的光譜曲線差異較大。對于品質(zhì)壞的小龍蝦，其外殼光譜的陡坡位置相對于品質(zhì)好的小龍蝦而言，發(fā)生了“藍(lán)移”;另外品質(zhì)壞的小龍蝦，其蝦爪、蝦尾、蝦腹等部位與品質(zhì)好的小龍蝦，其光譜反射率差異也較大。圖3右更能清晰地看出不同品質(zhì)的小龍蝦不同部位的光譜差異及品質(zhì)好與品質(zhì)差的小龍蝦在400-1000nm范圍內(nèi)的光譜差異，從其峰谷位置及峰谷的高低，很顯著地看出品質(zhì)好與品質(zhì)差的小龍蝦的光譜差異。

圖3 基于可見/近紅外高光譜成像技術(shù)小龍蝦不同部位的光譜曲線

與可見、近紅外高光譜成像技術(shù)分析小龍蝦光譜一樣，在短波紅外的高光譜圖像上分別選取小龍蝦身上不同部分約200個像素點取均值代表小龍蝦該部分的光譜反射率，如圖4所示，分別列舉了品質(zhì)好的和壞的小龍蝦外殼、蝦爪、蝦尾和蝦腹在短波紅外范圍的光譜進(jìn)行分析，并對原始光譜作了一階導(dǎo)數(shù)分析，目的是為了更加深入地了解不同品質(zhì)的小龍蝦其不同部位的光譜差異。圖4 左為短波紅外1000-2500nm的光譜反射率曲線圖，從圖中可知，在短波紅外范圍，不同品質(zhì)的小龍蝦及小龍蝦的不同部位光譜反射率曲線變化趨勢相似，不同的是曲線反射率的高低及峰谷的高低。圖4右為不同品質(zhì)小龍蝦及不同部位在短波紅外范圍的一階導(dǎo)數(shù)光譜曲線。從圖中可知，不同品質(zhì)的小龍蝦，其峰谷位置及峰谷的值差異較大，小龍蝦不同部位之間的光譜也有顯著差異。

圖4 基于短波紅外高光譜成像技術(shù)小龍蝦不同部位的光譜曲線

3.2 小龍蝦品質(zhì)識別研究

最小噪聲分離變換(Minimum Noise Fraction Rotation，MNF Rotation)工具用于判定圖像數(shù)據(jù)內(nèi)在的維數(shù)(即波段數(shù))，分離數(shù)據(jù)中的噪聲，減少隨后處理中的計算需求量。MNF本質(zhì)上是兩次層疊的主成分變換。第一次變換(基于估計的噪聲協(xié)方差矩陣)用于分離和重新調(diào)節(jié)數(shù)據(jù)中的噪聲，這步操作使變換后的噪聲數(shù)據(jù)只有最小的方差且沒有波段間的相關(guān)。第二步是對噪聲白化數(shù)據(jù)(Noise-whitened)的標(biāo)準(zhǔn)主成分變換。

主成分分析(PCA)是遙感數(shù)字圖像處理中運用比較廣泛的一種算法，是在統(tǒng)計特征基礎(chǔ)上的多維(多波段)正交線性變換。通過PCA變換,可以把多波段圖像中的有用信息集中到數(shù)量盡可能少的新的主成分圖像中，并使這些主成分圖像之間互不相關(guān)，從而大大減少總的數(shù)據(jù)量。但PCA變換對噪聲比較敏感，即信息量大的主成分分量，信噪比不一定高，當(dāng)某個信息量大的主成分中包含的噪聲的方差大于信號的方差時，該主成分分量形成的圖像質(zhì)量就差， PCA變換用于融合處理并不是為了減少噪聲，而是通過該變換,使得多光譜影像在各個波段具有統(tǒng)計獨立性,便于分別采用相應(yīng)的融合策略。針對PCA變換的不足，Green等曾經(jīng)提出最小噪聲分離(MNF)變換，隨后，又對MNF變換進(jìn)行了修改，它本質(zhì)上是含有兩次疊置處理的主成分分析。

由此可知，MNF變換具有PCA變換的性質(zhì)，是一種正交變換，變換后得到的向量中的各元素互不相關(guān)，第一分量集中了大量的信息,隨著維數(shù)的增加,影像質(zhì)量逐漸下降,按照信噪比從大到小排列，而不像PCA變換按照方差由大到小排列，從而克服了噪聲對影像質(zhì)量的影響。正因為變換過程中的噪聲具有單位方差，且波段間不相關(guān)，所以它比PCA變換更加優(yōu)越。

圖5為可見、近紅外400-1000nm范圍內(nèi)基于MNF變化的前9個分量圖，從圖中可知，不同品質(zhì)的小龍蝦，在第三、第四和第五分量上可以實現(xiàn)很好的判別，而其他分量存則存在不同程度的誤判，結(jié)合第三、第四和第五分量以及CART決策樹分類法，可以實現(xiàn)小龍蝦品質(zhì)的鑒定，如圖6所示，紅色為品質(zhì)壞的小龍蝦，綠的為品質(zhì)好的小龍蝦。

圖5 小龍蝦基于400-1000nm的MNF前9個分量圖

圖6 基于400-1000nm范圍內(nèi)小龍蝦品質(zhì)分析結(jié)果

圖7為短波紅外1000-2500nm范圍內(nèi)基于MNF變化的前8個分量圖，從圖中可知，不同品質(zhì)的小龍蝦，除第一、第三、第四和第五MNF變量能區(qū)分出部分品質(zhì)好的小龍蝦或品質(zhì)不好的小龍蝦外，其余變量品質(zhì)好壞的小龍蝦并不顯著區(qū)別。我們利用第一、第三、第四和第五MNF變量結(jié)合圖像分類方法中的監(jiān)督分類法用于區(qū)分不同品質(zhì)的小龍蝦，區(qū)分效果如圖8所示，其中紅色為品質(zhì)壞的小龍蝦，綠的為品質(zhì)好的小龍蝦。

圖7 小龍蝦基于1000-2500nm的MNF前8個分量圖

圖8 基于1000-2500nm范圍內(nèi)小龍蝦品質(zhì)分析結(jié)果

4. 結(jié)果與討論

從分析結(jié)果來看，基于400-1000nm和1000-2500nm波長范圍的高光譜影像數(shù)據(jù)均能較好地區(qū)分成熟的品質(zhì)好與壞的小龍蝦。如果僅從MNF的分量上看，基于400-1000nm的可見近紅外高光譜影像識別不同品質(zhì)的小龍蝦高于基于1000-2500nm的短波紅外，但結(jié)合高光譜分析方法，兩者的識別精度并無顯著差別。另外如果將來想在產(chǎn)線上進(jìn)一步應(yīng)用，仍需要進(jìn)一步的分析，這是因為小龍蝦的擺放姿勢對利用高光譜影像數(shù)據(jù)的判別效果影響很大。