高光谱技术在虫草分类识别技术中的应用
王化
摘 要：为了弥补传统茶叶审评方法的不足，该文提出了一种基于高光谱技术的方法来识别茶叶品种。该方法能充分利用茶叶的内部成分和外观特征来综合识别茶叶品种。采集茶叶的高光谱数据，提取其颜色特征、纹理特征、光谱特征，结合支持向量机方法建立识别模型。结果表明，品种识别准确率最高可达100%，验证了高光谱技术的优越性。
关键词：高光谱 特征提取 茶叶 品种识别
中图分类号：TP391.41 文献标识码：A 文章编号：1674-098X（2017）03（c）-0101-02
目前茶叶的假冒现象时常发生，茶叶市场混乱，对茶叶贸易造成了不良影响，严重损害了消费者利益。如何快速、准确地辨别茶叶真假已经成为消费者和生产者的迫切需要。
传统的茶叶检测方法主要是人为的感官审评和理化检测，这些方法主观性强、影响因素多，缺点较多。对此，电子鼻、电子舌、机器视觉技术、光谱技术等无损检测技术被应用，人们根据茶叶内部成分或者外部品质来识别茶叶。但是以上方法不能对茶叶内外品质综合判断，容易失去部分信息，影响识别结果。近年来，高光谱成像技术研究成为热点。它把二维成像技术和光谱技术结合，同时获取待测物质的内外信息，客观快速地分析待测物质。该文以龙井茶叶为研究对象，利用高光谱数据提取其颜色、纹理、光谱特征，结合支持向量机方法（SVM），建立基于光谱特征、图像特征和二者融合的龙井茶叶品种识别模型，分析对比模型效果，确立基于高光谱技术的龙井茶叶品种识别的最优模型[1]。
1 材料与方法
1.1 实验数据采集
材料选用浙江省杭州市汾口镇的中茶108、龙井43号以及鸠坑群体种3种龙井鲜叶，采集后于当天送往实验室。实验的高光谱数据采集系统主要包含SOC710VP高光谱成像光谱仪、2个250 W的Pro-light室内高光谱照明、计算机等。其中SOC710VP高光谱成像光谱仪内置扫描装置、CCD和光谱仪，波长范围400～1 000 nm、光谱分辨率4.68 nm。
实验在暗室中进行，称取20 g茶叶作为一个样本，均匀地平铺在黑色培养皿中。为保证高光谱图像清晰，采样前反复调节，每种茶叶样本采集200组，共得到600组大小为520×696×128的高光谱数据。
1.2 特征提取与建模
高光谱数据是一个三维数据块，同时包含了样本的图像信息和光谱信息，涵盖茶叶样本的内外信息。但是，高光谱数据量过大以及波段之间相关性强，三维数据块之间存在大量的冗余信息，因此，高光谱数据的降维对于提高识别模型的识别速率和准确率是非常有效的。主成分分析（PCA）是目前应用最广泛的降维方法之一。经过PCA变换的高光谱数据只需少量的主成分就可以尽可能多地表征原始信息[2]。
在数字图像处理中，物体的颜色、形状和纹理是最常用的3种自然属性，可以用来描述茶叶的外观品质，不同品种茶叶甚至同一品种的不同等级茶叶的这些属性都有差别。单片茶叶的形状随机性太大，因此，该文选择颜色特征和纹理特征作为识别特征。颜色特征是茶叶品种识别的重要影响因子。为了定量描述并全面评价茶叶颜色，结合最常用的RGB模型和HSI模型提取红色R、绿色G、蓝色B、色调H、饱和度S、亮度I作为颜色特征。茶叶的纹理属于自然纹理，一般采用统计分析方法。该文通过灰度共生矩阵（GLCM）方法提取对比度、相关性、能量、同质性、熵共5个纹理特征[3]。
植被的内部结构特征和化学特性对不同波长的光谱有不同的光谱响应。植被光谱具有一些反射特性明显的独特谱带，这些特征谱带包含的信息量较大、代表性强、能反映不同物种之间的差异。该文应用特征光谱位置参数（“三边”位置）结合植被指数（比值植被指数、差值植被指数和归一化差值植被指数）作为光谱特征来识别龙井茶叶品种[4]。
2 结果分析
截取高光谱数据100×100×128大小的感兴趣区域（ROI）作为PCA，3种茶叶的前两幅主成分图像的累计贡献率均有90%以上，代表每个样本图像的大多数高光谱信息。因此，将PC1和PC2作为特征图像，设定像元距离为1，在0°、45°、90°、135°4个方向上构造GLCM，提取40个纹理特征。利用高光谱成像仪配套的SRAnal710软件提取茶叶的RGB图像，再提取ROI的6个颜色特征。中茶108的主成分图像和RGB图如图1所示。
高光谱图像每一个像素点都包含所有波长下的光谱信息，为了使光谱信息更具有代表性，提取指定ROI的100×100个像素点的平均光谱信息作为该茶叶样本的反射光谱，如图2所示。基于反射光谱提取“红边”“黄边”“蓝边”、RVI、DVI、NDVI共6个光谱特征。
將以上52个特征作为输入向量，利用SVM建立识别模型。SVM的识别模型受核函数影响较大，选取常用的线性核函数、RBF核函数和sigmoid核函数，对比识别结果。此外，用交叉验证法确定惩罚系数C、gamma参数等多个影响因子的最佳参数。模型的评价标准由识别准确率（正确识别的种类数量/所有样本数量）给定。结果如图3所示。
该文充分利用高光谱数据，提取图像和光谱特征作为龙井茶叶的品种识别特征。模型的平均准确率在99%左右，最高甚至达到100%，因此，利用高光谱技术识别龙井茶叶的品种是可行的，为今后茶叶市场的正规交易提供了技术支持。
参考文献
[1] 吴瑞梅.名优绿茶品质感官评价的仪器化表征研究[D].江苏大学，2012.
[2] 汤守鹏，姚鑫锋，姚霞，等.基于主成分分析和小波神经网络的近红外多组分建模研究[J].分析化学，2009，37（10）：1445-1450.
[3] 吴瑞梅，吴彦红，艾施荣，等.茶叶外形品质的高光谱图像量化分析[J].江西农业大学学报，2013，35（2）：413-418.
[4] 蒋帆，乔欣，郑华军，等.基于高光谱分析技术的机炒龙井茶等级识别方法[J].农业工程学报，2011（7）：343-348.
