基于高光譜圖像的小麥種子純度/含水量檢測(cè)系統(tǒng)

朱潘雨，方雯昕，黃 敏，趙 鑫，陳艷萍

(1.江南大學(xué) 輕工過程先進(jìn)控制教育部重點(diǎn)實(shí)驗(yàn)室，江蘇 無錫 214122；2.江蘇省農(nóng)業(yè)科學(xué)院糧食作物研究所，南京 210014)

0 引言

種子是一切農(nóng)業(yè)生產(chǎn)的基礎(chǔ)。小麥種子的純度和含水量是反映小麥種子質(zhì)量的兩個(gè)重要指標(biāo)。隨著雜交技術(shù)的廣泛使用，各種新品種的小麥種子不斷涌現(xiàn)，為改善作物產(chǎn)量和品質(zhì)，提高農(nóng)業(yè)經(jīng)濟(jì)效益提供了條件。但是育種過程中的去雄不徹底，育種區(qū)域內(nèi)其它品種的污染，都會(huì)導(dǎo)致小麥種子純度的降低，并最終影響到作物的產(chǎn)量和品質(zhì)[1]。小麥種子的含水量對(duì)小麥種子的壽命有著重要的影響。當(dāng)小麥種子含水量過高時(shí)，會(huì)使小麥種子呼吸作用過于旺盛，并使微生物大量繁殖，從而使貯藏小麥種子的壽命大大縮短；而當(dāng)小麥種子含水量過低時(shí)，則會(huì)使小麥種子失水死亡[2]。因此，小麥種子的純度、水分是我國《農(nóng)作物種子檢驗(yàn)規(guī)程》規(guī)定的小麥種子檢驗(yàn)的必檢項(xiàng)目。

傳統(tǒng)的小麥種子純度檢測(cè)主要包括形態(tài)鑒定、田間種植、生化方法和分子標(biāo)記技術(shù)；而含水量檢測(cè)主要采用烘干減重法、甲苯蒸餾法和卡爾費(fèi)休法等。上述方法存在實(shí)時(shí)性差、難以滿足小麥種子企業(yè)在收儲(chǔ)環(huán)節(jié)對(duì)小麥種子逐批次檢測(cè)的需要。近年來，具有快速、無損檢測(cè)優(yōu)點(diǎn)的高光譜圖像技術(shù)被引入到小麥種子的純度和含水量檢測(cè)領(lǐng)域，涌現(xiàn)了大量的研究報(bào)道[3-8]。然而，現(xiàn)有的研究都是基于實(shí)驗(yàn)室條件，當(dāng)面向收儲(chǔ)環(huán)節(jié)的現(xiàn)場(chǎng)應(yīng)用時(shí)，需要解決下列問題：1)利用高光譜圖像進(jìn)行小麥種子純度和水分檢測(cè)時(shí)，涉及到系統(tǒng)校準(zhǔn)、圖像采集和后續(xù)的數(shù)據(jù)分析處理等多個(gè)環(huán)節(jié)；但現(xiàn)有的設(shè)備集成度差，需要操作人員具備較高的技能，導(dǎo)致現(xiàn)場(chǎng)應(yīng)用困難；2)小麥種子品種的多樣性、種植環(huán)境的時(shí)空分布變化會(huì)導(dǎo)致數(shù)據(jù)分析模塊的性能退化，需要及時(shí)更新維護(hù)數(shù)據(jù)分析模塊。

為了滿足小麥種子純度和含水量檢測(cè)的現(xiàn)場(chǎng)應(yīng)用需求，本文基于高光譜圖像技術(shù)，開發(fā)了小麥種子純度/含水量自動(dòng)檢測(cè)系統(tǒng)。檢測(cè)系統(tǒng)集成了系統(tǒng)校準(zhǔn)、高光譜圖像采集、數(shù)據(jù)分析，模型更新、報(bào)告輸出等功能模塊，具有功能完善、操作簡便、可擴(kuò)展性強(qiáng)等優(yōu)點(diǎn)。所設(shè)計(jì)的小麥種子純度(準(zhǔn)確率>90%，精確率>90%，召回率>90%)和含水量(決定系數(shù)>0.9，均方根誤差<1.0%)檢測(cè)系統(tǒng)為促進(jìn)高光譜圖像技術(shù)在小麥種子質(zhì)量檢測(cè)領(lǐng)域的現(xiàn)場(chǎng)應(yīng)用提供了可能。

1 高光譜成像技術(shù)

高光譜成像技術(shù)通過高光譜相機(jī)獲取被測(cè)物體在不同波段下的空間圖像(稱為高光譜圖像)，并借助于化學(xué)計(jì)量學(xué)方法構(gòu)建高光譜圖像與被測(cè)物體感興趣指標(biāo)(成分、種類等)的函數(shù)關(guān)系，從而實(shí)現(xiàn)感興趣指標(biāo)的無損快速測(cè)量[9-12]。圖1給出了由高光譜相機(jī)獲取的高光譜圖像數(shù)據(jù)結(jié)構(gòu)。其中，x和y代表空間信息，z代表光譜(波段)信息。為了獲得完整、清晰的被測(cè)物體的空間信息，高光譜成像系統(tǒng)需要涉及到光源功率、高光譜相機(jī)焦距、平臺(tái)運(yùn)動(dòng)、圖像采集等多個(gè)環(huán)節(jié)的協(xié)調(diào)控制；同時(shí)為了獲得高精度的檢測(cè)模型，需要開發(fā)和維護(hù)后續(xù)的數(shù)據(jù)分析模塊。本文對(duì)上述關(guān)鍵環(huán)節(jié)進(jìn)行集成優(yōu)化，以實(shí)現(xiàn)小麥種子純度/含水量的高精度檢測(cè)。

圖1 高光譜數(shù)據(jù)結(jié)構(gòu)

2 系統(tǒng)硬件設(shè)計(jì)

2.1 硬件整體設(shè)計(jì)

如圖2所示，基于高光譜圖像的小麥種子純度/含水量檢測(cè)系統(tǒng)的硬件模塊主要由STM32控制模塊、溫濕度傳感器、步進(jìn)電機(jī)(含驅(qū)動(dòng)板)、載物臺(tái)、數(shù)粒板、光源(含控制器)，高光譜相機(jī)、Windows操作平臺(tái)和操作暗箱9部分組成。STM32控制模塊以STM32F103RBT6芯片為控制核心，控制步進(jìn)電機(jī)1和2的移動(dòng)速度和方向，實(shí)現(xiàn)成像系統(tǒng)的焦距調(diào)整和多粒小麥種子圖像的不失真采集。為了保證采集環(huán)境溫濕度的穩(wěn)定和高光譜圖像的信噪比，STM32控制模塊通過RS232協(xié)議控制光源5的功率，并通過RS485協(xié)議讀取溫濕度傳感器6采集溫濕度信息。除軟件操作平臺(tái)外，整個(gè)硬件系統(tǒng)放置在操作暗箱內(nèi)，以避免環(huán)境光的干擾。在采集小麥種子高光譜圖像數(shù)據(jù)時(shí)，將載有小麥種子的數(shù)粒板放置在載物臺(tái)上，通過上位機(jī)軟件完成對(duì)電機(jī)運(yùn)動(dòng)的控制，光源功率的調(diào)節(jié)和圖像的采集。

圖2 系統(tǒng)總體結(jié)構(gòu)圖

2.2 電機(jī)模塊

基于高光譜圖像的小麥種子純度/含水量檢測(cè)系統(tǒng)所使用的步進(jìn)電機(jī)1和2的驅(qū)動(dòng)器工作電壓為24 V，輸入脈沖下降沿有效，控制電機(jī)的移動(dòng)速度以及移動(dòng)方向，脈沖低電平為0～+0.5 V，高電平為+5～+28 V。以電機(jī)1控制為例，由于STM32的IO輸入輸出高低電平分別為+3.3 V和0 V，欲使其低電平滿足0～+0.5 V，高電平滿足+5～+28 V，應(yīng)將STM32的IO口接1 kΩ的上拉電阻和+5 V電平實(shí)現(xiàn)漏極開路輸出，如圖3所示。圖3中PC12為STM32引腳獲取輸入脈沖，HPWM接驅(qū)動(dòng)器控制電機(jī)移動(dòng)速度，電機(jī)移動(dòng)方向控制原理也類似。

圖3 漏極開路輸出電路原理圖

為了防止載物臺(tái)移動(dòng)到兩端時(shí)，電機(jī)保持繼續(xù)轉(zhuǎn)動(dòng)對(duì)電機(jī)本身造成損害，本系統(tǒng)采用了工作電壓為24 V的NPN型接近開關(guān)來檢測(cè)載物臺(tái)是否移動(dòng)到電機(jī)兩端，該接近開關(guān)的電源線接+24 V和地，信號(hào)線向STM32發(fā)送高低電平。其工作原理為當(dāng)接近開關(guān)前端檢測(cè)到金屬物體時(shí)，接近開關(guān)觸發(fā)，燈亮且信號(hào)線釋放低電平。由于信號(hào)線在高電平時(shí)為+24 V，需要將其接22 K電阻分壓，才能保證STM32接收到的高電平為+3.3 V，當(dāng)STM32接收到金屬感應(yīng)接近開關(guān)的低電平信號(hào)時(shí)，立即向電機(jī)發(fā)送停止信號(hào)。

2.3 溫濕度檢測(cè)模塊電路

CCD成像器件在無光注入情況下產(chǎn)生暗電流信號(hào)，暗電流受溫度的強(qiáng)烈影響[13-15]。為了減小溫度變化對(duì)暗電流產(chǎn)生影響，導(dǎo)致前后采集到圖像的暗電流不一致，本系統(tǒng)采用高精度的SHT20溫濕度傳感器用來監(jiān)測(cè)操作箱內(nèi)溫濕度變化，在操作暗箱內(nèi)溫濕度不再發(fā)生變化的前提下進(jìn)行圖像采集。該溫濕度傳感器電源線分別接+12 V和GND，由于開關(guān)電源輸出電壓為24 V，為了減少外部元器件的使用，并且使得系統(tǒng)的集成化程度更高，本系統(tǒng)采用TPS5430DDAR芯片將24 V電源轉(zhuǎn)為12 V電源電路模塊集成到開發(fā)板上，電路原理如圖4所示。圖5為TTL轉(zhuǎn)RS485電路原理圖，主芯片為SP3485EEN，U6接溫濕度傳感器信號(hào)線，用于與SP3485EEN傳輸信號(hào)，PA2，PA3接STM32芯片對(duì)應(yīng)引腳，用來建立SP3485EEN與STM32通信，STM32接PA4控制接收器和驅(qū)動(dòng)器使能。

圖4 24 V轉(zhuǎn)12 V模塊電路原理圖

圖5 TTL轉(zhuǎn)RS485模塊電路原理圖

2.4 成像模塊和光源功率調(diào)節(jié)

成像模塊和光源功率調(diào)節(jié)模塊為圖像采集模塊的硬件部分。成像模塊采用由美國Corning公司生產(chǎn)的microHSI-410高光譜相機(jī)以線掃描的方式進(jìn)行數(shù)據(jù)采集，其波段范圍為400～1 000 nm，空間分辨率最大為1 000×1 265個(gè)像素點(diǎn)，其中1 000為線掃描下完整批次的總條數(shù)，1 265為每條線掃描下獲取的像素點(diǎn)，光譜分辨率在2～8 nm編程可調(diào)。在接收上位機(jī)的指令后，電機(jī)1運(yùn)動(dòng)，相機(jī)打開并根據(jù)相應(yīng)參數(shù)調(diào)整曝光時(shí)間對(duì)實(shí)驗(yàn)樣品進(jìn)行拍攝，將每次線掃描采集到的高光譜數(shù)據(jù)傳輸至上位機(jī)整合成一副完整的高光譜圖像。

本系統(tǒng)采用Illumination Technologies公司生產(chǎn)的鹵素光源，光源功率0～150 W內(nèi)連續(xù)可調(diào)，具有穩(wěn)定的光照強(qiáng)度輸出，誤差控制為±0.1%以內(nèi)。該光源配套的光源控制器具有手動(dòng)調(diào)節(jié)，基于RS232協(xié)議的編程指令調(diào)節(jié)和基于RS485協(xié)議的編程指令調(diào)節(jié)3種方式。其中后兩種方式通過DB15的雙排接口接收STM32傳送過來的指令。本系統(tǒng)基于RS232協(xié)議，實(shí)現(xiàn)光源功率調(diào)節(jié)，主要由STM32控制RS232模塊，進(jìn)而控制滿足需求的光照強(qiáng)度。相應(yīng)的硬件實(shí)現(xiàn)電路原理如圖6所示，圖中IN1，OUT1分別接DB15的引腳6和引腳7，以建立RS232與單片機(jī)通信。光源具有近似穩(wěn)定的線性輸入輸出，在實(shí)際開發(fā)中需要將其轉(zhuǎn)為對(duì)應(yīng)的二進(jìn)制編碼(例如“255”在程序中應(yīng)為“11111111”)傳到TTL轉(zhuǎn)RS232模塊即可實(shí)現(xiàn)對(duì)光源強(qiáng)度的控制，本系統(tǒng)與手動(dòng)調(diào)節(jié)類似，采用10個(gè)檔位進(jìn)行調(diào)節(jié)，在上位機(jī)發(fā)出光源強(qiáng)度指令信號(hào)以后，STM32獲取到該指令，并通過RS232對(duì)光源強(qiáng)度進(jìn)行調(diào)節(jié)。

圖6 TTL轉(zhuǎn)RS232模塊電路原理圖

3 軟件設(shè)計(jì)

3.1 整體設(shè)計(jì)

基于高光譜圖像的小麥種子純度/含水量檢測(cè)系統(tǒng)的軟件部分基于Python編程語言實(shí)現(xiàn)，由數(shù)據(jù)管理模塊，系統(tǒng)校正模塊，圖像采集模塊，數(shù)據(jù)分析模塊和模型更新模塊組成，軟件操作平臺(tái)框架如圖7所示。軟件操作平臺(tái)設(shè)計(jì)流程如下：1)系統(tǒng)運(yùn)行以后首先會(huì)出現(xiàn)登錄界面，獲得普通權(quán)限可以完成系統(tǒng)校正，圖像采集，數(shù)據(jù)分析操作等功能；在登錄界面獲取管理員權(quán)限才能進(jìn)入模型更新模塊；2)在系統(tǒng)校正模塊中，實(shí)驗(yàn)人員隨機(jī)設(shè)置初始化曝光時(shí)間，光源強(qiáng)度和樣品移動(dòng)速度，在系統(tǒng)校正模塊中預(yù)拍攝一張圖像，獲取到最佳的光源強(qiáng)度和樣品移動(dòng)速度參數(shù)；3)系統(tǒng)校正模塊中獲取到的參數(shù)自動(dòng)導(dǎo)入圖像采集模塊中，實(shí)驗(yàn)人員即可進(jìn)行圖像采集；4)在數(shù)據(jù)分析模塊中對(duì)采集的圖像進(jìn)行分析，包括含水量和純度檢測(cè)兩項(xiàng)指標(biāo)；5)根據(jù)實(shí)際需要在模型更新模塊中可對(duì)模型進(jìn)行訓(xùn)練和更新，數(shù)據(jù)管理等操作，其流程如圖8所示。

圖7 軟件操作平臺(tái)設(shè)計(jì)

圖8 軟件操作平臺(tái)設(shè)計(jì)流程

3.2 系統(tǒng)校正模塊

美國Corning公司為本系統(tǒng)使用的microHSI-410高光譜相機(jī)提供了一套與python編程語言相適應(yīng)的API接口，使對(duì)相機(jī)的初始化設(shè)置，拍攝數(shù)目，曝光時(shí)間等多種操作可以通過編程實(shí)現(xiàn)。根據(jù)需求，系統(tǒng)校正模塊應(yīng)當(dāng)實(shí)現(xiàn)聚焦調(diào)節(jié)，光源校正和速度校正3種校正以匹配圖像采集所需最佳參數(shù)，界面如圖9所示。初始化基本參數(shù)設(shè)置包括光源強(qiáng)度，曝光時(shí)間和速度。本模塊實(shí)現(xiàn)的功能為移動(dòng)電機(jī)2實(shí)現(xiàn)焦距的調(diào)節(jié)，預(yù)拍攝一副白板校正圖像實(shí)現(xiàn)光源校正，預(yù)拍攝一副正圓物體的圖像實(shí)現(xiàn)速度校正。具體軟件實(shí)現(xiàn)如下：1)將獲取的“光源強(qiáng)度”值編碼為“utf-8”寫入串口并傳輸至下位機(jī)，下位機(jī)與RS232通信對(duì)光源亮度調(diào)節(jié)(通信方式見2.3)；2)通過定時(shí)器給電機(jī)2分配移動(dòng)速度，使STM32接收到上位機(jī)的指令后，即可實(shí)現(xiàn)對(duì)電機(jī)2移動(dòng)方向和移動(dòng)速度的控制；3)“光源校正”板塊操作開始后，系統(tǒng)自動(dòng)打開相機(jī)并通過相機(jī)API接口提供的set_exposure函數(shù)對(duì)曝光時(shí)間進(jìn)行設(shè)置，同時(shí)將給出的初始速度進(jìn)行編碼寫入串口傳輸至下位機(jī)，電機(jī)開始移動(dòng)。結(jié)束拍攝時(shí)，相機(jī)關(guān)閉且調(diào)用時(shí)間線程停止電機(jī)移動(dòng)，拍攝完成。此時(shí)系統(tǒng)自動(dòng)提取拍攝到的光譜數(shù)據(jù)并將其最大值的2/3作為最終的光源強(qiáng)度。利用界面彈出對(duì)話框確定用戶是否保存系統(tǒng)分析的光源強(qiáng)度數(shù)值，如需保存則將此數(shù)值寫入txt文檔中；4)“速度校正”板塊拍攝原理與“光源校正”板塊類似，不同之處在于本板塊需要拍攝的是正圓形的物體，系統(tǒng)后臺(tái)會(huì)自動(dòng)提取此高光譜圖像下的圖像信息，根據(jù)輪廓檢測(cè)算法提取到正圓形物體所處的感興趣區(qū)域[16-19]，計(jì)算其長短軸之比來匹配合適的物體移動(dòng)速度，使其滿足圖像采集過程中不失真的要求，同時(shí)界面會(huì)彈出對(duì)話框，確定用戶是否保存系統(tǒng)分析的速度數(shù)值，如需保存則將此數(shù)值寫入txt文檔中。

圖9 系統(tǒng)校正設(shè)計(jì)

3.3 圖像采集模塊

在進(jìn)入本系統(tǒng)圖像采集模塊的同時(shí)，系統(tǒng)會(huì)自動(dòng)導(dǎo)入用戶在系統(tǒng)校正模塊中保存的光源強(qiáng)度，曝光時(shí)間和速度，實(shí)驗(yàn)人員也可以根據(jù)實(shí)際需要自行設(shè)置，完成上述設(shè)置即可進(jìn)行圖像采集操作。本系統(tǒng)進(jìn)行小麥種子含水量測(cè)定和品種純度鑒定除需要采集正常的樣品圖像外，還包含采集高光譜反射實(shí)驗(yàn)所需的黑板校正圖像和白板校正圖像以消除暗電流影響[20-23]，校正公式：

(1)

R，D，I0，I分別為全白板圖像、全黑板圖像、采樣圖像和校正后的圖像。由于采集1 000條樣品即可完成一個(gè)批次數(shù)據(jù)的拍攝，所以設(shè)計(jì)樣品采集圖像在每個(gè)波段下的空間分辨率為1 000×1 265個(gè)像素點(diǎn)。相應(yīng)地，對(duì)于黑白板校正圖像的設(shè)計(jì)均為采集10條樣本數(shù)據(jù)，即共10×1 265個(gè)像素點(diǎn)，對(duì)其求平均再將其維度擴(kuò)展為1 000×1 265，利用以上處理數(shù)據(jù)對(duì)圖像進(jìn)行校正。圖10顯示了拍攝全黑板圖像，全白板圖像以及樣品圖像相應(yīng)的界面。為了提高效率，減少內(nèi)存占用，本模塊采用邊采集圖像邊保存的方式。即在采集圖像的同時(shí)，借助gdal包將拍攝到的數(shù)據(jù)逐條寫入hdr文件中，并默認(rèn)保存到當(dāng)前目錄的“HDRData”目錄下。用戶也可以根據(jù)采集圖像前彈出的對(duì)話框自定義文件保存路徑。為了將拍攝到的圖像直觀地展示出來，系統(tǒng)選取波長分別為635 nm，525 nm，460 nm下對(duì)應(yīng)圖像組合成的偽RGB圖像[24-26]，通過matplotlib和pyqt5展示，如圖10所示。同時(shí)為了方便實(shí)驗(yàn)人員對(duì)圖像波形有基本的了解以及便于后續(xù)的操作，系統(tǒng)將光譜數(shù)據(jù)通過界面展示出來，即用戶可以點(diǎn)擊圖像內(nèi)的任意位置，顯示其波形圖，圖10左下角所示。

圖10 樣品采集模塊

3.4 數(shù)據(jù)分析模塊

偏最小二乘算法(PLS，partial least squares)的基本思想是最小化誤差的平方和找到一組數(shù)據(jù)的最佳函數(shù)匹配。首先對(duì)高光譜數(shù)據(jù)矩陣X和含水量矩陣Y進(jìn)行主成分分析：

X=TP+E

Y=UQ+F

(2)

主成分個(gè)數(shù)由權(quán)重項(xiàng)w決定，分解得到各自對(duì)應(yīng)的得分矩陣T、U和載荷矩陣P、Q，殘差項(xiàng)分別為E、F。通過主成分分析T=XP，可以將高光譜數(shù)據(jù)矩陣和含水量矩陣分別降至相應(yīng)的低緯度空間，并保留原矩陣中的大部分有效信息。再對(duì)建立各自得分矩陣之間的線性回歸方程：

U=TB

(3)

B為回歸系數(shù)矩陣：

B=TU(TTT)-1

(4)

最后X相對(duì)與Y的線性回歸可轉(zhuǎn)變?yōu)閄得分矩陣相對(duì)于Y的線性回歸[27]：

Y=TBQ

(5)

PLS-DA是最常用的一種線性判別算法。PLS-DA的基本思想是通過PLS分類技術(shù)在特征提取過程中獲取樣本的分類信息，然后建立自變量和分類變量之間的回歸模型，進(jìn)而有效地提取出與分類有關(guān)的特征變量，實(shí)現(xiàn)數(shù)據(jù)的分類識(shí)別。主要步驟如下：首先對(duì)光譜矩陣X和類別向量Y進(jìn)行正交分解，得到光譜矩陣和類別向量Y的得分矩陣T和U，見式(7)和式(8)。然后對(duì)得分矩陣T和U進(jìn)行線性回歸，求得回歸系數(shù)B，如式(9)和式(10)所示。最后通過式(11)求得未知樣品光譜矩陣Xtest的預(yù)測(cè)類別Ytest。其中P和Q分別為光譜矩陣X和類別向量Y的載荷矩陣；E和F分別為光譜矩陣X和類別向量Y的PLS擬合殘差矩陣[28]。

X=TP+E

(7)

Y=UQ+F

(8)

U=TB

(9)

B=(TTT)-1(TTU)

(10)

Ytest=XtestBQ

(11)

本研究數(shù)據(jù)處理流程如下：1)設(shè)定好光源強(qiáng)度，移動(dòng)速度，對(duì)實(shí)驗(yàn)樣品進(jìn)行高光譜圖像采集；2)將采集到的高光譜圖像進(jìn)行黑白板校正和閾值分割，其中黑白板校正公式為公式(1)，由于高光譜圖像在第180波段(757 nm)處最為清晰，所以選擇在此波段下進(jìn)行閾值分割，獲取感興趣區(qū)域，所拍攝的高光譜的偽RGB圖像與閾值分割后的圖像如圖11(a)，11(b)所示；3)提取閾值分割后感興趣區(qū)域(即小麥種子所在區(qū)域)對(duì)應(yīng)的高光譜數(shù)據(jù)，在小麥種子純度檢測(cè)中，以每粒小麥種子在300個(gè)波段下的平均光譜作為輸入量，小麥的品種作為輸出量，利用PLS-DA建模；在小麥種子含水量檢測(cè)中，以每批小麥種子在300個(gè)波段下的平均光譜作為輸入量，小麥的品種作為輸出量，利用PLS建模。

圖11 所拍攝高光譜圖像和閾值分割后圖像

上述對(duì)小麥種子含水量的PLS算法模型和純度檢測(cè)的PLS-DA算法模型已經(jīng)嵌入到本系統(tǒng)的數(shù)據(jù)分析模塊當(dāng)中，數(shù)據(jù)分析模塊界面如圖12所示。用戶可根據(jù)圖像采集模塊中背景和實(shí)驗(yàn)樣品的波形，選擇合適的數(shù)值對(duì)閾值進(jìn)行設(shè)置，即圖12中閾值設(shè)置1。對(duì)拍攝的圖像進(jìn)行預(yù)處理調(diào)用了opencv的結(jié)構(gòu)體元素，該結(jié)構(gòu)體的核函數(shù)大小由用戶通過下拉框?qū)﹂撝?進(jìn)行設(shè)置，目的是按照需求對(duì)感興趣區(qū)域進(jìn)行腐蝕膨脹，獲取到相對(duì)標(biāo)準(zhǔn)樣品的形狀。圖中“模型選擇”中通過系統(tǒng)后臺(tái)遍歷本地路徑下已經(jīng)訓(xùn)練好的品種純度檢測(cè)的模型。本模塊連接打印功能，將模塊分析的結(jié)果生成檢測(cè)報(bào)告，檢測(cè)報(bào)告主要包括品種純度鑒定圖像，含水量，檢驗(yàn)日期和從數(shù)據(jù)庫獲取到當(dāng)前的檢驗(yàn)人員用戶名等。

圖12 數(shù)據(jù)分析模塊

3.5 模型更新模塊

光譜信息易受環(huán)境、時(shí)間的影響，當(dāng)待測(cè)樣本的產(chǎn)地或者年份發(fā)生改變時(shí)光譜信息也隨之改變，導(dǎo)致建立的模型的穩(wěn)定性變差、泛化能力減弱[29]。為了提高系統(tǒng)的泛化能力以及確保小麥種子含水量和純度的檢測(cè)精度。本系統(tǒng)模型更新模塊采用重新練進(jìn)行模型更新。具體實(shí)現(xiàn)為：1)在人機(jī)交互界面提供相應(yīng)接口，將實(shí)驗(yàn)人員選擇的信息(模型，數(shù)據(jù)，文件等)記錄在相應(yīng)的txt文檔里面；2)模型更新或生成期間根據(jù)txt內(nèi)容進(jìn)行讀取并運(yùn)行，生成相應(yīng)的模型；3)由用戶選擇是否對(duì)生成的新模型進(jìn)行保存。具體操作為用戶在如圖13所示的界面中選擇需要更新的模型，導(dǎo)入需要更新的數(shù)據(jù)，選擇需要運(yùn)行的程序系統(tǒng)后端會(huì)自動(dòng)運(yùn)行程序并自動(dòng)生成對(duì)應(yīng)模型。

3.6 數(shù)據(jù)管理模塊

在進(jìn)入系統(tǒng)界面之前，普通實(shí)驗(yàn)人員通過獲得相應(yīng)權(quán)限之后可以對(duì)前述3個(gè)模塊進(jìn)行操作(系統(tǒng)調(diào)節(jié)，圖像采集和數(shù)據(jù)分析模塊)。為了防止普通實(shí)驗(yàn)人員的誤操作，在進(jìn)入模型更新模塊之前需要點(diǎn)擊“管理員”獲得更高級(jí)別的權(quán)限才能進(jìn)入。同時(shí)為了方便數(shù)據(jù)的管理以及提高數(shù)據(jù)的安全性，本模塊添加了mysql數(shù)據(jù)庫功能。將mysql數(shù)據(jù)庫應(yīng)用到本系統(tǒng)當(dāng)中，可以實(shí)現(xiàn)對(duì)對(duì)實(shí)驗(yàn)人員和管理人員的管理，以及對(duì)模型、實(shí)驗(yàn)數(shù)據(jù)和檢測(cè)報(bào)告等重要資源的添加、刪除、上傳、下載等操作。數(shù)據(jù)管理模塊如圖13所示。

圖13 模型更新和數(shù)據(jù)管理模塊

4 實(shí)驗(yàn)與結(jié)論

4.1 含水量檢測(cè)

本實(shí)驗(yàn)共使用50批小麥，每批20粒，共1 000粒小麥種子。將小麥種子根據(jù)含水量不同劃分為5個(gè)梯度等級(jí)，每個(gè)梯度10個(gè)批次。第一個(gè)梯度每批20粒小麥含水量為0 mg(0 mg/20粒)，第二個(gè)梯度為720 mg/20粒，第三個(gè)梯度為1 440 mg/20粒，第四個(gè)梯度為2 160 mg/20粒，第五個(gè)梯度為2 880 mg/20粒。實(shí)驗(yàn)采用烘干減重法，烘干前將每個(gè)批次小麥拍攝高光譜圖像并稱重，記錄下此時(shí)重量M2，然后將其放入130℃恒溫烘干箱中烘干1小時(shí)，烘干后稱重并記錄下此時(shí)重量M1。含水量測(cè)定公式如下：

(12)

式中，M2為烘干前的質(zhì)量，M1為烘干后的質(zhì)量，R為含水量。

本實(shí)驗(yàn)?zāi)壳吧婕暗降暮繖z測(cè)模型是圍繞偏最小二乘回歸算法展開的。實(shí)驗(yàn)將每批20粒小麥種子樣品在對(duì)應(yīng)的高光譜圖像經(jīng)過黑白板校正與閾值分割后，以300個(gè)波段下的平均光譜作為輸入量，含水量作為輸出量。采用PLS訓(xùn)練上述40批小麥種子樣本干燥前的平均光譜和含水量，對(duì)上述剩余10批小麥種子樣品進(jìn)行預(yù)測(cè)，選擇決定系數(shù)(R2)，均方根誤差(RMSE)作為評(píng)價(jià)指標(biāo)。PLS相關(guān)指標(biāo)分別為決定系數(shù)0.943，均方根誤差0.81%，滿足系統(tǒng)含水量實(shí)際檢測(cè)需求，10批小麥種子的真實(shí)值和預(yù)測(cè)值如表1所示。

表1 11批小麥種子含水量的真實(shí)值和預(yù)測(cè)值

4.2 純度檢測(cè)

本實(shí)驗(yàn)選取偉隆169，百農(nóng)4199，濟(jì)麥44，周麥33四個(gè)品種的小麥種子樣品各1280粒。實(shí)驗(yàn)?zāi)康氖沁M(jìn)行純度鑒別，即在混有上述4類小麥種子樣品中，鑒別出滿足需求的種子類別的小麥種子樣品(以下稱為正樣本)，將其余3個(gè)種類的小麥種子樣品視為雜質(zhì)樣本(以下稱為負(fù)樣本)。

本實(shí)驗(yàn)對(duì)小麥種子的純度鑒別是基于PLS-DA模型的基礎(chǔ)之上實(shí)現(xiàn)的。實(shí)驗(yàn)對(duì)每個(gè)品種各拍攝了10批樣本，每批小麥種子數(shù)量為128粒，對(duì)每批小麥種子樣品對(duì)應(yīng)的高光譜圖像經(jīng)過黑白板校正與閾值分割后，以每粒小麥種子在300個(gè)波段下的平均光譜作為輸入量，小麥的品種作為輸出量。實(shí)驗(yàn)選取了8批偉隆169共1 024粒作為正樣本，百農(nóng)4 199，濟(jì)麥44，周麥33各80粒作為負(fù)樣本，訓(xùn)練偏最小二乘判別分析模型，對(duì)剩余2批共1024粒小麥種子的正負(fù)混合樣本進(jìn)行預(yù)測(cè)。

類似地，在上述實(shí)驗(yàn)樣本的基礎(chǔ)上，以1 024粒濟(jì)麥44作為正樣本，偉隆169，百農(nóng)4 199，周麥33各80粒作為負(fù)樣本用偏最小二乘回歸算法模型對(duì)剩余2批共1 024粒小麥種子的正負(fù)混合樣本進(jìn)行預(yù)測(cè)進(jìn)行預(yù)測(cè)，選取準(zhǔn)確率，精確率和召回率作為評(píng)價(jià)指標(biāo)。結(jié)果如表2所示，其中正樣本為偉隆169和濟(jì)麥44的準(zhǔn)確率分別為96.5%和98.8%，精確率分別為93.0%和96.1%，召回率分別為93.0%和99.5%，滿足系統(tǒng)小麥純度檢測(cè)的需求。

表2 鑒別不同品種正樣本預(yù)測(cè)結(jié)果

5 結(jié)束語

基于高光譜圖像的小麥種子純度/含水量檢測(cè)系統(tǒng)彌補(bǔ)了人工檢測(cè)方式效率低下，當(dāng)前高光譜設(shè)備采集的集成度低，實(shí)時(shí)性差等不足，在硬件方面以STM32F103RBT6為核心實(shí)現(xiàn)對(duì)電機(jī)，光源強(qiáng)度，溫濕度信息讀取等控制，軟件方面以Python編程語言為基礎(chǔ)集數(shù)據(jù)管理、系統(tǒng)校正、圖像采集、數(shù)據(jù)分析、模型更新于一體實(shí)現(xiàn)對(duì)小麥種子純度/含水量檢測(cè)。以偏最小二乘算法和偏最小二乘判別算法對(duì)該系統(tǒng)進(jìn)行驗(yàn)證并取得了良好的效果，證明了該系統(tǒng)可行性。

目前本系統(tǒng)對(duì)于模型的更新，需要一定數(shù)量的數(shù)據(jù)進(jìn)行訓(xùn)練，這也是當(dāng)前系統(tǒng)存在的不足，未來應(yīng)當(dāng)實(shí)現(xiàn)用少量樣本集成相關(guān)算法實(shí)現(xiàn)對(duì)模型的更新。