Выявление повреждений груш с помощью гиперспектральной визуализации
Груша Яли является важным экспортным сортом, и для поддержания её конкурентоспособности необходимо гарантировать высокое качество и привлекательный внешний вид. Целью данного исследования является разработка метода обнаружения подкожных повреждений груш Яли с использованием гиперспектральной визуализации. Для создания образцов с разной степенью повреждений, груши сбрасывались с различной высоты на твердую поверхность. Эксперименты показали, что в диапазоне 400-1000 нм относительная отражательная способность неповрежденных образцов выше, чем у поврежденных, причем, чем сильнее повреждение, тем ниже отражательная способность. Анализ главных компонент (PCA) гиперспектральных изображений в диапазоне 400-1000 нм показал, что сегментация области повреждения возможна путем последовательного применения медианной фильтрации, пороговой сегментации, заполнения и отбора по площади к изображению четвертой главной компоненты. Это создает основу для количественного определения площади повреждений груш Яли.
Подготовка образцов
Для эксперимента было отобрано 60 груш Яли одинакового размера и цвета, без видимых дефектов на поверхности. Образцы были разделены на 4 группы по 15 штук в каждой. Группы 1-3 подвергались контролируемому падению с высоты 58, 43 и 32 см, создавая различные степени повреждений. Группа 4 служила контролем и не подвергалась падению. Поскольку точное место удара при свободном падении контролировать невозможно, для дальнейшего анализа из каждой группы были отобраны 8 груш с повреждениями в районе экватора, чтобы минимизировать влияние различных мест повреждения на результаты исследования. Все образцы хранились в лабораторных условиях при температуре около 7.5°C и относительной влажности 61% на протяжении всего эксперимента.
Съемка рефлексивных гиперспектральных изображений
Для начала включается волоконно-оптический источник света и дается ему время прогреться. Для получения четких и неискаженных гиперспектральных изображений, проводится настройка параметров камеры: расстояние до объекта, вращение объектива и скорость перемещения платформы. После этого проводится калибровка камеры. Сначала на платформу помещается стандартная белая пластина (из политетрафторэтилена) и настраивается время экспозиции, чтобы избежать насыщения сигнала. Полученный спектр отражения белой пластины используется для калибровки по белому. Затем объектив закрывается, проводится калибровка по черному и полученные данные сохраняются. Количество кадров при съемке определяется размером образца. В заключение, образец помещается на платформу так, чтобы область повреждения находилась в верхней точке сканируемой поверхности. Съемка рефлексивных гиперспектральных изображений проводилась каждые 24 часа, всего 3 раза.
Результаты и обсуждение
Анализ спектров отражения в области повреждения
На каждом гиперспектральном изображении выбиралась область интереса (ROI) размером 50x50 пикселей в районе экватора образца. Полученные спектры отражения усреднялись для каждой группы образцов.
На рисунке представлены средние спектры относительного отражения для каждой группы образцов через 0, 24 и 48 часов после нанесения повреждения. Видно, что в диапазоне 400-1000 нм относительная отражательная способность неповрежденных образцов выше, чем у поврежденных, причем чем больше степень повреждения, тем ниже отражательная способность. Кроме того, с течением времени относительная отражательная способность поврежденных областей снижается вне зависимости от степени первоначального повреждения.
Сегментация области повреждения
Анализ главных компонент гиперспектральных изображений (400-1000 нм) позволил получить первые четыре изображения ГК. Визуально, на втором (PC-2) и четвертом (PC-4) изображениях ГК наблюдается четкое различие в оттенках серого между поврежденной и неповрежденной тканями.
На изображении PC-2 поврежденная область выглядит темнее (меньшие значения оттенков серого), а здоровая – светлее (большие значения оттенков серого). На изображении PC-4 ситуация обратная: поврежденная область светлее, а здоровая – темнее.
Однако, из-за шероховатости поверхности груши на изображениях PC-2 и PC-4 присутствует значительный шум, что затрудняет прямую сегментацию поврежденной области. Кроме того, оттенки серого небольших темных пятен на кожуре груши на PC-2 близки к значениям шума, что делает это изображение непригодным для сегментации. Поэтому для сегментации была выбрана PC-4, к которой последовательно применялись следующие операции: медианная фильтрация (для снижения шума), пороговая сегментация (с порогом 170), заполнение контуров и фильтрация связанных областей по размеру (оставлялись области с числом пикселей > 200). Результаты каждой стадии обработки представлены на рисунке:
Заключение
На базе системы гиперспектральной визуализации был разработан метод выявления повреждений груш. Установлено, что в диапазоне 400-1000 нм относительная отражательная способность неповрежденных участков выше, чем поврежденных, причем эта разница увеличивается с ростом степени повреждения. Со временем относительная отражательная способность поврежденных тканей уменьшается вне зависимости от степени повреждения.
Анализ главных компонент показал, что между поврежденными и неповрежденными участками существуют различия в значениях оттенков серого на PC-2 и PC-4. Однако наличие шума и схожие значения оттенков серого дефектов кожуры на PC-2 затрудняют сегментацию. Поэтому было предложено использовать PC-4 с последующей медианной фильтрацией, пороговой сегментацией, заполнением контуров и фильтрацией по размеру связанных областей. Это позволяет эффективно выделять область повреждения, что является важным шагом на пути к количественной оценке площади повреждений груш.