基于偏振成像技术的油桃机械损伤检测

摘要

为了解决由于油桃表面颜色特征复杂所带来的早期机械损伤难以检测问题,提出了一种基于偏振成像技术的早期损伤检测分类模型。采用分焦平面偏振成像方法一次性获取油桃在4个偏振方向下的偏振图像,利用双线性插值和低照度增强(LIME)对偏振图像进行预处理,以提高运行实时性并降低水果曲率变化的影响;提取偏振图像中像素的颜色特征和灰度共生矩阵(GLCM)特征,分别用于训练两个最小二乘支持向量机(LSSVM)分类模型;通过理论分析和实验仿真,最后利用两个分类模型的串联(color-LSSVM→GLCM-LSSVM model)实现了油桃机械损伤的早期检测。结果表明,该分类器模型对油桃正常和损伤区域的检测精确率达到95.68%,召回率达到93.29%。分焦平面偏振成像技术在深色系水果的早期损伤无损检测领域具有良好的应用前景。