应用案例| ATH3500高光谱成像仪在小麦年份快速鉴别的应用

2023-09-11 18:51:45 奥谱天成（厦门）光电有限公司

前沿

小麦是世界分布范围最广的粮食作物之一，在我国小麦的种植面积和产量仅次于水稻。小麦种子的发芽率对小麦的增产增收至关重要，而小麦种子的发芽率与小麦种子的储藏年份有着密切关系，一般而言，随着储藏年份的增加，小麦种子的发芽率降低，因此小麦种子的储藏年份的鉴别研究具有重要意义。传统鉴别小麦种子储藏年份的方法靠经验丰富的农艺家闻种子的味道，看种子的成色，这样的方法费时费力，而且误差较大。成像高光谱技术融合了图形技术和光谱技术的优势，能够同时获取反映待测样本外部特征、内部物理结构及化学成分的图像信息和光谱信息，已经被广泛应用到农产品无损检测领域，比如农作物信息诊断、农药残留检测、内外部品质预测等。本次以小麦种子为例，利用成像高光谱技术鉴定小麦种子的年份，为农产品时间鉴定提供一种新的技术参考。

图片源自网络

高光谱的优势

高光谱反映了高分辨率光学信息的特征，其利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。使小麦种子表面信息更易被发掘。

高光谱具有以下特点：

（1）光谱特征多。成像光谱仪在可见光和近红外光谱区内有480个波段。

（2）光谱分辨率高。成像光谱仪采样的间隔小，分辨率小于2nm。精细的光谱分辨率反映了地物光谱的细微特征。

（3）数据量丰富。随着波段数的增加，数据量呈指数增加。

（4）可提供空间域信息和光谱域信息，即“图谱合一”，并且由成像光谱仪得到的光谱曲线可以与实测的同类地物光谱曲线相类比。

1.与可见光结果相比

可见光图像仅仅有红绿蓝（RGB）三个波段的光信息组成，在对小麦种子年份识别时通过人工肉眼判读进行监测，效率低下且准确度有限。而高光谱图像结果具有480个波段的光信息，对于小麦种子年份可以提取其专属的波段特征，从而对其进行准确的识别，同时结合机器学习算法，可以实现自动化监测。

2.与多光谱结果相比

多光谱和高光谱的主要区别是波段的数量和窄度。多光谱图像通常由10-30个波段的光信息组成，容易与其他地物的反射光谱混淆。在高光谱图像中具有更高水平的光谱细节可以提供更好的植被区分能力，例如在检测罂粟时，高光谱图像可以有效区分罂粟与其他相似植物，提高准确率。

（1）多光谱图像通常是指以像素表示的10到30个波段，每个波段可以通过使用遥感辐射计来获取。

高光谱图像包含很窄的波段，高光谱图像具有几百个波段（如ATH8010有480个波段）。

成像高光谱设备

本次测试以小麦种子为研究对象，利用高光谱成像仪（光谱范围400～1000nm）采集测试对象的高光谱数据，以鉴别不同年份的小麦种子。该系统主要由高光谱相机、光源、暗箱、载物台等配件组成，原平台上配置了匀速滑动的传送带装置，可以保证待测样品的运动速率与相机的采集帧率相适配，以进行实时处理分析。其实景图如图1所示。

图1 ATH3500教学型成像光谱仪

数据采集与分析

4.1图像预处理

对成像高光谱成像仪采集的小麦种子原始影像数据进行数据的预处理，预处理过程主要包括两部分：第一部分是波长定标；第二部分是反射率定标。

首先是波长定标，采集数据时每个高光谱相机均有其对应的定标文件，需要在ENVI内将定标文件导入至波长值，即可将数据采集的波长转换成相机的实际波长。

其次是反射率定标，反射率定标的公式如下：

Reftarget=DNtarget/DNpanel×Refpanel

式中：Reftarget为目标物的反射率；Refpanel为标准参考板的反射率；DNtarget为原始影像中目标物的数值；DNpanel为原始影像中标准参考板的数值。

4.2数据分析与结果

表1为不同年份的小麦种子的高光谱图像RGB合成图。

表1各年份小麦高光谱图像

由于高光谱成像数据同时包含空间和光谱信息，因此小麦种子上的每个像素对应一个光谱。图2是经过了数据预处理后不同年份小麦种子的反射率光谱。根据小麦种子的反射光谱特征，在不同的年份下得出的光谱趋势基本一致。在整个波长范围内，各年份的小麦种子光谱曲线都比较平滑，在500，700nm附近有三个较明显的区别，利用这两波段构建NDVI光谱指数，NDVI的计算公式如下所示：

图2 不同年份的小麦种子光谱曲线示意图

（1）通过公式计算每年的小麦种子的NDVI值，得出图3。

图3 不同年份小麦NDVI的光谱特征变化

（2）通过分析NDVI光谱指数与其相对应年份的曲线变化可知，除去异常年份2020年的小麦种子外，随着小麦种子收藏年份的增加，从总体变化趋势来看，其NDVI值减少。综合分析小麦种子的NDVI与年份之间的变化曲线可知，2020年的小麦种子与整体的变化趋不一样，故在分析NDVI与年份之间的关系时，删除异常年份数据对数据分析结果的干扰。

（3）通过建立NDVI光谱指数与其相对应年份的散点图及其趋势线可知，NDVI与其对应年份的决定系数为0.9854，建模模型为y=-100.62x+2068.69(其中y为年份，x为NDVI值)，从预测模型的决定系数看，NDVI与其相对应年份构建的模型精度较高。

结论

基于高光谱图像的小麦种子年份鉴别分析利用得到的NDVI的建模模型y=-100.62x+2068.69来预测2019、2021、2022共4年的小麦种子的年份，预测年份与实际年份的如图5所示，从图可知，预测年份四舍五入取整，NDVI构建的模型预测年份与实际年份完全一致，因此通过高光谱数据能够快速鉴别小麦种子的相应年份。

图4 小麦种子预测