共取样籽棉10 kg, 其中籽棉取自棉花加工企业, 地膜取自采收后的棉花地。 将籽棉和杂质手动混合均匀, 每个样本(30± 0.5) g, 使用电子天平称重(量程1 000 g, 分度值0.01 g), 共120个籽棉样本。 样本中检测的杂质有棉叶, 棉枝, 铃壳(内和外)和地膜共5种杂质, 如图1所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 机采籽棉和主要杂质Fig.1 Machine-harvested seed cotton and main impurities

高光谱图像采集系统如图2所示, 由成像光谱仪(Imspectral V10E-QE, Finland)、 CCD相机(C8484-05G, Hamamatsu Photonics, Japan)、 镜头、 光源(150 W卤素灯, China)、 电动位移平台(PSA200-11-X, Zolix)和电动位移平台控制器(CS300-1A, Zolix)、 暗箱、 PC计算机等组成; 在PC上用Spectral软件进行图像采集软件控制。 高光谱成像系统光谱范围为360~1 000 nm, 光谱分辨率为2.7 nm, 采集的图像有256个波段。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 高光谱图像采集系统 1: CCD相机; 2: 光谱仪; 3: 调焦镜头; 4: 卤素灯; 5: 样品; 6: 位移台; 7: 控制器; 8: 计算机Fig.2 Hyperspectral imaging system 1: CCD camera; 2: Spectrograph; 3: Lens; 4: Halogen lamps ; 5: Sample; 6: Stage; 7: Controller; 8: Computer

为保证视野足够, 调节镜头和样本的间距为25.5 cm; 为矫正速度不匹配带来的空间畸变, 使用一张打印有一个圆圈的A4纸调试平台的速度, 转速设定为940 pulses· s^-1; 曝光时间为3.5 ms。

将样本置于内部大小为15 cm×20 cm×3 cm的样本盒中, 分布均匀, 将样本盒固定于移动平台上进行图像采集。 样本盒覆盖有黑色背景纸, 有利于后期掩膜去除背景以及后续处理。

为减少光源光强分布不均匀导致的图像信息噪声影响, 使用的高光谱成像系统在采集图像之前需要进行黑白校正。 扫描聚四氟乙烯白板获得白校正图像; 镜头拧上镜头盖并关闭光源采集黑校正图像, 该图像包含有相机暗电流噪声信息。 图像采集后用软件SpecView(V2.9.2.7)按式(1)进行校正

Ia=I-IbIw-Ib(1)

其中: I为原始图像, I_b为黑校正图像, I_w为白校正图像, I_a为获取校正后的图像。

使用PCA(principal component analysis, PCA)对平均光谱数据进行分析, 将成百个相互高度相关波段数据降维至少数个新的主成分变量上, 用来代替原来数据的大部分信息, 并通过绘制分布散点图体现原光谱数据的分类识别可行性。

采用LDA, SVM和ANN三种有监督的分类判别分析方法建立机采籽棉杂质多分类判别模型。 模型训练的过程为: 首先将提取的平均光谱数据按照7:3的比例, 随机划分为训练集和测试集; 然后根据不同模型的参数特点和数据特性, 使用训练集采用5折交叉验证, 确定最佳的模型参数, 并使用测试集对模型结果进行评估。

2.1.1 平均光谱曲线提取与变化规律

经过黑白校正后的图像, 在可见至近红外波段上, 共有256个波段。 意味着在空间域上每个像素具有256个特征, 这些特征组成该像素对应的光谱曲线。 因高光谱图像中存在噪声, 单一像素对应的光谱曲线可能在噪声的影响下, 表现出较大的变化。 因为光谱成像仪的特性, 高光谱图像在首尾的波段图像噪声较大, 有用信息较少, 所以将这些波段剔除, 即去除395 nm以前和970 nm以后的光谱图像波段, 将395~970 nm区间共226个光谱波段的数据作为后续分析数据。

从每幅图像中提取10条平均光谱曲线, 共1 200条光谱曲线, 其中棉叶、 残膜、 铃壳外、 铃壳内、 棉枝和棉花分别为457, 173, 88, 193, 63和226条。 绘制机采籽棉中具有代表性的棉花和各类杂质的平均光谱曲线, 如图3所示: 各类物质在430 nm处附近反射率均为最小, 吸收最强; 棉花的反射率较其他物质在大部分波段范围高; 残膜整体上和棉花变化趋势一致, 但是数值比棉花低, 验证了从图像上检测残膜的难度较大; 铃壳内的反射率在750 nm前低于棉花和残膜, 但是在750 nm后超过了棉花和残膜; 棉叶、 棉枝和铃壳外在趋势和数值上都比较相似, 但是棉叶在680 nm处出现了吸收峰, 此现象对应了叶绿素的吸收波段。 从630 nm开始到近红外波段范围内, 铃壳外的反射率比棉叶和棉枝都高。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 机采棉和各类杂质平均光谱曲线Fig.3 Mean spectra of mechine-harvested cotton and impurities

综上所述, 虽然棉花和各类杂质的光谱曲线趋势相同, 但还是体现出不同的吸收和反射特性。 不同种类物质(棉花、 化学纤维和植物)之间的差异大于同类物质之间的光谱差异, 同种物质之间的差异不能通过单个波段进行判别, 所以需要进行数据分析和建模。

2.1.2 机采籽棉光谱曲线PCA分析

对提取的平均光谱曲线进行PCA变换, 如图4所示, 前2个主成分的累计贡献率达到了97.2%, 前6个主成分的累计贡献率达到了99.9%, 能够代表原始光谱数据的大部分信息。 PCA前两个主成分的散点图如图5所示, 6类物质光谱变换后的新变量分布于整个空间中。 由图可知, 棉花、 残膜和铃壳外与其他三类相比, 有较好的聚集性和可分性, 但是由于棉叶、 铃壳内和棉枝三类的物质组成(纤维素和木质素)相似性较高, 光谱特征相似, 导致相互叠加在一起, 空间分布存在严重交叉, 无法有效区分类别。 由于PCA为无监督降维方法, 无法有效利用分类信息, 因此需要使用有监督的数据建模方法, 对光谱分类数据进行学习拟合, 实现对杂质类别的准确识别。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 前6个主成分的特征值和累计贡献率Fig.4 Eigenvalues and cumulative contribution rates of the first 6 principal components

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 前2个主成分分类散点图Fig.5 Scatter clusters of the first 2 principal components

2.2.1 线性判别分析(LDA)模型

线性判别分析(linear discriminant analysis, LDA)是将原始数据投影到更低的维度上, 减少特征之间的线性相关性导致的特征冗余问题。 通过LDA进行降维, 可以达到提升分类准确率的目的。

与PCA中的分布相比, 图6(a)中棉花、 残膜和铃壳外有更好的聚集性和可分性, 表明有监督的LDA模型降维方法变换后的数据具有更好的可分性; 但是棉叶、 铃壳内和棉枝这三类还是相互叠加在一起, 空间分布存在严重交叉, 无法有效区分类别。 因此针对该三类重新进行了LDA降维, 见图6(b)中的棉叶、 铃壳内和棉枝表现出了较高的可分性, 验证了LDA模型在机采籽棉多分类上的可行性。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 LDA前两个特征的类别散点图 (a): 全部6类物质; (b): 棉叶、 铃壳内和棉枝Fig.6 Scattering clusters of the first 2 variables of LDA (a): All 6 types of materials; (b): Leaf, bell shell inner, stem

因LDA易出现过拟合, 因此在LDA模型构件中采用正则化防止过拟合, 建立分类模型, 得到训练集准确率为86.4%, 测试集准确率为86.2%, 其差值较小, 未出现过拟合现象。

2.2.2 支持向量机(SVM)模型

支持向量机(support vector machine, SVM)广泛应用于建立分类判别模型。 在SVM分类模型构建中采用RBF径向基函数构建了分类模型, 对gamma(g)和cost(C)两个参数进行寻优, 将Lg(g)和-Lg(c)参数区间设置为[0, 10]。 由图7可知, 在C=10⁵、 gamma=0.1时, 交叉验证集的准确率最高达到95.19%。 根据最优参数模型得出训练集准确率为83.42%, 测试集准确率为83.40%, 两者差值较小, 未出现过拟合现象。

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 SVM模型寻优结果Fig.7 Parameter optimization results of SVM model

2.2.3 人工神经网络(ANN)模型

人工神经网络(artificial neural network, ANN)是一种影响强、 分类效果好的神经网络分类算法, 在解决非线性问题上具有较强能力。 在ANN分类模型构建中, 设置隐含层层数区间为[1, 10], 隐含层神经元个数区间为[1, 18], 激活函数选择Relu函数进行参数寻优。 由图8可知, 在隐含层层数为2, 隐含层神经元个数为17, 交叉验证集的准确率达到最高为73.92%。 以寻优所得到的参数, 建立ANN分类模型并输出, 训练集准确率为82.9%, 测试集准确率为81.8%, 没有发生过拟合。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 ANN参数寻优结果Fig.8 Parameter optimization results of ANN model

对上述的多分类模型准确率性能进行对比, 如表1所示, 结果显示LDA模型的准确率高于SVM模型和ANN模型, 训练集和预测集的准确率达到了86.4%和86.2%。 由于高光谱波段之间有较高的相关性, 分类模型无法有效筛选信息, 会引起误差的产生。 LDA在分类前对光谱特征进行了降维, 减少了特征之间的相关性, 保留了大部分类间信息, 因此在多分类问题中, 相较于SVM和ANN具有更好的效果。

表1

Table 1

表1(Table 1)

表1 光谱曲线分类模型准确率和时间 Table 1 Accuracy and runtime of three classification models 算法 训练集/% 测试集/% 全部数据/% 检测用时/s LDA 86.4 86.2 86.3 1.86 SVM 83.4 83.4 83.4 73.65 ANN 82.9 81.8 82.6 2.58

表1 光谱曲线分类模型准确率和时间 Table 1 Accuracy and runtime of three classification models

三个模型预测效果如图9所示。 在LDA模型中, 地膜、 铃壳(内和外)和棉花的准确率较高, 均高于90%; 棉叶和棉枝的准确率较低, 分别为59.84%和77.08%, 其中有26.77%的棉叶被识别为棉枝, 9.72%的棉枝被识别为棉叶, 9.72%的棉枝和8.66%的棉叶被识别为铃壳内; 与LDA模型相比较, SVM模型和ANN模型的铃壳内准确率有所降低, 误差类别分布一致但较高。 分析认为这些识别错误的原因主要是棉叶、 棉枝和铃壳内的物质成分相似度高, 导致在波段范围内表现出光谱曲线相似的特点。

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 分类模型预测集效果Fig.9 Pie chart of prediction

根据三种算法对120个高光谱图像进行检测分类, 并将运行时间进行平均, 得到每个模型检测高光谱图像所需运行时间。 结果如表1所示, SVM, LDA和ANN的运行时间分别为73.65, 1.86和2.58 s, 综合比较, LDA的分类准确率较高且运行时间少, 确定LDA分类模型为最优模型。

使用训练的LDA模型对高光谱图像进行像素等级分类, 分类效果如图10所示。 可看出棉花识别效果较好; 部分棉叶和棉枝不能有效识别; 地膜虽然被检测出来, 但因地膜的光谱曲线在大部分波段上和棉花相似, 亮度较棉花低, 所以部分棉花中表面不平导致的亮度较低的区域被识别为地膜。 上述分类效果与杂质光谱的分类判别模型结果一致。

图10

Fig.10

	Figure Option ViewDownloadNew Window
	图10 高光谱图像像素等级分类识别结果 (a): 原图像; (b): 分类判别结果Fig.10 Hyperspectral image classification results in pixel level (a): Original image; (b): Classification result