【毕业学位论文】（Word原稿）基于高光谱技术的庐山云雾茶真伪鉴别系统研发-软件工程

硕士学位论文 基于 高光谱技术的庐山云雾茶 真伪 鉴别系统研发 姓 名：艾施荣 学 号： 1134691 所在院系：软件学院 职业类型：教师 专业领域：软件工程 指导教师：李宏宇 副 指导教师 ： 刘春阳 二 一 四 年 三 月 A in n 014 1134691 he of on 基于高光谱技术的庐山云雾茶真伪鉴别系统研发 姓 名 艾施荣 同济大学 学位论文版权使用授权书 本人完全了解同济大学 关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版；在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 学位论文作者签名： 年 月 日 同济大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。 学位论文作者签名： 年 月 日摘要 I 摘要 茶叶真伪快速准确鉴别是当前茶叶行业亟待解决的难题与瓶颈。针对茶叶品质感官审评结果存在主观性和模糊性以及理化检测 步骤 烦琐、耗时、费用高等缺陷，提出基于高光谱图像技术的茶叶品质智能检测新思路。本研究以庐山云雾茶为对象，开发 了 基于高光谱图像技术的 茶叶品质智能检测软件 ， 对全面提高庐山云雾茶 的真伪鉴别 ，提 高 庐山云雾茶市场的智能化管理水平，规范其市场秩序，维护庐山云雾茶品牌有着直接的现实意义。 本论文主要研究内容如下： 利用高光谱成像系统采集 地理标志庐山云雾茶和广西、四川、福建 3 个其他产地云雾茶的高光谱数据，采用主成分分析法从 每个 原始高光谱数据块中选取 3个特征波长： 提取 3 个特征波长下的特征图像，利用灰度统计矩法和灰度共生矩阵法分别提取每个特征图像的纹理特征。每个特征图像分别 提取 了 6 个基于灰度统计矩的纹理特征变量 和 16 基于灰度共生矩阵的纹理特征参量。 3 个特征图像下共提取了 66 个纹理特征变量。 使用 经网络方法建立庐山云雾茶真伪鉴别的判别模型，采 用主成分分析法 获取最佳主成分因子数（ ，作为网络模型的输入。 模型训练时的回判识别率为 预测时的识别率为 95%。 研究结果表明高光谱图像技术用于茶叶的真伪鉴别是可行的。 采用 模式开发 出 了 一套 基于高光谱技术的 茶叶品质智能检测系统 ， 实现 了庐山云雾茶真伪的 智能 鉴别。系统 集 成了基于批量处理的高光谱图像数据的标定、感兴趣区域提取、 高光谱图像数据的主成分分析、特征波长优选、特征波长下的特 征图像提取、特征图像的特征变量提取等功能 ， 同时还实现了基于提取的特征变量建立的庐山云雾茶真伪鉴别和等级评判功能。 关键词： 庐山云雾茶，高光谱图像，主成分分析，真伪鉴别 I of is be in of is by a of of to as A a as in A to of nm by of to of in of 5% in be to of A on of of of In of on 同济大学 硕士学位论文 目录 录 摘要 . I . 录 . 一章 绪论 . 1 山云雾茶的发展状况 . 1 叶品质检测方法的国内外研究现状 . 1 叶品质的计算机视觉技术国内外检测现状 . 2 叶品质的高光谱图像技术的茶叶品质检测研究 . 3 光谱图像技术简介 . 3 光谱图像技术在农畜产品品质检测中的研究现状 . 4 光谱图像技术在茶叶品质检测中的研究现状 . 5 论文研究的目的和主要研究 . 5 论文的研究目的 . 5 论文研究的主要内容 . 6 章小结 . 6 第二章 高光谱图像数据采集与预处理 . 7 光谱图像采集硬件系统 . 7 叶高光谱图像数据的采集 . 10 高光谱图像预处理 . 11 光谱图像的标定 . 11 光谱图像的拉伸 . 11 本章小结 . 12 第三章 庐山云雾茶真伪鉴别模型建立 . 13 光谱图像区域的选择 . 13 征波段的选取 . 13 成分分析基本原理 . 14 光谱图像的主成分分析 . 17 征波长图像的选取 . 18 征波长图像的纹理特征提取 . 20 于统计矩的纹理特征提取 . 21 于灰度共生矩阵的纹理特征提取 . 21 山云雾茶真伪鉴别的 经网络（ 型建立 . 24 . 24 模型建立与 结果 . 25 章小结 . 27 同济大学 硕士学位论文 目录 四章 基于高光谱技术的庐山云雾茶真伪鉴别系统的实现 . 28 统概述 . 28 统的基本功能 . 29 件功能模块 . 29 件打开 . 29 光谱图像的灰度图像显示 . 31 光谱图像真彩色显示功能 . 32 像保存功能 . 32 光谱图像的平移、放大、缩小和鹰眼图显示 . 33 像平移功能 . 34 像局部放大功能 . 35 像的鹰眼图显示功能 . 36 像的放大、缩小及图像的原始大小显示功能 . 36 像按适合窗口显示 . 38 像处理功能模块 . 38 像裁剪 . 39 息提取功能模块 . 42 成分分析功能模块 . 42 据主成分分析结果选取特征波长下的特征图像并显示 . 51 度共生矩阵特征提取 . 53 类处理功能模块 . 55 山云雾茶真伪鉴别功能 . 58 出系统功能模块 . 60 章小结 . 61 第五章 结论与展望 . 62 文的主要结论 . 62 文的主要创新点 . 63 望 . 63 致 谢 . 64 参考文献 . 65 个人简历、在读期间发表的学术论文与研究成果 . 69 第一 章 绪论 1 第一章 绪论 山云雾茶的发展 状况 庐山云雾茶有一千多年 的 历史 ， 以原产地庐山终年云雾弥漫而得名， 是绿茶中的精品， 具有 “ 味醇、色秀、香馨、液清 ” 等特点 。 鲜叶于 4 月初采摘，以一芽一叶初展为标准 ， 经摊放杀青轻揉理条整形提毫干燥等工序加工而成。成品形如石松，紧结圆 直，绿润多毫； 色泽绿润显豪，香高味浓纯正，汤色碧绿明亮，叶底嫩绿匀齐，堪称 “ 三绿绝品 ” ，在历届茶叶评比中获得多次殊荣 。1986 年被商业部授予全国 “ 十大名茶 ” 称号， 2004 年获 “ 庐山云雾茶 ” 原产地证明商标注册， 2005 年其地理标记产品受到国家原产地法律保护 1。然而，在2008 年庐山云雾茶落选中国十大名茶， 2010 年又错失 “ 世博十大名茶 ” 2。 其中造成这种现象最根本的原因是市场上存在着大量的假冒庐山云雾茶产品。庐山云雾茶目前的状态是鱼龙混杂良莠不齐，有些不法的茶叶加工企业为追求更高的利润，采用与庐山云雾茶 相同的加工手法 ， 得到外部形状特征十分相似的伪品，然后再冠以庐山云雾茶的商标在市场上以假乱真，严重影响了庐山云雾茶市场。 长期以来，茶叶品质鉴别主要有感官评判和理化分析方法。感官审评方法相对简单，能对茶叶的品质特征进行鉴别和描述，但感官审评结果取决于评茶员的经验，主观性强，一致性差，不利于茶叶流通过程中的快速鉴别 3。理化分析方法是一种化学检测手段，检测步骤烦琐、耗时长、费用高。为了规范庐山云雾茶市场秩序，重新打造其庐山云雾茶品牌， 因此， 有必要建立一种快速、准确的鉴别庐山云雾茶的真伪 ，对于规范其市场秩序，重 新打造其 庐山云雾茶品牌，有着直接的现实意义。 叶品质检测方法的国内外研究现状 长期以来，国内外学者研究 采 用科学仪器来 评 定茶叶品质 。 随着 计算机科学、 光学、光电子学、信息处理等先进技术的发展，研究者逐步将计算机视觉技术、 高光谱成像技术 、近红外光谱技术 等一些快速无损检测新技术应用到茶第一 章 绪论 2 叶品质的检测中， 取得了很好的成效 ， 为茶叶品质的 仪器化检测 提供了广阔的前景，也是茶叶品质检测技术的发展趋势。 叶品质的计算机视觉 技术国内外检测现状 计算机视觉技术是通过 计算机 模拟人类视觉的功能 ，提取客观事物的图像信 息，并对其 进行处理并加以理解，最终用于客观事物的实际检测。 具有分析精度高、处理内容丰富、可进行复杂的非线性处理，且可将待测对象的品质指标进行量化和标准化，减少人为因素和外界环境因素的影响。 计算机视觉系统主要 由图像输入设备、图像显示卡、通讯 /输入输出设备 、计算机 等组成， 由 图像输入设备将 客观事物 的模拟图像映射成数字图像 ，存入到计算机内 进行处理4。 用人 工 检验大批 在线 生产的产品品质，效率低且精度不高， 能 实现自动化操作， 大大提高生产效率 5。近年来，该技术 已广泛应用于 工业产品 的 检测 6在农产品品质检测 中也得到了广泛应用，如 苹果、柑橘等水果的等级定级和缺陷检测 8种子鉴别 18植物生长监控 20鸡蛋裂纹和新鲜度品质检测22 茶叶的外形特征包括 茶叶外形形状的 条索、 粗细、嫩度和色泽 ， 这些特征可通过计算机视觉系统获取茶叶的可见光图像表征出来。国内外学者研究表明，将干茶叶平铺后， 整个表面 呈现出一定的纹理 形状 ，具有明显的外形特征和颜色特征 。 利用计算机视觉系统获取平铺后茶叶的可见 光 图像，通过提取 获 得 图像的 纹理特征和颜色特征，即 能体现出 干茶叶的形状 特征 和颜色特征 。 国内外 学者 利 用计算机视觉技术 对茶叶的品质进行了检测。 在国内， 蔡健荣 等 25采 用 计算机视觉技术 来 定量描述茶叶的色泽， 使用 色空间 来 描述茶叶的颜色特征， 建立了基于计算机视觉技术的茶叶 颜色描述模型。 何勇等利用多光谱成像仪获取 550660 800个波长下的 茶 叶可见光 图像，采用 灰度共生矩阵 分别提取 了 图像的纹理特征 变量 ， 建立了识别不同绿茶种类的鉴别模型 26 陈全胜等利用计算机视觉技术结合模式识别方法建立了 茶叶的色泽类型 和茶叶种类的 判别模型 28 计时鸣等 利 用 计算机 视觉 技术 对茶叶第一 章 绪论 3 的颜色、形状 进行识别 ，建立了 茶叶 的 茶梗多维模式识别 模型 31。 林刚 等利用计算机视觉系统， 以屯炒青毛茶标准样为对象探索茶叶品质因子的数量化途径 ，提取了 11 项形状特征 参数 ，分析了这些形状 参数 与茶叶等级的关系 32。 在国外 错误 !未找到引用源。 利用计算机视觉技术 监 测 茶叶在杀青过程中的颜色变化， 分析了茶鲜叶在杀青过程 变化与茶鲜叶失水率的关系 。 误 !未找到引用源。 利用计算机视觉技术 代替人工视觉在线 监测红茶发酵过程中茶汤颜色的变化，利用人工神经网络方法建立了基于 色空间的颜色识别模型 。 叶品质的 高光谱 图 像 技术的茶叶品质检测研究 高光谱图像 技术 （ 起步于军事领域，是 20世纪 80年代发展起来的 无损检测 新技术，综合了光电子学、光学、计算机学科 、 信息处理等领域的先进技术。 高光谱图像技术是把 二维 图 像技术和光谱技术有机结合 起来 ， 在对 待测物的 空间 特征成像 的 同时，对每个 空间像 素 经过色散形成几十个乃至几百个 的 窄波段进行连续的光谱覆盖 ， 形 成 一个 由一系列波长 下 的光学图像 组成的 三维 数据 图像块 ， 如 图 在 图中， 示 高光谱图像的 二维 图像 的 像素信息坐标轴， 轴 （第三维） 表示 波长信息 的 坐标轴。 从 图 可看出，高光谱图像 包含 有特定波长 在 面内 的 每 个特定像素下 ，又 包含 有 不同波长下的光谱信息， 即 高光谱图像 数据块是 集 待测 样品的图像信息与光谱信息于一身 的 。 图中每个像素 下都 有 待测物的 光谱信息 ， 待测物的内部品质 可通过特定波长下的光谱 信息 来 体 现 ； 在每个特定波长 下， 每个像素点的灰度值又与其在该波长下的光谱值之间一一对应 ，即具有该波长下完整的图像信息， 即可 反映 待测样 品的外部品质特征 35。 也 就是说高光谱图像的光谱信息能充分反映 待测 样品 的 内部结构、化学成分等差异 ， 图像信息可以反映 出待测样品 的 形状、 大小 、纹理 、缺陷等外部品质特征 。 待测样品中内部成分不同，其 光谱吸收 特征也不同 ，在某个特定波长下 的 图像对 其外部特征也不同 。 因此， 高光谱图像技术 既具有计算机视觉技术的优点，又具第一 章 绪论 4 有光谱技术的优点，具有能 同时检测 农产品内外部品质的独特优势。 图 光谱图 像三维数据块的示意图 高 光谱图像技术 已广泛应用于 农畜产品的内外部品质 检测 及安全评定研究中 ，涉及到水果、禽肉等领域。 35使用高光谱图像技术， 以的高光谱成像技术，采用偏最小二乘回归对 波长范围为 400 1000分析， 建立了 香蕉可溶性固形物含量含水率和硬度 的预测模型，模型 预测相关系数分别为 36利用 高光谱成像系统获取桃表面 在 波长范围 515 1000 建立了 同时 检测硬度可溶性固形物含量 ( 和颜色 预测模型 ，取得了满意的效果 。 37利用 高光谱成像系统获取 猪肉表面的高光谱散射光谱曲线，用洛伦兹分布函数对其进行拟合， 得到 a( 渐近值 )、 b( 峰值 )、 c( 半波带宽 ) 3个参数 ， 基于 单参数 a、 b、 c)建立了预测大肠杆菌污染的 多元线性回归模型， 模型 预测 的 38应 用高通量光谱成像系统 鉴别 屠宰线上健康与不健康 的鸡肉，通过检测商业屠宰线上 一万 多只鸡胴体， 得出 鉴别健康鸡肉的准确率超过 99%， 不健康鸡肉为 96%。蔡健荣 等 39利用高光谱图像技术结合主成分分析 方法 优选出 571、 652和 741建立检测 检测柑橘果锈 的判别模型，第一 章 绪论 5 模型的正确识别 率达到 90%。 李江波 等 40利用 荧光高光谱成像技术 检测脐橙早期腐烂现象 ，采用最佳指数 选 了识别腐烂果的最优波长组合， 采用 基于最优波长的比图像及双阈值分割算法 建立了 脐橙早期腐烂果 的识别模型，模型识别率达到 100%。 陈菁菁 等 41利用荧光高光谱成像系统检测叶菜表面毒死蜱残留状况，利用 析高光谱数据 ，发现毒死蜱在波长 437研究为进一步研发快速精确的农药残留检测仪器提供理论依据。吴建 虎等 42获取牛肉表面的高光谱图像， 采 用逐步回归法 筛 选 出 430、 496、510、 725、 760和 828 建立 预测牛肉嫩度 多元线性回归模型， 模型 预测相关系数为 斐斐等 43分 析猪肉表面菌落总数与 400 1100合多元线性回归和偏最小二乘回归方法分别建立预测模型，预测集相关系数分别为 茶叶的品质状况 决定于 茶叶内部成分 信息 ， 茶叶 内部成分的信息可通过高光谱数据 块 中的光谱信息体现 出来 ； 而 高光谱数据块中的 图像信息又能充分反映茶叶的色泽和外形等 外部 品质特征。因此，可利用高光谱 图 像 技术 同时 对茶叶的内部和外部品质进行客观分析。陈全胜等 44用 高光谱 图 像 技术 鉴别不同等级的 炒青绿茶， 利用主成分分析法优化出特征波长下的特征图像，提取基于灰度统计矩的纹理特征参数，利用 经网络方法建立了茶叶等级的评判模型，模型对训练集样本的回判率为 97%，对预测集样本的识别率达到 94%。吴瑞梅等 46利用高光谱 图像技术来量化分析茶叶的外形感官品质，通过提取特征图像的纹理特征参数，建立了纹理特征参数与人工感官审评数据间的相关模型。 蔡建荣等 47利用高光谱图像技术对碧螺春茶进行真伪鉴别。 论文研究的目的和主要研究 论文的研究目的 目前中国的茶 叶市场相对混乱，特别是在名优茶市场，由于名优茶价格高，产品的利润空间大，这在一定程度上导致了我国的名优茶市场存在以次充好、第一 章 绪论 6 以假乱真的现象。这不仅损害了消费者的利益也不利于我国名优茶的品牌保护。本 论文 拟开展利用高光谱图像技术来鉴别庐山云雾茶的真伪，开发快速鉴别庐山云雾茶 真伪 的识别软件， 以 提高庐山云雾茶及其他名优茶市场的智能化管理水平，对于规范其市场秩序，维护庐山云雾茶等名优茶品牌有着直接的现实意义。 论文研究的主要内容 针对目前研究存在的问题，本文以地理标志庐山云雾茶和广西、四川、福建产云雾茶为研 究对象，采用高光谱成像技术分别获取 4 个产地的高光谱数据，分别利用基于灰度矩法和灰度共生矩阵法提取特征图像的纹理特征，结合 经网络技术，研究快速鉴别云雾茶产地的方法。具体研究内容如下： （ 1）利用主成分分析法 从原始高光谱图像中优选出鉴别 茶叶 品质 的特征波长 ，提取每个特征波长下的特征图像 ； （ 2）分别利用 灰度统计矩法和灰度共生矩阵法分别提取每个特征图像的纹理特征 ， 使用 经网络方法建立庐山云雾茶真伪鉴别的判别模型 。 （ 3） 采用 式开发一套基于高光谱技术的庐山云雾茶 真伪 鉴别 软件 ，软件 集成基于批量处理的高光谱图像数据的标定、感兴趣区域提取、高光谱图像数据的主成分分析、特征波长优选、特征波长下的特征图像提取、特征图像的特征变量提取 、 庐山云雾茶真伪鉴别和等级评判功能。 章小结 本章阐述了基于高光谱图像技术的庐山云雾茶真伪鉴别系统进行研发的目的与意义，综述了目前国内外名优茶叶真伪鉴别技术的发展与应用的研究的现状及存在的问题 ，概述了高光谱图像技术和利用高光谱图像鉴别名优茶叶真伪的基本原理 ， 提出了本 论文的 研究 目 的 和 主要 研究 内容。 第二 章 数据采集与预处理 7 第 二 章 高光谱图像 数据采集与 预处理 光谱图像采集硬件系统 采用本实验室开发的基于光谱仪的高光谱成像系统 获取茶叶的高光谱图像 ，图 示是本研究所使用的基于光 谱仪的高光谱图像采集系统示意图 ， 由基于图像光谱仪的高光谱摄像机（ 机（ 一套150W 的光纤卤素灯系统（ 移动平台输送装置（ 京）和计算机 等部件组成。光谱仪的光谱范围为 40817 谱采样间隔为 谱分辨率为 2.8 面 是 该系统的各组成部分及其参数 的 简要介绍。 图 光谱图像采集系统示意图 （ 1） 基于图像光谱仪的高光谱摄像机 图 本 系统采用的高光谱摄像机（ 10E, 的实物图， 由摄像机和光谱仪两部分组成。 光谱仪 是 可见 近 红外光谱仪，色散元件采用棱镜 棱镜的结构 ， 摄像机为单色、数字、线阵的 该高 光谱摄像机各相关参数如下所示： 片（ ； 有效像素： 1280（ 1024（ ； 数字信号输出：12芯片尺寸 :H） V） ； 光谱范围： 408光第二 章 数据采集与预处理 8 谱分辨率： 帧率： 14焦距： 23曝光时间： 135镜头接口类型： C 型 。 图 10E 摄像机 （ 2） 光源 图 本系统 所用的 光源 实物图， 是 美国 司生产的 采用直接照明方式进行照射。 图 素灯照明装置 图 纤线形灯 该光源主要参数如下所示： 光源： 150w 石英卤素灯 电压： 115V 0/60HZ 30V 50/60 使用寿命： 200 保险丝： 250V, 520二 章 数据采集与预处理 9 最大耗电功率： 200W 色温 ： 3250K 光纤内径： 光纤总长： 122 线形灯总长： 19 尺寸： 重量： 灯的缝隙尺寸： 5D（ （ 3） 移动平台 输送装置 图 本系统采用的电控位移装置 ，由 北京卓立汉光有限公司生产的电控位移台 ，图 输送装置控制器（ 控制箱 ）的 实物。 输送装置的 主要技术指标 如下 ： 图 进电控输送装置 步进电机： 最大静转矩： 40 额定工作电流： 中心 负载： 7光谱摄像机 自重： 行程： 200 螺杆导程： 4 分辨率： 最大速度： 40mm/ 重复定位精度： 3 第二 章 数据采集与预处理 10 图 送装置控制器 输送装置控制器的 主要技术指标 如下 ： 电源电压： 220v/50 控制轴数： 1 细分： 1， 2， 4， 8 脉冲速度： 400 加减速方式：三角形或梯形方式 显示方式： 8 位 通讯接口方式： 外形尺寸： 380350120叶 高光谱图像数据 的 采集 本研究 采用江西九江市场收集不同产地 （江西庐山、福建、广西、四川等）云雾茶样本，其中江西庐山是庐山云雾茶的产地标志，每个产地 30 个样本，共120 个样本。 其中江西庐山产的茶叶为真品云雾茶，其他 3 个产地云雾茶为伪造庐山云雾茶加工工艺制作而成。 图像采集在暗室环境中进行，以减少其他光照影响。为减少光照强度引起的误差，在高光谱数据采集前，先将光源打开预热 30光源强度趋于稳定。然后调整高光谱摄像机的物镜距离及曝光时间，以获取清晰的图像。根据相机的扫描频率和茶叶样本的面积大小，确定输送装置的输送速度，以避免图像尺寸和空间分辨率的失真。 第二 章 数据采集与预处理 11 试验时， 对每个样本，分别 称取 10茶叶均匀平铺到自制正方体盒子中（ 6盒子里面贴上黑色衬底防止反光。调整 摄像机曝光时间为 30确保采集 过程中 图像清晰 不失真， 输送装置线速度为 s，以避免图像尺寸失真。共采集到 512个波长下的图像，每个波长下的图像分辨率为 5001280，则每个样本获得 5001280512的高光谱图像数据块。 高光谱图像预处理 光谱图像的标定 由于高光谱摄像头传感器中存在暗电流，且光源强度在各波段下的分布不均匀，导致在光 照强度分布较弱的波段下，获得的高光谱图像噪音较大，不同波长下的图像亮度值差异也较大 45。因此，在数据分析前需对茶叶高光谱图像进行标定，其标定过程如下 46：在茶叶高光谱图像采集的参数条件下，首先，扫描标准白色校正板（ 99%光照反射的白板），得到全白的标定图像（ ；然后，关闭摄像机快门采集图像，得到全黑的标定图像（ 最后，按公式（ 1）对高光谱图像进行标定校正，使采集得到的绝对图像 换成相对图像 R。 I （ 式中， R 为标定后的高光谱图像； 原始的高光谱图像； 全黑的标定图像； 全白的标定图像。 光谱图像的拉伸 原始高光谱图像经过黑白标定校正后， 得到的高光谱图像数据块 的数 值 在在 01 之间 。 而 储存在 计算机 内 的数字图像灰度值分布在 0255 之间。为 方便理解、比对和后续处理，需将 标定后 图像的灰度拉伸至 0255， 按公式 （ 成拉伸 过程 ，得到拉伸图像 R。 255 （ 式中， R 为标定后的高光谱图像； R为拉伸后图像。 高光谱图像数据采集软件为高光谱仪自带的 二 章 数据采集与预处理 12 软件；原始数据处理由 和 o.， 软件完成。 本章小结 本章 介绍了所使用的高光谱图像检测系统的相关仪器设备和各个部件的主要参数和特性 ； 介绍了实验 样本 、 高光谱图像 数据采集方法 以 及 对采集 到的 茶叶 高光谱 图像数据的标定和拉伸 等 基本 预处理 方法。 第三 章 庐山云雾茶真伪鉴别模型 13 第三章 庐山云雾茶真伪鉴别模型 建立 高光谱图像数据是三维的图像块，既有不同波长下的图像信息，又有单个像素下的光谱信息，其数据量庞大（一张高光谱数据的存贮空间大小一般为 。 另外，在原始数据的采集过程中，由于外界因素的影响，不可避免地引入一些噪声信号。 研究采用主成分分析法 从海量 原始高光谱数据中 挖掘出最有效的特征变量，优选出最能反映茶叶品质的特征波长，提取特征波长下的特征图像，利用灰度统计矩和灰度共生矩阵法提取特征图像的纹理特征参数 ，采用 经网络方法建立判别庐山云雾茶真伪的鉴别模型。 光谱图像区域的选择 图 4 个产地茶样在 400围内的光谱曲线，由图可看出 光谱的两端有噪声，这是因为高光谱相机在该光谱区间内的信噪比较低，校正后容易将噪声放大，因此要去除噪声波段 46。 4 种产地云雾茶在 450上的光谱曲线存在差异， 在 450下波段有明显尖峰噪音。故选选择 450050 464 个波数点的高光谱图像数据进行研究。 图 山、福建、四川、广西 4 个产地茶叶高光谱图像在不同区域的 光谱曲线 征波段的选取 第三 章 庐山云雾茶真伪鉴别模型 14 成分分析基本原理 主成分分析 法 （ 48是将原 始 变量进行线性 转换 后 ， 获取 数目较少的新变量 ，新变量是 原变量的线性组合， 且 新变量应最大限度地表征原变量的数据结构