虹口區(qū)北外灘街道輔助工作人員報名表

1、基金項目：河南省基礎(chǔ)與前沿計劃項目（152300410079）收稿日期：20171016作者簡介：琚新剛，男，1972年出生，副教授，糧食光電探測與控制通信作者：張元，男，1961年出生，教授，信號與信息處理蟲蛀麥粒的太赫茲成像檢測方法研究琚新剛123廉飛宇1張元1葛宏義1蔣玉英1(河南省糧食光電探測與控制重點實驗室河南工業(yè)大學1鄭州450001)(河南糧食作物協(xié)同創(chuàng)新中心2鄭州450046)(河南教育學院電路與系統(tǒng)重點學科3鄭州450

2、046)摘要針對小麥蛀食性害蟲過去檢測缺乏有效的技術(shù)手段問題，本文將太赫茲成像檢測應(yīng)用到麥粒內(nèi)部結(jié)構(gòu)檢測。首先，在太赫茲光譜儀加裝反射成像模塊，設(shè)置回波時延30ps33ps，對麥粒內(nèi)部結(jié)構(gòu)進行太赫茲層析成像；然后，針對麥粒內(nèi)部結(jié)構(gòu)太赫茲剖面圖，采用最大類間方差法分割圖像中的蛀食區(qū)域，并引入遺傳算法，提高了最大類間方差法求解最佳閾值的效率，實驗結(jié)果表明，本文的方法能夠有效地識別出麥粒內(nèi)部的蟲蛀區(qū)域。關(guān)鍵詞蛀食性害蟲太赫茲成像圖像識別最大類

3、間方差法遺傳算法中圖分類號：O433.4文獻標識碼：A文章編號：10030174ThedetectionofvermiculategrainofwheatusingterahertzimagingJuXingang12.3LianFeiyu1ZhangYuan1GeHongyi1JiangYuying1(HenanProvinceKeyLabatyofGrainPhotoelectricDetectionControlHenanUniv

4、ersityofTechnology1Zhengzhou450001)(CollabativeInnovationCenterofHenanGrainCrops2Zhengzhou450046)(CircuitsSystemsKeyDisciplinesofHenanEducationInstitute3Zhengzhou450046)AbstractAimingatthelackofeffectivetechniquefearlyde

5、tectionofbingpestsinstedgrainweappliedterahertzimagingindetectionofgrainofwheat.FirstweaddedacatoptricimagingmoduleintoTerahertzTimedomainSpectrumSystem(THzTDS)setechowavedelayto6ps11pswhichrealizesaTHztomographytointeri

6、structureofgrainofwheat.ThenweadoptedMaximumBetweenClassVariance(OTSU)methodtosplitvermiculateareasinobtainedTHzimage.LastweintroducedGeicAlgithm(GA)toimprovetheefficiencyofOTSUinsolvingoptimalthresholdvalue.Experimental

7、resultsshowthattheproposedmethodcanrecognizethevermiculateareainterahertzimagesofgrainsofwheateffectively.KeywdsBingpestTerahertzimagingImageidentificationMaximumBetweenClassVarianceGeicAlgithm太赫茲成像是當前太赫茲技術(shù)應(yīng)用的一個熱點。作為一個最新

8、被利用的波段，通過使用太赫茲波對物體進行輻射可以獲取被測物對太赫茲波的吸收率進而反映出物體內(nèi)部空間結(jié)構(gòu)，并且還可以通過使用相位測量來得到被測物的折射率的空間分布陣列。利用這一特點并與斷層掃描原理相結(jié)合可以實現(xiàn)層析成像并獲得被測物的二維或三維結(jié)構(gòu)的信息。與其他波段的成像技術(shù)相比太赫茲成像所得到的圖像的分辨率和景深都有明顯的增加。近年來，太赫茲成像逐漸被應(yīng)用到諸多的領(lǐng)域[1]，如材料檢測[2]，醫(yī)學診斷[34]，文物保護[56]，(2)ii

9、pnN?設(shè)為分割閾值，它將圖像分割成和兩個區(qū)域，則出現(xiàn)的概率為：Th1R2R1R(3)100ThThiiiiPnNp??????而出現(xiàn)的概率為：2R211PP??區(qū)域和的灰度均值分別為：1R2R(4)11000ThThThiiiiiiavninpiP??????????(5)11122111LLLiiiiThiThiThavninpiP????????????????整個圖像的灰度均值為：(6)111220LiIavpiavPavP??

10、?????區(qū)域和的的類間方差定義為：1R2R()dTh(7)221122()()()dThPavavPavav????將式(6)帶入(7)式，可得(8)21212()()dThPPavav??最佳閾值即為值最大的閾值，即optTh()dTh(9)()max(())optdThdTh?利用Z3系統(tǒng)獲取樣品的太赫茲成像時，將對每一個像素產(chǎn)生一個時域譜和經(jīng)傅里葉變換后得到的頻域譜。利用像素的時域譜成像時，可以有兩種方法：一是采用所有記錄到的時

11、間軸上的點對應(yīng)的幅度的平均值；另一種方法是采用峰值，但無論采用哪種方法，得到的幅度都是一個用4個字節(jié)表示的浮點數(shù)。Z3系統(tǒng)本身自帶了一個成像軟件，它可以將以浮點數(shù)表示的4字節(jié)原始數(shù)據(jù)轉(zhuǎn)換為256個灰度級，從而呈現(xiàn)一個只有256個灰度值的灰度圖。對于本文研究的圖像，很難直接從256個灰度級的灰度圖上分割出目標區(qū)域，所以，可以采用從原始數(shù)據(jù)上應(yīng)用Otsu方法進行分割，即在原始數(shù)據(jù)中找到一個最佳分割閾值。對原始數(shù)據(jù)進行區(qū)域分割，最后映射到25

12、6級灰度圖上。由于原始數(shù)據(jù)對應(yīng)的每個像素值是一個4字節(jié)的浮點數(shù)，因而可認為是對一個灰度級很大的圖像進行分割，而Otsu的最佳閾值的求解是一個在整個灰度級的取值范圍內(nèi)的線性求解，這就使得Otsu的最佳閾值求解法的效率很低，甚至是無法完成的。而遺傳算法(GA)能夠以非線性的方式快速求解最優(yōu)解，并具有全局尋優(yōu)能力。將GA算法引入Otsu中的最大類間方差和最佳閾值的查找中，可以大大提高本文太赫茲成像目標區(qū)域的分割效率。2.2結(jié)合GA算法的最佳閾

13、值獲取遺傳算法是一種通過模擬自然進化過程搜索最優(yōu)解的方法[19]。在使用GA算法進行尋優(yōu)的過程中，一般包括解空間編碼、初始化種群、選定適應(yīng)度函數(shù)，交叉和變異，繁衍等操作。本文中，以類間方差作為適應(yīng)度函數(shù)。在使用遺傳算法求解最佳閾值時，適應(yīng)度函數(shù)對算法的收斂性以收斂速度的影響較大。適應(yīng)度函數(shù)的選取與目標函數(shù)有關(guān)，但在傳統(tǒng)遺傳算法中，沒有考慮目標函數(shù)的變化趨勢，致使遺傳過程中優(yōu)選的點(染色體)在一個時期內(nèi)只具有較優(yōu)的目標數(shù)值，但可能都是在較

14、平坦的區(qū)域內(nèi)徘徊，經(jīng)多代遺傳后，目標函數(shù)值仍然得不到較明顯的優(yōu)勢，這種情況有可能導致“早熟”現(xiàn)象。在本文的太赫茲成像中，由于小麥本身狀態(tài)(霉變、牙變、蟲蛀等)的復(fù)雜性，使得異常區(qū)域的識別難以采用恒定的最大類間方差作為適應(yīng)度函數(shù)，因而采用GA算法搜索最佳閾值時容易產(chǎn)生“早熟”現(xiàn)象。為了避免少數(shù)個體霸占整個群體而導致的”早熟“現(xiàn)象以及因平均適應(yīng)度、最佳適應(yīng)度而使優(yōu)化過程趨于隨機漫游的現(xiàn)象，本文提出了利用目標函數(shù)梯度(即變化率)的改進遺傳算法