农业行业
本研究应用了400-1000nm的高光谱相机，可采用杭州彩谱科技有限公司产品FS13进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。
柑橘溃疡病是影响全球柑橘种植业发展的重大检疫性病害。美国农业部2006年3月提出“柑橘健康种植计划”，并且中国2007 年7月正式启动首个柑橘非疫生产区建设*-21。目前大部分研究都集中在对这种病害的防治和检测方面，而对于带有溃疡病斑的柑橘类水果的剔除主要还是通过手工分选，对工人要求较高，且效率低，准确性差。随着图像处理技术的日趋先进和计算机硬件成本的降低及处理速度的提高，机器视觉系统在农产品品质自动检测和分级领域应用越来越广泛。由于受害果表面的溃疡病斑呈灰褐色、木栓化、海绵状，周围略隆起呈暗褐色，最外圈为黄绿晕圈5，这些特征与正常果皮表面有明显的差异，因此可以把溃疡果作为一种缺陷果，从而利用机器视觉技术进行快速检测。尽管国内外学者已对柑橘类水果表面缺陷检测分级做了大量研究**。但是，在国内还未见利用机器视觉技术对溃疡果进行检测的相关报道。在国外，Qin等基于高光谱成像技术，分别利用光谱信息散度分类理论和主成分分析法对带有溃疡斑的葡萄柚进行分类识别，两种方法识别精度均超过90%。然而，对于SID理论，需要建立参考光谱，然后图像像素与参考光谱进行匹配，但是匹配较费时，而后一种理论则利用了99个波段参与主成分分析，两种方法均不利于溃疡果的在线检测。本文主要基于高光谱成像系统，首先提取并分析每一类缺陷及正常果皮感兴趣区域（region of interest，ROD）光谱曲线并结合主成分分析法确定特征波段，接着基于特征波段进行二次主成分分析，再结合双波段比算法实现溃疡果与其他类脐橙（包括正常果及缺陷果）的分类识别。
）本文基于高光谱成像系统利用主成分分析法及波段比算法对包括溃疡果在内的10类常见脐橙果皮缺陷和正常果进行溃疡果的分类识别，识别率达到95.4%。
）本试验处于实验室研究阶段，其中基于高光谱系统采集到的数据量大，处理时间长，并不适合在线检测。通过试验本文得到5个特征波长用于溃疡果的分类识别，其中可见光波段3个（630、685和720 nm），近红外波段2个（810和875nm）。基于这些特征波段，进行特征波段主成分分析，克服了通常单次主成分分析中由于存在较多的波段而无法使这种方法应用于在线检测的弊端。
）考虑到仅利用主成分分析法无法有效的分类溃疡果和裂果、日灼及药伤果，本文提出采用主成分分析法与波段比相结合的算法。基于此算法使总体识别率由原来的80%提高到95.4%。但对日灼果的识别率没有提高。
）基于试验中获得的5个特征波段，选取相应的滤波片，有助于开发基于多光谱成像技术的脐橙溃疡识别系统。另一方面，由于本文开发的算法比较简单，进一步为脐橙溃疡果的在线识别奠定了基础。尽管本文研究对象是脐橙，但研究方法可能也适合其他柑橘类水果溃疡病斑的识别，有待进一步验证。另外，由于试验中涉及到的缺陷种类较多，样本收集存在一定困难，同时由于高光谱数据量大，处理较费时，因此，本研究中仅采用130个样本作为探索性研究，虽然取得了比较理想结果，但后续将会进一步增加样本量，验证此理论的可行性。
