虹口區(qū)北外灘街道輔助工作人員報(bào)名表

1、基金項(xiàng)目：河南省基礎(chǔ)與前沿計(jì)劃項(xiàng)目（152300410079）收稿日期：20171016作者簡(jiǎn)介：琚新剛，男，1972年出生，副教授，糧食光電探測(cè)與控制通信作者：張?jiān)校?961年出生，教授，信號(hào)與信息處理蟲(chóng)蛀麥粒的太赫茲成像檢測(cè)方法研究琚新剛123廉飛宇1張?jiān)?葛宏義1蔣玉英1(河南省糧食光電探測(cè)與控制重點(diǎn)實(shí)驗(yàn)室河南工業(yè)大學(xué)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(xué)院電路與系統(tǒng)重點(diǎn)學(xué)科3鄭州450

2、046)摘要針對(duì)小麥蛀食性害蟲(chóng)過(guò)去檢測(cè)缺乏有效的技術(shù)手段問(wèn)題，本文將太赫茲成像檢測(cè)應(yīng)用到麥粒內(nèi)部結(jié)構(gòu)檢測(cè)。首先，在太赫茲光譜儀加裝反射成像模塊，設(shè)置回波時(shí)延30ps33ps，對(duì)麥粒內(nèi)部結(jié)構(gòu)進(jìn)行太赫茲層析成像；然后，針對(duì)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(shí)驗(yàn)結(jié)果表明，本文的方法能夠有效地識(shí)別出麥粒內(nèi)部的蟲(chóng)蛀區(qū)域。關(guān)鍵詞蛀食性害蟲(chóng)太赫茲成像圖像識(shí)別最大類

3、間方差法遺傳算法中圖分類號(hào)：O433.4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：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(dāng)前太赫茲技術(shù)應(yīng)用的一個(gè)熱點(diǎn)。作為一個(gè)最新

8、被利用的波段，通過(guò)使用太赫茲波對(duì)物體進(jìn)行輻射可以獲取被測(cè)物對(duì)太赫茲波的吸收率進(jìn)而反映出物體內(nèi)部空間結(jié)構(gòu)，并且還可以通過(guò)使用相位測(cè)量來(lái)得到被測(cè)物的折射率的空間分布陣列。利用這一特點(diǎn)并與斷層掃描原理相結(jié)合可以實(shí)現(xiàn)層析成像并獲得被測(cè)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(lái)，太赫茲成像逐漸被應(yīng)用到諸多的領(lǐng)域[1]，如材料檢測(cè)[2]，醫(yī)學(xué)診斷[34]，文物保護(hù)[56]，(2)ii

9、pnN?設(shè)為分割閾值，它將圖像分割成和兩個(gè)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(gè)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(shí)，將對(duì)每一個(gè)像素產(chǎn)生一個(gè)時(shí)域譜和經(jīng)傅里葉變換后得到的頻域譜。利用像素的時(shí)域譜成像時(shí)，可以有兩種方法：一是采用所有記錄到的時(shí)

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

12、6級(jí)灰度圖上。由于原始數(shù)據(jù)對(duì)應(yīng)的每個(gè)像素值是一個(gè)4字節(jié)的浮點(diǎn)數(shù)，因而可認(rèn)為是對(duì)一個(gè)灰度級(jí)很大的圖像進(jìn)行分割，而Otsu的最佳閾值的求解是一個(gè)在整個(gè)灰度級(jí)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(wú)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(biāo)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(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法[19]。在使用GA算法進(jìn)行尋優(yōu)的過(guò)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(shí)，適應(yīng)度函數(shù)對(duì)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(biāo)函數(shù)有關(guān)，但在傳統(tǒng)遺傳算法中，沒(méi)有考慮目標(biāo)函數(shù)的變化趨勢(shì)，致使遺傳過(guò)程中優(yōu)選的點(diǎn)(染色體)在一個(gè)時(shí)期內(nèi)只具有較優(yōu)的目標(biāo)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(biāo)函數(shù)值仍然得不到較明顯的優(yōu)勢(shì)，這種情況有可能導(dǎo)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(chóng)蛀等)的復(fù)雜性，使得異常區(qū)域的識(shí)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(shí)容易產(chǎn)生“早熟”現(xiàn)象。為了避免少數(shù)個(gè)體霸占整個(gè)群體而導(dǎo)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(guò)程趨于隨機(jī)漫游的現(xiàn)象，本文提出了利用目標(biāo)函數(shù)梯度(即變化率)的改進(jìn)遺傳算法