申请/专利权人：塔里木大学;清华大学

申请日：2019-01-30

公开（公告）日：2021-04-20

公开（公告）号：CN109655426B

主分类号：G01N21/3563(20140101)

分类号：G01N21/3563(20140101);G01N21/359(20140101)

优先权：

专利状态码：有效-授权

法律状态：2021.04.20#授权;2019.05.14#实质审查的生效;2019.04.19#公开

摘要：本发明实施例提供了一种识别红枣光谱图像中目标红枣的方法及装置，所述方法包括：获得红枣的偏振光谱图像；基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强；从增强后的所述偏振光谱图像中识别出目标红枣。由于采用红枣特征光谱偏振相关及图像空间频率相关处理方法对图像中的目标红枣的特征进行增强，使得图像中的目标红枣的特征变得明显，尤其使得在远距离、复杂光照条件下获得的图像中的微小像元尺度，甚至是亚像元尺度的红枣特征变得明显，能够与红枣的偏振光谱图像中的环境背景进行区分，能够容易地从红枣的偏振光谱图像中识别出微小像元尺度，甚至是亚像元尺度的红枣。

主权项：1.一种识别红枣光谱图像中目标红枣的方法，其特征在于，所述方法包括：获得红枣的偏振光谱图像；基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强；从增强后的所述偏振光谱图像中识别出目标红枣；其中，所述基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强，包括：从所述偏振光谱图像中获取第七偏振光谱图像和第八偏振光谱图像，其中，所述第七偏振光谱图像与所述第八偏振光谱图像的波段不同；对所述第七偏振光谱图像中的第一像素点与所述第八偏振光谱图像中的第二像素点进行乘法处理，获得第九偏振光谱图像；对所述第七偏振光谱图像中的第二像素点与所述第八偏振光谱图像中的第一像素点进行乘法处理，获得第十偏振光谱图像；对所述第九偏振光谱图像与所述第十偏振光谱图像减法处理，获得第十一偏振光谱图像；对所述第十一偏振光谱图像进行傅里叶变换；基于傅里叶变换后的所述第十一偏振光谱图像中的空间频率的相关性，去除所述第十一偏振光谱图像中的环境背景信息。

全文数据：一种识别红枣光谱图像中目标红枣的方法及装置技术领域本发明涉及农产品品质检测领域，尤其涉及一种识别红枣光谱图像中目标红枣的方法及装置。背景技术目前，对红枣品质进行检测，主要采用的是获取红枣的近红外光谱图像，通过红枣的近红外检测模型，检测出红枣的理化特征，再根据红枣的理化特征确定红枣的品质。其中，在建立红枣的近红外检测模型时，需要获取海量的不同环境下的红枣的近红外光谱图像，通过从获取的红枣的近红外光谱图像中提取出红枣的光谱特征信息，基于提取出的红枣的光谱特征信息与该红枣的理化特征，建立红枣品质检测模型。但是，在获取的红枣的近红外光谱图像中，由于微小像元尺度，甚至是亚像元尺度对应的红枣图像受环境背景图像的干扰较大，从红枣的近红外光谱图像中不容易识别出微小像元尺度，甚至是亚像元尺度对应的红枣图像，导致无法从红枣的近红外光谱图像中提取出微小像元尺度，甚至是亚像元尺度对应的红枣图像的光谱特征信息，进而降低红枣品质检测模型的检测精度。发明内容鉴于上述问题，本发明的目的是提供一种识别红枣光谱图像中目标红枣的方法及装置，以解决从红枣的近红外光谱图像中不容易识别出微小像元尺度对应的红枣图像的问题。为解决上述技术问题，本发明实施例提供如下技术方案：第一方面，本发明实施例提供一种识别红枣光谱图像中目标红枣的方法，所述方法包括：获得红枣的偏振光谱图像；基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强；从增强后的所述偏振光谱图像中识别出目标红枣。第二方面，本发明实施例提供一种建立红枣品质检测模型的方法，所述方法包括：获得红枣的偏振光谱图像和所述红枣的理化特征；基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强，所述目标红枣为所述红枣中的待识别的红枣；从增强后的所述偏振光谱图像中识别出目标红枣；基于所述目标红枣的偏振特征及其对应的理化特征，建立红枣品质检测模型，所述目标红枣的偏振特征是根据识别出的目标红枣从所述增强后的所述偏振光谱图像中获取的，所述红枣品质检测模型用于检测红枣品质。第三方面，本发明实施例提供一种检测红枣品质的方法，所述方法包括：获得待检测红枣的偏振光谱图像；基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的待检测红枣进行增强；从增强后的所述偏振光谱图像中识别出待检测红枣；基于所述待检测红枣的偏振特征和预先建立的红枣品质检测模型，确定所述待检测红枣的理化特征，其中，所述待检测红枣的偏振特征是根据识别出的待检测红枣从所述增强后的所述偏振光谱图像中获取的，所述红枣品质检测模型是采用上述建立红枣品质检测模型的方法建立的；根据所述理化特征，确定所述待检测红枣的品质。第四方面，本发明实施例提供一种识别红枣光谱图像中目标红枣的装置，所述装置包括：输入模块，被配置为获得红枣的偏振光谱图像；目标增强模块，被配置为基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强；目标识别模块，被配置为从增强后的所述偏振光谱图像中识别出目标红枣。第五方面，本发明实施例提供一种建立红枣品质检测模型的装置，所述装置包括：输入模块，被配置为获得红枣的偏振光谱图像和所述红枣的理化特征；目标增强模块，被配置为基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强，所述目标红枣为所述红枣中的待识别的红枣；目标识别模块，被配置为从增强后的所述偏振光谱图像中识别出目标红枣；模型生成模块，被配置为基于所述目标红枣的偏振特征及其对应的理化特征，建立红枣品质检测模型，所述目标红枣的偏振特征是根据识别出的目标红枣从所述增强后的所述偏振光谱图像中获取的，所述红枣品质检测模型用于检测红枣品质。第六方面，本发明实施例提供一种检测红枣品质的装置，所述装置包括：输入模块，被配置为获得待检测红枣的偏振光谱图像；目标增强模块，被配置为基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的待检测红枣进行增强；目标识别模块，被配置为从增强后的所述偏振光谱图像中识别出待检测红枣；理化特征确定模块，被配置为基于所述待检测红枣的偏振特征和预先建立的红枣品质检测模型，确定所述待检测红枣的理化特征，其中，所述待检测红枣的偏振特征是根据识别出的待检测红枣从所述增强后的所述偏振光谱图像中获取的，所述红枣品质检测模型是采用上述建立红枣品质检测模型的方法建立的；品质确定模块，被配置为根据所述理化特征，确定所述待检测红枣的品质。第七方面，本发明实施例提供一种电子设备，所述电子设备包括：至少一个处理器；以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述一个或多个技术方案中的方法。第八方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述一个或多个技术方案中的方法。本发明实施例提供的识别红枣光谱图像中目标红枣的方法及装置，通过获得红枣的偏振光谱图像，进而基于偏振光谱图像中的各像素点的空间频率的大小，对获得的红枣的偏振光谱图像中的目标红枣进行增强，再从增强后的红枣的偏振光谱图像中识别出目标红枣。由于采用红枣特征光谱偏振相关及图像空间频率相关处理方法对图像中的目标红枣的特征进行增强，使得图像中的目标红枣的特征变得明显，尤其是使得图像中的微小像元尺度，甚至是亚像元尺度的红枣特征变得明显，甚至可以使得在远距离、复杂光照条件下获得的图像中的微小像元尺度，甚至是亚像元尺度的红枣特征变得明显，能够与红枣的偏振光谱图像中的环境背景进行区分，因此，通过采用上述方法，能够容易地从红枣的偏振光谱图像中识别出微小像元尺度，甚至是亚像元尺度的红枣。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1为本发明实施例中的识别红枣光谱图像中目标红枣的方法的流程示意图；图2为本发明实施例中的枣树局部的偏振光谱图像一；图3为本发明实施例中的枣树局部的偏振光谱图像二；图4为本发明实施例中的枣树冠层的偏振光谱图像一；图5为本发明实施例中的枣树冠层的偏振光谱图像二；图6为本发明实施例中的枣树冠层的偏振光谱图像三；图7为本发明实施例中的建立红枣品质检测模型的方法的流程示意图；图8为本发明实施例中的检测红枣品质的方法的流程示意图；图9为本发明实施例中的识别红枣光谱图像中目标红枣的装置的结构示意图；图10为本发明实施例中的建立红枣品质检测模型的装置的结构示意图；图11为本发明实施例中的检测红枣品质的装置的结构示意图；图12为本发明实施例中的电子设备的结构示意图。具体实施方式下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。本发明实施例提供了一种识别红枣光谱图像中目标红枣的方法，图1为本发明实施例中的识别红枣光谱图像中目标红枣的方法的流程示意图，参见图1所示，该方法可以包括：S101：获得红枣的偏振光谱图像。在具体实施过程中，可以在光谱相机的镜头前加偏振片，使用该光谱相机对红枣进行拍摄，以获得红枣的偏振光谱图像。其中，为了更加方便的从红枣的偏振光谱图像中识别出红枣，可以将光谱相机更换为高光谱相机，使用高光谱相机对红枣进行拍摄，可以获得分辨率更高的红枣的偏振光谱图像，以便从红枣的偏振光谱图像中识别出红枣。在这里，红枣的偏振光谱图像可以是单一角度的偏振光谱图像，也可以是多角度的偏振光谱图像，在此不做限定。其中，当红枣的偏振光谱图像为单一角度的偏振光谱图像时，只需将光谱相机镜头前偏振片的偏振方向转动至需要的方向，再使用该光谱相机对红枣进行拍摄，就可以获得红枣的单一角度的偏振光谱图像。当红枣的偏振光谱图像为多角度的偏振光谱图像时，可以采用但不限于以下两种方式获得红枣的多角度的偏振光谱图像：第一种获得方式：依次转动光谱相机镜头前偏振片的偏振方向，偏振片每转动至一个偏振方向，就使用该光谱相机对红枣进行拍摄，以获得该偏振方向的红枣的偏振光谱图像，再将多个角度的红枣的偏振光谱图像进行叠加。示例性的，假设多角度为0°、45°、90°和135°，首先，将光谱相机镜头前的偏振片的偏振方向转动至0°，拍摄红枣的偏振光谱图像A，然后，将光谱相机镜头前的偏振片的偏振方向转动至45°，拍摄红枣的偏振光谱图像B，接着，将光谱相机镜头前的偏振片的偏振方向转动至90°，拍摄红枣的偏振光谱图像C，再接着，将光谱相机镜头前的偏振片的偏振方向转动至135°，拍摄红枣的偏振光谱图像D，最后，将红枣的偏振光谱图像A、红枣的偏振光谱图像B、红枣的偏振光谱图像C和红枣的偏振光谱图像D叠加，就获得了红枣的多角度的偏振光谱图像。第二种获得方式：采用多通道光谱相机对红枣进行拍摄。具体的，可以对多通道光谱相机的拍摄参数进行设置，使多通道光谱相机能够一次拍摄出指定的多角度的偏振光谱图像，这样，使用多通道光谱相机对红枣进行一次拍摄，就能够获得红枣的多角度的偏振光谱图像，使获得红枣的多角度的偏振光谱图像的过程更为便捷。由此可见，通过采用上述第一种获得方式或上述第二种获得方式，能够获得任意多角度的红枣的偏振光谱图像，进而能够提高获得红枣的特征更为明显的红枣的多角度的偏振光谱图像的概率。示例性的，图2为本发明实施例中的枣树局部的偏振光谱图像一，参见图2所示，当需要获得枣树冠层的偏振光谱图像时，可以获得偏振方向为0°的枣树冠层的偏振光谱图像2a，也可以获得偏振方向为0°和90°的枣树冠层的偏振光谱图像2b，也可以获得枣树冠层的线偏振度DegreeofLinePolarization，DOLP图像2c，还可以获得枣树冠层的偏振相角图像2d。此外还需说明的是，这里的红枣可以是指枣树冠层，也可以是指单棵枣树，也可以是指大面积枣园，当然，还可以是指其它的红枣区域，在此不做限定。S102：基于偏振光谱图像中的各像素点的空间频率的大小，对偏振光谱图像中的目标红枣进行增强。在这里，目标红枣可以是指红枣的偏振光谱图像中的全部红枣，也可以是指红枣的偏振光谱图像中的指定区域的红枣，也可以是指红枣的偏振光谱图像中的微小像元尺度，甚至是亚像元尺度的红枣，在此不做限定。在具体实施过程中，可以基于偏振光谱图像中的各像素点的空间频率的大小，使用图像增强算法对红枣的偏振光谱图像进行处理，以增强红枣的偏振光谱图像中的目标红枣的信息，以及抑制红枣的偏振光谱图像中的环境背景的信息。S103：从增强后的偏振光谱图像中识别出目标红枣。在这里，由于增强后的红枣的偏振光谱图像中的目标红枣的信息得到增强、环境背景的信息得到抑制，因此能够容易地从红枣的偏振光谱图像中识别出目标红枣。由上述内容可知，本发明实施例提供的识别红枣光谱图像中目标红枣的方法，通过获得红枣的偏振光谱图像，进而基于偏振光谱图像中的各像素点的空间频率的大小，对获得的红枣的偏振光谱图像中的目标红枣进行增强，再从增强后的红枣的偏振光谱图像中识别出目标红枣。由于采用红枣特征光谱偏振相关及图像空间频率相关处理方法对图像中的目标红枣的特征进行增强，使得图像中的目标红枣的特征变得明显，尤其是使得图像中的微小像元尺度，甚至是亚像元尺度的红枣特征变得明显，甚至可以使得在远距离、复杂光照条件下获得的图像中的微小像元尺度，甚至是亚像元尺度的红枣特征变得明显，能够与红枣的偏振光谱图像中的环境背景进行区分，因此，通过采用上述方法，能够容易地从红枣的偏振光谱图像中识别出微小像元尺度，甚至是亚像元尺度的红枣。基于前述实施例，为了便于对红枣的偏振光谱图像中的目标红枣进行增强，S101可以包括：S1011：获得红枣的多个偏振光谱图像。其中，红枣的多个偏振光谱图像是在多种预设参数下拍摄的，也就是说，在一种预设参数下，光谱相机拍摄红枣的一个偏振光谱图像，在另一种预设参数下，光谱相机拍摄该红枣的另一个偏振光谱图像。在这里，预设参数可以包括：预设的光谱相机与红枣的距离、预设的光谱相机的镜头与水平面的夹角、预设的标准板与红枣的距离、预设的标准板与水平面的夹角、预设的光照参数中的至少一个。在实际应用中，为了能够获得目标红枣与环境背景差异大的红枣的偏振光谱图像，同时又能够避免影响图像采集效率，可以使用正交试验设计OrthogonalExperimentalDesign进行5因素4水平实验，以获得红枣的多个偏振光谱图像。其中，5因素是指光谱相机与红枣的距离、光谱相机的镜头与水平面的夹角、标准板与红枣的距离、标准板与水平面的夹角、光照参数，4水平是指上述5因素中的每个因素的4个实验参数，例如：光谱相机与红枣的距离分别为0.5米、1米、1.5米、2米，光谱相机的镜头与水平面的夹角分别为1°、2°、3°、4°，标准板与红枣的距离分别为0.5米、1米、1.5米、2米，标准板与水平面的夹角分别为1°、2°、3°、4°，太阳的高度角分别为10°、30°、60°、90°。由于正交实验设计为现有技术，故对于采用正交实验设计得到的具体实验方案在此不再赘述。通过正交实验设计得到的具体实验方案就能够获得红枣的多个偏振光谱图像。在这里，红枣的偏振光谱图像可以是多角度偏振光谱图像，多角度偏振光谱图像的获得方式在前述实施例中已详细陈述，在此不再赘述。S1012：从红枣的多个偏振光谱图像中确定出目标偏振光谱图像。其中，目标偏振光谱图像中的目标红枣与环境背景的光谱差异在多个偏振光谱图像中最大，以便识别图像中的目标红枣。此外，当确定出目标偏振光谱图像之后，可以将获得目标偏振光谱图像时所采用的预设条件确定为目标预设条件，在以后获得其它红枣的偏振光谱图像时，可以直接在目标预设条件下获得其它红枣的偏振光谱图像，在此条件下获得的其它红枣的偏振光谱图像中的目标红枣与环境背景的差异就会比较大，便于识别图像中的目标红枣，同时又无需获得多个偏振光谱图像，能够提高工作效率。由上述内容可知，本发明实施例提供的识别红枣光谱图像中目标红枣的方法，通过获得红枣的多个偏振光谱图像，并从红枣的多个偏振光谱图像中确定出目标红枣与环境背景的光谱差异最大的偏振光谱图像，进而便于对红枣的偏振光谱图像中的目标红枣进行增强，最终便于从红枣的偏振光谱图像中识别出目标红枣。基于前述实施例，为了便于对红枣的偏振光谱图像中的目标红枣进行增强，在S102之前，该方法还可以包括：S201：去除红枣的偏振光谱图像中的大气背景。在具体实施过程中，可以对红枣的偏振光谱图像进行大气辐射校正，以去除红枣的偏振光谱图像中的大气背景，进而避免红枣的偏振光谱图像中大气背景在增强目标红枣的过程中造成的干扰，进而便于对红枣的偏振光谱图像中的目标红枣进行增强。其中，大气背景可以包括：水汽和或噪声，当然，还可以包括其它的大气背景，在此不做限定。具体的，可以通过最小二乘差分吸收法去除红枣的偏振光谱图像中快速变化的水汽，可以通过标准板辐射校正去除红枣的偏振光谱图像中的噪声，当然，还可以通过其它方法去除红枣的偏振光谱图像中的水汽和或噪声，在此不做限定。由上述内容可知，本发明实施例提供的识别红枣光谱图像中目标红枣的方法，在对红枣的偏振光谱图像中的目标红枣进行增强之前，通过去除红枣的偏振光谱图像中的大气背景，以避免红枣的偏振光谱图像中大气背景在增强目标红枣的过程中造成的干扰，进而便于对红枣的偏振光谱图像中的目标红枣进行增强。基于前述实施例，为了便于对红枣的偏振光谱图像中的目标红枣进行增强，在S102之前，该方法还可以包括：S202：对偏振光谱图像进行图像细节增强。具体的，可以使用L0平滑、引导滤波、快速双边滤波和边缘保留多尺度图像分解的方法对偏振光谱图像进行图像细节增强，尤其是增强偏振光谱图像中的目标红枣的图像细节，当然，还可以通过其它方式对偏振光谱图像进行图像细节增强，在此不做限定。在这里需要说明的是，为了避免将偏振光谱图像中的水汽和或噪声增强，从而影响对偏振光谱图像中的目标红枣进行识别，可以在S202之前先进行S201。在实际应用中，S202可以包括但不限于以下两个步骤：步骤一：从红枣的偏振光谱图像中获取第一偏振光谱图像、第二偏振光谱图像、第三偏振光谱图像和第四偏振光谱图像。其中，第一偏振光谱图像和第四偏振光谱图像对应的波段与第二偏振光谱图像和第三偏振光谱图像对应的波段相异，第一偏振光谱图像和第三偏振光谱图像对应的偏振方向与第二偏振光谱图像和第四偏振光谱图像对应的偏振方向相异。示例性的，第一偏振光谱图像和第四偏振光谱图像对应的波段与第二偏振光谱图像和第三偏振光谱图像对应的波段可以是band22、band68、band86、band122中的任意两个波段，由经验可知，上述波段的偏振光谱图像中目标红枣与枣叶的光谱特征差异较为明显，以便从图像中识别出目标红枣。第一偏振光谱图像和第三偏振光谱图像对应的偏振方向与第二偏振光谱图像和第四偏振光谱图像对应的偏振方向可以是0°、45°、90°、135°中的任意两个正交的方向，相比于两个偏振方向非正交的偏振光谱图像，两个偏振方向正交的偏振光谱图像中的信息没有重叠，能够提高工作效率。步骤二：对第一偏振光谱图像、第二偏振光谱图像、第三偏振光谱图像和第四偏振光谱图像进行处理，获得图像细节增强后的红枣的偏振光谱图像。在具体实施过程中，步骤二具体可以包括以下三个步骤：步骤A：对第一偏振光谱图像与第二偏振光谱图像进行乘法处理，获得第五偏振光谱图像；步骤B：对第三偏振光谱图像与第四偏振光谱图像进行乘法处理，获得第六偏振光谱图像；步骤C：对第五偏振光谱图像与第六偏振光谱图像进行减法处理，获得图像细节增强后的红枣的偏振光谱图像。即，可以将上述三个步骤通过进行表达。其中，I为偏振光谱图像，B为波段，D为偏振方向。可见，通过公式1，对第一偏振光谱图像、第二偏振光谱图像、第三偏振光谱图像和第四偏振光谱图像进行处理，以获得图像细节增强后的红枣的偏振光谱图像，进而更加利于增强图像中的目标红枣的信息，以便从图像中识别出目标红枣。下面举例对如何增强红枣的偏振光谱图像中的图像细节进行说明。以第一波段和第二波段分别为band22、band86，第一偏振方向和第二偏振方向分别为0°、90°为例。首先，从红枣的偏振光谱图像中分别获取band22、偏振方向0°的第一偏振光谱图像，band86、偏振方向90°的第二偏振光谱图像，band86、偏振方向0°的第三偏振光谱图像，band22、偏振方向90°的第四偏振光谱图像；然后，根据公式1对、进行处理，就获得了图像细节增强后的红枣的偏振光谱图像I[BB22，B86,DD0，D90]。在此需要说明的是，如果图像细节增强后的红枣的偏振光谱图像的效果不佳，可以变换波段和或偏振方向，再次对红枣的偏振光谱图像进行图像细节增强，将两次图像细节增强后的红枣的偏振光谱图像进行相减处理，就可以获得新的图像细节增强后的红枣的偏振光谱图像，能够增强红枣的偏振光谱图像中图像细节。下面举例对如何继续增强红枣的偏振光谱图像中的图像细节进行说明。首先，获得图像细节增强后的红枣的偏振光谱图像I[BB22，B86,DD0，D90]；然后，从红枣的偏振光谱图像中分别获取band22、偏振方向45°的第一偏振光谱图像，band86、偏振方向135°的第二偏振光谱图像band86、偏振方向45°的第三偏振光谱图像band22、偏振方向135°的第四偏振光谱图像接着，根据公式1对进行处理，获得图像细节增强后的红枣的偏振光谱图像I[BB22，B86,DD45，D135]；最后，将I[BB22，B86,DD0，D90]与I[BB22，B86,DD45，D135]进行减法处理，就获得了新的图像细节增强后的红枣的偏振光谱图像。示例性的，图3为本发明实施例中的枣树局部的偏振光谱图像二，参见图3所示，作为对比，图3中的图像3a为偏振方向为0°的枣树局部的偏振光谱图像，图3中的图像3b为以偏振方向为0°和90°的枣树局部的偏振光谱图像进行细节增强后获得偏振光谱图像，通过将图像3b中的区域301与图像3a中的区域301进行对比可知，图像3b中的区域301中的红枣的偏振特征增强效果并不明显，此时，再将偏振方向为45°和135°的枣树局部的偏振光谱图像进行细节增强处理，获得图像3c，再将图像3c与图像3b进行减法处理，获得图像3d，通过将图像3d中的区域301与图像3a中的区域301进行对比可知，图像3d中的区域301中的红枣的偏振特征增强效果明显。由上述内容可知，本发明实施例提供的识别红枣光谱图像中目标红枣的方法，通过从红枣的偏振光谱图像中获取第一偏振光谱图像、第二偏振光谱图像、第三偏振光谱图像和第四偏振光谱图像，再对第一偏振光谱图像、第二偏振光谱图像、第三偏振光谱图像和第四偏振光谱图像进行处理，以增强红枣的偏振光谱图像中目标红枣的细节，以便对红枣的偏振光谱图像中的目标红枣进行增强，进而从红枣的偏振光谱图像中识别出更多的目标红枣的偏振特征。基于前述实施例，为了便于从红枣的偏振光谱图像中识别出目标红枣，S102具体可以包括：S1021：从图像细节增强后的红枣的偏振光谱图像中获取波段不同的第七偏振光谱图像和第八偏振光谱图像；S1022：对第七偏振光谱图像中的第一像素点与第八偏振光谱图像中的第二像素点进行乘法处理，获得第九偏振光谱图像；S1023：对第七偏振光谱图像中的第二像素点与第八偏振光谱图像中的第一像素点进行乘法处理，获得第十偏振光谱图像；S1024：对第九偏振光谱图像与第十偏振光谱图像减法处理，获得第十一偏振光谱图像；S1025：对第十一偏振光谱图像进行傅里叶变换；S1026：基于傅里叶变换后的第十一偏振光谱图像中的空间频率的相关性，去除第十一偏振光谱图像中的环境背景信息。在这里，由于同一红枣的偏振光谱图像中相邻两个像元的光谱差在不同波段保持不变，可以根据空间频率在两个波段之间的相关性，即低频部分相关性高，高频部分相关性低，以增强图像中的目标红枣的信息，抑制图像中的环境背景信息。在实际应用中，首先，可以根据对图像细节增强后的红枣的偏振光谱图像中的目标红枣信息进行增强，其中，R为进行目标增强后的偏振光谱图像，I为未进行目标增强的偏振光谱图像，K为波段，i,j为偏振光谱图像中的像素点，为偏振光谱图像中的像素点的偏移量；然后，对增强目标红枣信息后的红枣的偏振光谱图像进行傅里叶变换；接着，可以根据得到经过傅里叶变换后的红枣的偏振光谱图像的互功率谱密度，其中，P为互功率谱密度，R为进行目标增强后的偏振光谱图像，FS为偏振光谱图像的空间频率，K为波段，j为偏振光谱图像中像素点一个固定分量，为偏振光谱图像中的像素点的偏移量；最后，根据经过傅里叶变换后的红枣的偏振光谱图像中的互功率谱密度，即图像中低频部分为环境背景信息，图像中高频部分为目标红枣的相关信息，以去除上述图像中的环境背景信息，这里的环境背景可以是指红枣的偏振光谱图像中的除枣叶、树枝外的其它环境背景。此外，在对红枣的偏振光谱图像中的目标红枣进行增强之后，可以使用目标检测算法对图像中的目标红枣进行检测，以确定图像中目标红枣信息的增强效果。例如：可以根据边缘检测函数检测增强后的红枣的偏振光谱图像中的目标红枣的边缘，以评价图像中目标红枣信息的增强效果，其中，m,n为偏振光谱图像中的像素点。由上述内容可知，本发明实施例提供的识别红枣光谱图像中目标红枣的方法，通过从红枣的偏振光谱图像中获取波段不同的第七偏振光谱图像和第八偏振光谱图像，并基于同一红枣的偏振光谱图像中相邻两个像元的光谱差在不同波段保持不变，对第七偏振光谱图像和第八偏振光谱图像进行处理，以增强红枣的偏振光谱图像中目标红枣的特征，再基于红枣的偏振光谱图像的空间频率在两个波段之间的相关性，即低频部分相关性高，高频部分相关性低，去除红枣的偏振光谱图像中的环境背景信息，进而增强红枣的偏振光谱图像中目标红枣的特征，以便从红枣的偏振光谱图像中识别出目标红枣。基于前述实施例，为了更加便于从红枣的偏振光谱图像中识别出目标红枣，在S103之前，该方法还可以包括：S203：对增强后的红枣的光谱图像进行区域灰度一致性处理。具体的，根据红枣的偏振光谱图像中相邻两点的的耦合权重系数进行同步振荡，即以灰度为主要分割特征，将灰度相似的像素通过较强的耦合系数紧紧联系在一起，以进行区域灰度一致性处理，更加便于从红枣的偏振光谱图像中识别出目标红枣。在实际应用中，可以根据对增强后的红枣的偏振光谱图像进行处理，以使得经过公式5处理后的红枣的偏振光谱图像中阴影区域目标红枣的灰度与明亮区域目标红枣的灰度一致，更加便于从红枣的偏振光谱图像中识别出目标红枣，其中，W为已进行区域灰度一致性处理后的偏振光谱图像，I为未进行区域灰度一致性处理得偏振光谱图像，i,j和k,l为偏振光谱图像中相邻的两个像素点。由上述内容可知，本发明实施例提供的识别红枣光谱图像中目标红枣的方法，在从红枣的偏振光谱图像中识别出目标红枣之前，将增强后的红枣的光谱图像进行区域灰度一致性处理，使红枣的偏振光谱图像中阴影区域目标红枣的灰度与明亮区域目标红枣的灰度一致，更加便于从红枣的偏振光谱图像中识别出目标红枣。下面以具体实例对识别红枣光谱图像中目标红枣的方法进行说明。图4为本发明实施例中的枣树冠层的偏振光谱图像一，参见图4所示，首先，获得光谱相机拍摄的枣树冠层的偏振光谱图像4a；然后，对图像4a进行辐射校正，获得图像4b；接着，从图像4b中获取band22、偏正方向为45°的偏振光谱图像，band22、偏正方向为135°的偏振光谱图像，band86、偏正方向为45°的偏振光谱图像以及band86、偏正方向为135°的偏振光谱图像，并对上述四个偏振光谱图像进行图像细节增强处理，获得图像4c，或者，从图像4b中获取band22、偏正方向为0°的偏振光谱图像，band22、偏正方向为90°的偏振光谱图像，band86、偏正方向为0°的偏振光谱图像以及band86、偏正方向为90°的偏振光谱图像，并对上述四个偏振光谱图像进行图像细节增强处理，获得图像4d，至此，就获得了图像细节增强后的枣树冠层的偏振光谱图像。图5为本发明实施例中的枣树冠层的偏振光谱图像二，参见图5所示，在获得图4中的图像4c之后，从图像4c中获取band22和band86的偏振光谱图像，并对上述两个偏振光谱图像进行目标增强处理，获得图像5a，作为对比，从红枣的偏振光谱图像中获取band133和band229的偏振光谱图像，并对上述两个偏振光谱图像进行目标增强处理，获得图像5b，通过对比图像5a中的点501和图像5b中的点501可知，图像5a中的点501处的红枣的纹理特征相比于图像5b中的点501处的红枣的纹理特征更为清晰，因此，选择band22和band86的偏振光谱图像进行目标增强处理，获得偏振光谱图像中的红枣的纹理特征更加清晰。同样的，图6为本发明实施例中的枣树冠层的偏振光谱图像三，参见图6所示，通过对红枣的偏振光谱图像进行图像细节增强处理以及目标红枣增强处理，能够获得采用不同波段处理后的偏振光谱图像6a、偏振光谱图像6b、偏振光谱图像6c，通过比较可以发现，采用band229处理后的图像6b和采用band103波段处理后的图像6c中红枣的轮廓相比于图像6a中红枣的轮廓更为明显，因此，从图像6b或图像6c中识别目标红枣就会更加容易。基于同一发明构思，本发明实施例还提供了一种建立红枣品质检测模型的方法，图7为本发明实施例中的建立红枣品质检测模型的方法的流程示意图，参见图7所示，该方法可以包括：S701：获得红枣的偏振光谱图像和红枣的理化特征；S702：基于偏振光谱图像中的各像素点的空间频率的大小，对偏振光谱图像中的目标红枣进行增强；S703：从增强后的偏振光谱图像中识别出目标红枣；S704：基于目标红枣的偏振特征及其对应的理化特征，建立红枣品质检测模型。需要说明的是，对于获得红枣的偏振光谱图像，对偏振光谱图像中的目标红枣进行增强，从增强后的偏振光谱图像中识别出目标红枣所采用的具体方法，在前述实施例中已详细阐述，故在此不再赘述。其中，理化特征可以是尺寸大小、水分、糖度、酸度中的至少一个，当然，还可以是其它的特征，在此不做限定。目标红枣为红枣中的待识别的红枣。目标红枣的偏振特征是根据识别出的目标红枣从增强后的偏振光谱图像中获取的。由上述内容可知，本发明实施例提供的建立红枣品质检测模型的方法，在获得红枣的偏振光谱图像和红枣的理化特征之后，先基于偏振光谱图像中的各像素点的空间频率的大小，对偏振光谱图像中的目标红枣进行增强，再从增强后的偏振光谱图像中识别出目标红枣，最后基于目标红枣的偏振特征和理化特征，建立红枣品质检测模型，用以检测红枣品质，由于对偏振光谱图像中的红枣进行了增强，因此能够从偏振光谱图像中识别出更多的红枣，包括微小像元尺度、甚至是亚像元尺度的红枣，进而能够从红枣的偏振光谱图像中获取微小像元尺度、甚至是亚像元尺度的红枣的偏振特征，进而使得建立的红枣品质检测模型更为精确。基于同一发明构思，本发明实施例还提供了一种检测红枣品质的方法，图8为本发明实施例中的检测红枣品质的方法的流程示意图，参见图8所示，该方法可以包括：S801：获得待检测红枣的偏振光谱图像；S802：基于偏振光谱图像中的各像素点的空间频率的大小，对偏振光谱图像中的待检测红枣进行增强；S803：从增强后的偏振光谱图像中识别出待检测红枣；S804：基于待检测红枣的偏振特征和预先建立的红枣品质检测模型，确定待检测红枣的理化特征；S805：根据待检测红枣的理化特征，确定待检测红枣的品质。其中，待检测红枣的偏振特征是根据识别出的待检测红枣从增强后的所述偏振光谱图像中获取的。需要说明的是，对于获得待检测红枣的偏振光谱图像，对偏振光谱图像中的目标红枣进行增强，从增强后的偏振光谱图像中识别出目标红枣所采用的具体方法与前述实施例中的从红枣的偏振光谱图像中识别出目标红枣的方法类似，并且，这里所使用的红枣品质检测模型也是上述实施例中的建立的红枣品质检测模型，故在此不再赘述。由上述内容可知，本发明实施例提供的检测红枣品质的方法，在获得待检测红枣的偏振光谱图像之后，首先，对基于偏振光谱图像中的各像素点的空间频率的大小，偏振光谱图像中的待检测红枣进行增强；然后，从增强后的偏振光谱图像中识别出待检测红枣；接着，基于待检测红枣的偏振特征和预先建立的红枣品质检测模型，确定待检测红枣的理化特征；最后，根据待检测红枣的理化特征，确定待检测红枣的品质，由于对偏振光谱图像中的待检测红枣进行了增强，因此能够从偏振光谱图像中识别出更多的待检测红枣，包括微小像元尺度、甚至是亚像元尺度的待检测红枣，进而能够从待检测红枣的偏振光谱图像中获取微小像元尺度、甚至是亚像元尺度的待检测红枣的偏振特征，再根据预先建立的红枣品质检测模型，就能够精确地确定待检测红枣的品质，进而提高红枣品质检测的精确度。基于同一发明构思，作为对上述方法的实现，本发明实施例还提供了一种识别红枣光谱图像中目标红枣的装置，图9为本发明实施例中的识别红枣光谱图像中目标红枣的装置的结构示意图，参见图9所示，该装置90可以包括：输入模块901，被配置为获得红枣的偏振光谱图像；目标增强模块902，被配置为基于偏振光谱图像中的各像素点的空间频率的大小，对偏振光谱图像中的目标红枣进行增强；目标识别模块903，被配置为从增强后的偏振光谱图像中识别出目标红枣。基于上述实施例，输入模块，被配置为获得红枣的多个偏振光谱图像，多个偏振光谱图像是在预设的光谱相机与红枣的距离、预设的光谱相机的镜头与水平面的夹角、预设的标准板与红枣的距离、预设的标准板与水平面的夹角、预设的光照参数中的至少一个参数下拍摄的；从多个偏振光谱图像中确定出目标偏振光谱图像，目标偏振光谱图像中的目标红枣与环境背景的光谱差异在多个偏振光谱图像中最大。基于上述实施例，该装置还包括：背景去除模块；背景去除模块，被配置为去除偏振光谱图像中的环境背景信息，环境背景包括：水汽和或噪声。基于上述实施例，该装置还包括：细节增强模块；细节增强模块，被配置为从多角度偏振光谱图像中获取第一偏振光谱图像、第二偏振光谱图像、第三偏振光谱图像和第四偏振光谱图像，其中，第一偏振光谱图像和第四偏振光谱图像对应的波段与第二偏振光谱图像和第三偏振光谱图像对应的波段相异，第一偏振光谱图像和第三偏振光谱图像对应的偏振方向与第二偏振光谱图像和第四偏振光谱图像对应的偏振方向相异；对第一偏振光谱图像与第二偏振光谱图像进行乘法处理，获得第五偏振光谱图像；对第三偏振光谱图像与第四偏振光谱图像进行乘法处理，获得第六偏振光谱图像；对第五偏振光谱图像与第六偏振光谱图像进行减法处理，获得图像细节增强后的多角度偏振光谱图像。基于上述实施例，目标增强模块，被配置为从偏振光谱图像中获取第七偏振光谱图像和第八偏振光谱图像，其中，第七偏振光谱图像与第八偏振光谱图像的波段不同；对第七偏振光谱图像中的第一像素点与第八偏振光谱图像中的第二像素点进行乘法处理，获得第九偏振光谱图像；对第七偏振光谱图像中的第二像素点与第八偏振光谱图像中的第一像素点进行乘法处理，获得第十偏振光谱图像；对第九偏振光谱图像与第十偏振光谱图像减法处理，获得第十一偏振光谱图像；对第十一偏振光谱图像进行傅里叶变换；基于傅里叶变换后的第十一偏振光谱图像中的空间频率的相关性，去除第十一偏振光谱图像中的环境背景信息。基于上述实施例，该装置还包括：灰度处理模块；灰度处理模块，被配置为对增强后的偏振光谱图像进行区域灰度一致性处理，使得进行区域灰度一致性处理后的偏振光谱图像中阴影区域的目标红枣的灰度与明亮区域的目标红枣的灰度一致。这里需要指出的是：以上识别红枣光谱图像中目标红枣的装置实施例的描述，与上述识别红枣光谱图像中目标红枣的方法实施例的描述是类似的，具有同识别红枣光谱图像中目标红枣的方法实施例相似的有益效果。对于本发明装置实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。基于同一发明构思，作为对上述方法的实现，本发明实施例还提供了一种建立红枣品质检测模型的装置，图10为本发明实施例中的建立红枣品质检测模型的装置的结构示意图，参见图10所示，该装置100可以包括：输入模块1001，被配置为获得红枣的偏振光谱图像和红枣的理化特征；目标增强模块1002，被配置为基于偏振光谱图像中的各像素点的空间频率的大小，对偏振光谱图像中的目标红枣进行增强，目标红枣为红枣中的待识别的红枣；目标识别模块1003，被配置为从增强后的偏振光谱图像中识别出目标红枣；模型生成模块1004，被配置为基于目标红枣的偏振特征及其对应的理化特征，建立红枣品质检测模型，目标红枣的偏振特征是根据识别出的目标红枣从增强后的偏振光谱图像中获取的，红枣品质检测模型用于检测红枣品质。这里需要指出的是：以上建立红枣品质检测模型的装置实施例的描述，与上述建立红枣品质检测模型的方法实施例的描述是类似的，具有同建立红枣品质检测模型的方法实施例相似的有益效果。对于本发明装置实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。基于同一发明构思，作为对上述方法的实现，本发明实施例还提供了一种检测红枣品质的装置，图11为本发明实施例中的检测红枣品质的装置的结构示意图，参见图11所示，该装置110可以包括：输入模块1101，被配置为获得待检测红枣的偏振光谱图像；目标增强模块1102，被配置为基于偏振光谱图像中的各像素点的空间频率的大小，对偏振光谱图像中的待检测红枣进行增强；目标识别模块1103，被配置为从增强后的偏振光谱图像中识别出待检测红枣；理化特征确定模块1104，被配置为基于待检测红枣的偏振特征和预先建立的红枣品质检测模型，确定待检测红枣的理化特征，其中，待检测红枣的偏振特征是根据识别出的待检测红枣从增强后的偏振光谱图像中获取的，红枣品质检测模型是采用前述实施例中的建立红枣品质检测模型的方法建立的；品质确定模块1105，被配置为根据理化特征，确定待检测红枣的品质。这里需要指出的是：以上检测红枣品质的装置实施例的描述，与上述检测红枣品质的方法实施例的描述是类似的，具有同检测红枣品质的方法实施例相似的有益效果。对于本发明装置实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。基于同一发明构思，本发明实施例还提供了一种电子设备，图12为本发明实施例中的电子设备的结构示意图，参见图12所示，该电子设备120可以包括：至少一个处理器1201；以及与处理器1201连接的至少一个存储器1202、总线1203；其中，处理器1201、存储器1202通过总线1203完成相互间的通信；处理器1201用于调用存储器1202中的程序指令，以执行上述一个或多个实施例中的方法。这里需要指出的是：以上电子设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本发明实施例的电子设备的实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。基于同一发明构思，本发明实施例还提供了一种计算机可读存储介质，上述计算机可读存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述一个或多个实施例中的方法。这里需要指出的是：以上计算机可读存储介质实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本发明实施例的计算机可读存储介质的实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质包括但不限于磁盘存储器、CD-ROM、光学存储器等上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备系统、和计算机程序产品的流程图和或方框图来描述的。应理解可由计算机程序指令实现流程图和或方框图中的每一流程和或方框、以及流程图和或方框图中的流程和或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和或方框图一个方框或多个方框中指定的功能的步骤。在一个典型的配置中，计算设备包括一个或多个处理器CPU、输入输出接口、网络接口和内存。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器RAM和或非易失性内存等形式，如只读存储器ROM或闪存flashRAM。存储器是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存PRAM、静态随机存取存储器SRAM、动态随机存取存储器DRAM、其他类型的随机存取存储器RAM、只读存储器ROM、电可擦除可编程只读存储器EEPROM、快闪记忆体或其他内存技术、只读光盘只读存储器CD-ROM、数字多功能光盘DVD或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体transitorymedia，如调制的数据信号和载波。还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质包括但不限于磁盘存储器、CD-ROM、光学存储器等上实施的计算机程序产品的形式。以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

权利要求：1.一种识别红枣光谱图像中目标红枣的方法，其特征在于，所述方法包括：获得红枣的偏振光谱图像；基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强；从增强后的所述偏振光谱图像中识别出目标红枣。2.根据权利要求1所述的方法，其特征在于，在所述基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强之前，所述方法还包括：对所述偏振光谱图像进行图像细节增强，以增强所述偏振光谱图像中的目标红枣的图像细节。3.根据权利要求2所述的方法，其特征在于，所述偏振光谱图像为多角度偏振光谱图像；所述对所述偏振光谱图像进行图像细节增强，包括：从所述多角度偏振光谱图像中获取第一偏振光谱图像、第二偏振光谱图像、第三偏振光谱图像和第四偏振光谱图像，其中，所述第一偏振光谱图像和所述第四偏振光谱图像对应的波段与所述第二偏振光谱图像和所述第三偏振光谱图像对应的波段相异，所述第一偏振光谱图像和所述第三偏振光谱图像对应的偏振方向与所述第二偏振光谱图像和所述第四偏振光谱图像对应的偏振方向相异；对所述第一偏振光谱图像与所述第二偏振光谱图像进行乘法处理，获得第五偏振光谱图像；对所述第三偏振光谱图像与所述第四偏振光谱图像进行乘法处理，获得第六偏振光谱图像；对所述第五偏振光谱图像与所述第六偏振光谱图像进行减法处理。4.根据权利要求2所述的方法，其特征在于，在所述对所述偏振光谱图像进行图像细节增强之前，所述方法还包括：去除所述偏振光谱图像中的大气背景，所述大气背景包括：水汽和或噪声。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强，包括：从所述偏振光谱图像中获取第七偏振光谱图像和第八偏振光谱图像，其中，所述第七偏振光谱图像与所述第八偏振光谱图像的波段不同；对所述第七偏振光谱图像中的第一像素点与所述第八偏振光谱图像中的第二像素点进行乘法处理，获得第九偏振光谱图像；对所述第七偏振光谱图像中的第二像素点与所述第八偏振光谱图像中的第一像素点进行乘法处理，获得第十偏振光谱图像；对所述第九偏振光谱图像与所述第十偏振光谱图像减法处理，获得第十一偏振光谱图像；对所述第十一偏振光谱图像进行傅里叶变换；基于傅里叶变换后的所述第十一偏振光谱图像中的空间频率的相关性，去除所述第十一偏振光谱图像中的环境背景信息。6.根据权利要求1至4中任一项所述的方法，其特征在于，所述获得红枣的偏振光谱图像，包括：获得所述红枣的多个偏振光谱图像，所述多个偏振光谱图像是在预设的光谱相机与所述红枣的距离、预设的所述光谱相机的镜头与水平面的夹角、预设的标准板与所述红枣的距离、预设的所述标准板与水平面的夹角、预设的光照参数中的至少一个参数下拍摄的；从所述多个偏振光谱图像中确定出目标偏振光谱图像，所述目标偏振光谱图像中的目标红枣与环境背景的光谱差异在所述多个偏振光谱图像中最大。7.根据权利要求1至4中任一项所述的方法，其特征在于，所述对所述偏振光谱图像中的目标红枣进行增强之后，所述方法还包括：对增强后的所述偏振光谱图像进行区域灰度一致性处理，使得进行区域灰度一致性处理后的所述偏振光谱图像中阴影区域的目标红枣的灰度与明亮区域的目标红枣的灰度一致。8.一种建立红枣品质检测模型的方法，其特征在于，所述方法包括：获得红枣的偏振光谱图像和所述红枣的理化特征；基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强，所述目标红枣为所述红枣中的待识别的红枣；从增强后的所述偏振光谱图像中识别出目标红枣；基于所述目标红枣的偏振特征及其对应的理化特征，建立红枣品质检测模型，所述目标红枣的偏振特征是根据识别出的目标红枣从所述增强后的所述偏振光谱图像中获取的，所述红枣品质检测模型用于检测红枣品质。9.一种检测红枣品质的方法，其特征在于，所述方法包括：获得待检测红枣的偏振光谱图像；基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的待检测红枣进行增强；从增强后的所述偏振光谱图像中识别出待检测红枣；基于所述待检测红枣的偏振特征和预先建立的红枣品质检测模型，确定所述待检测红枣的理化特征，其中，所述待检测红枣的偏振特征是根据识别出的待检测红枣从所述增强后的所述偏振光谱图像中获取的，所述红枣品质检测模型是采用如权利要求8所述的方法建立的；根据所述理化特征，确定所述待检测红枣的品质。10.一种识别红枣光谱图像中目标红枣的装置，其特征在于，所述装置包括：输入模块，被配置为获得红枣的偏振光谱图像；目标增强模块，被配置为基于所述偏振光谱图像中的各像素点的空间频率的大小，对所述偏振光谱图像中的目标红枣进行增强；目标识别模块，被配置为从增强后的所述偏振光谱图像中识别出目标红枣。

百度查询： 塔里木大学;清华大学 一种识别红枣光谱图像中目标红枣的方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD