多光譜成像技術是在高光譜成像技術基礎上發(fā)展起來的一種無損檢測技術，這種技術克服了傳統(tǒng)高光譜成像技術多維數(shù)據(jù)高、計算量大、數(shù)據(jù)處理實時性差、不確定性顯著、樣本選擇困難等缺點，是一種有效鑒定和定量測量樣本內(nèi)外品質(zhì)的無損檢測技術。本文對多光譜成像技術檢測樣品的步驟作了介紹。

多光譜成像技術檢測樣品的具體步驟如下：

1.樣品選擇

篩選建模集和預測集樣本，要求樣本對需要檢測的指標具有很好的代表性，且建模集的樣品能覆蓋預測集的樣品的分布。然后采用常規(guī)實驗方法準確測試待測指標，獲取參照數(shù)據(jù)。

2.光譜圖像獲取

用多光譜儀掃描樣本，獲取其光譜圖像。為了確保測試的穩(wěn)定性，必須嚴格控制包括樣品準備、測試條件、儀器參數(shù)等條件。

3.圖像預處理

圖像的預處理是圖像分析過程中的一個重要環(huán)節(jié)。圖像由于圖像采集環(huán)境的不同，光照明暗程度不同、設備性能的優(yōu)劣、樣品濃度不均勻、人為操作等都會帶來不同的噪聲。為了保證圖像中被測物大小，位置及圖像質(zhì)量的一致性，提高光譜質(zhì)量，必須對圖像進行預處理。圖像預處理有兩種基本方法，包括對像素值的預處理和領域預處理。

4.圖像分割

圖像分割是圖像處理過程中的關鍵步驟之一，是后續(xù)工作能夠有效進行的關鍵技術。圖像分割是將圖像中有意義的特征部分提取出來，包括圖像中的邊緣、區(qū)域等。目前已經(jīng)研究出不同分割的種類和方法，但還沒有統(tǒng)一的方法可以適用于所有的圖像處理中。圖像分割結(jié)果的好壞需要根據(jù)具體的要求進行衡量。常見的圖像分割的方法很多，如閾值法、特征空間聚類法、區(qū)域分割法等。

5.特征提取

特征提取是圖像處理中最初級的運算，指的是使用計算機提取圖像信息，決定每個圖像的點是否屬于一個圖像特征，把識別后的圖像特征從圖像中抽取的過程。常用的圖像特征有顏色特征、紋理特征、形狀特征、空間關系特征等。圖像特征提取是一門交叉性的學科，涉及數(shù)學、物理學、控制理論、計算機科學等多個方面的知識。

6.建立校準模型

利用所提取的圖像特征作為輸入，用化學計量學方法關聯(lián)樣本的預處理光譜數(shù)據(jù)和參照數(shù)據(jù)，通過一定的數(shù)學計算方法計算出關聯(lián)模型。常用的化學計量學法有PCA，PLSR，LS-SVM，BPNN等。

7.建立預測模型

使用預測集的樣品來檢驗建立的校準模型的穩(wěn)定性。對實際值與預測值作線性相關，并用相關系數(shù)和預測標準差來表示預測效果，好的預測模型要求相關系數(shù)接近1、預測標準差逼近于校準標準差。

8.未知樣品的檢測

用多光譜儀對未知樣本進行掃描，獲取光譜數(shù)據(jù)，根據(jù)已建立的預測模型和測得的光譜數(shù)據(jù)對于樣品進行預測。