ENGINEERINGNET -- Recent onderzoek toont aan dat hyperspectrale beeldverwerking opvallend geschikt is voor de detectie van schilbeschadigingen bij sinaasappelen.
Figuur 1:
Diverse defecten aan de schil van sinaasappelen: (a) schade door insecten, (b) windschade, (c) schade door tripsen, (d) infestatie door schildluizen, (e) kanker vlek, (f) brandsporen door langdurige blootstelling aan de zon, (g) heterochromatische streep (niet-homogene kleur oppervlak), (h) phytotoxiciteit door residu van pesticide, (i) gezonde sinaasappelschil met takaanhechting.
Hyperspectrale reflectiebeelden van beschadigde en niet-beschadigde sinaasappelen werden geëvalueerd door middel van principale componenten analyse (PCA) met als doel enkele karakteristieke golflengten te selecteren die dan gebruikt kunnen worden in een online multispectraal visualisatiesysteem.
Figuur 2:
Voorbeelden van detectie van: (a) schade door insecten, (b) schade door wind, (c) schade door tripsen, (d) infestatie door schildluizen, (e) kanker vlek, (f) brandsporen, (g) phytotoxiciteit, (h) heterochromatische streep, (i) takaanhechting. In de eerste rij zijn de klassieke RGB-beelden te zien waarop manueel de geïnfecteerde zones aangeduid zijn. De tweede rij toont de verhouding van de reflectie bij twee specifieke golflengten (875nm/691nm).
De PC-2 beelden gebaseerd op twee reflecties in het VIS-gebied (691nm en 769nm) worden weergegeven in de derde rij en de PC-3 beelden gebaseerd op zes specifieke reflecties (630nm, 691nm, 769nm, 786nm, 810nm, 875nm) in het gehele geobserveerde golflengtegebied.
Via beeldverwerking van de beelden op de tweede en de derde rij en de tweede en de vierde rij worden respectievelijk de binaire beelden op de vierde en de vijfde rij bekomen. In de binaire beelden zijn de niet-geïnfecteerde sinaasappeloppervlaktes en de takaanhechting geconverteerd naar nul (=zwart) zodat de geïnfecteerde zones wit oplichten. Vergelijking van deze binaire beelden met de klassieke RGB-opnames (eerste rij) toont aan dat via hyperspectrale beeldverwerking de geïnfecteerde zones op het sinaasappeloppervlak duidelijk geïdentificeerd kunnen worden.
Verder onderzoek zal zich richten op het specifiëren van het type oppervlaktedefect en deze hyperspectrale beeldverwerkingsmethodiek uit te breiden naar andere types citrusvruchten.
Flanders’ FOOD is van start gegaan met het door het IWT goedgekeurde project ‘Sensors For Food’. Hyperspectrale camera’s zijn één van de innovatieve sensortypes die hierbinnen geëvalueerd, geoptimaliseerd en gevalideerd worden. Imec (Interuniversitair micro-elektonica centrum) en MebioS (K.U.Leuven) stellen er prototypes ter beschikking waarmee, indien gewenst, tot bij bedrijven zelf gegaan kan worden om oplossingen en opportuniteiten te bieden voor problemen en uitdagingen in de voedingsproductie die met huidige sensoren niet efficiënt aangepakt kunnen worden.
(KV) (Bron: Flanders’ FOOD) (foto wikipedia)
