CN112083438B - 基于高光谱激光雷达的室内霉菌检测装置及方法 - Google Patents
基于高光谱激光雷达的室内霉菌检测装置及方法 Download PDFInfo
- Publication number
- CN112083438B CN112083438B CN202010983891.2A CN202010983891A CN112083438B CN 112083438 B CN112083438 B CN 112083438B CN 202010983891 A CN202010983891 A CN 202010983891A CN 112083438 B CN112083438 B CN 112083438B
- Authority
- CN
- China
- Prior art keywords
- laser
- target
- scanning
- hyperspectral
- mould
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本公开提供一种基于高光谱激光雷达的室内霉菌检测装置,包括:扫描部,用于对待测目标进行扫描进而获得扫描点云数据;以及数据处理部,用于对扫描点云数据进行处理,解算出每个探测点的三维坐标和光谱反射率,进而确定待测目标被霉菌感染的位置。本公开还提供一种基于高光谱激光雷达的室内霉菌检测方法,可同时获取目标的三维信息获取和高光谱信息提取,实现高效精准探测室内墙壁霉菌感染情况以及空间位置信息。
Description
技术领域
本公开涉及高光谱激光雷达探测技术领域,尤其涉及一种基于高光谱激光雷达的室内霉菌检测装置及方法。
背景技术
目前,建筑室内微生物污染对人体健康的危害已引起人们的关注。经调研发现,潮湿霉变的墙体是室内重要的污染源之一。生活中见到的“发霉”现象,主要由真菌引起。潮湿环境中,这些真菌在有机物上大量繁殖,产生菌丝,导致被附着的表面变色,形成霉斑。霉菌自身无法移动,但由体积小,附着力强,通常与空气中的其它颗粒物结合在一起,形成生物气溶胶,它们随空气流动扩散,无处不在,凡空气能到之处都有霉菌滋生的可能性。室内环境中常见且较不易移除的霉菌污染源为空调系统及生长在装修建材、墙纸、墙壁上的霉菌。研究表明,非户外工作人员平均每天80%-90%的时间处于室内,因此室内环境是否存在霉菌将对人体健康将产生直接的影响。霉菌滋生会导致室内空气质量下降,从而影响人类的呼吸系统、循环系统以及神经系统,此外,空气质量的下降又与病态建筑综合症、建筑相关疾病直接相关。目前,已有很多研究揭示了哮喘、过敏性鼻炎,过敏性肺炎等呼吸道疾病,以及部分过敏反应与室内空气中霉菌等关联性。霉菌繁殖需要满足以下四方面的基本条件:(1)被“激活”的孢子;(2)生长的环境温湿度范围:环境温度在-8-60℃范围内,相对湿度超过45%时,霉菌都可以生长繁殖,而当坏境湿度超过75%以后,霉菌数置将呈指数增长;(3)被附着的材料具有一定的含水量;(4)被附着的材料表面含有营养物,如有机质、矿物质、灰尘等。当满足生长的基本条件后,霉菌的繁殖和代谢速率随环境中温度、湿度、氧气浓度等参数水平的不同而不同。室内环境中的霉菌污染不仅降低了居住者的舒适度,还是多种呼吸道和过敏性反应的致病原因,长期处在霉菌污染的环境中,对人体的身心健康造成极大威胁。因此,及时发现室内隐藏的霉菌,尤其是在室内比较隐蔽、被隐藏、肉眼不可见或者很难接近的霉菌,对室内居住者的舒适性和健康有重要意义,对建立霉菌污染评价指标和监测体系,实现室内环境霉菌污染的可控可防具有十分重要的价值。
国内现在的室内霉菌检测的方法主要是基于专业取样和分析,例如建筑物室内霉菌的检测方法经常采用空气霉菌取样法(即菌落直接沉降法)、墙壁霉菌取样法、霉菌快速检测纸片法等。空气霉菌取样法采用生物粒子取样器进行取样测定,它是模拟人呼吸道的解剖结构和空气动力学生理特征,采用惯性撞击原理设计制造的。该取样器分为多级,每级级孔的直径逐渐缩小,每一级的空气流速逐次增大,从而把空气中的带菌粒子按大小不同分别捕获在各级培养皿上。根据真菌菌落形态和显微镜下真菌的孢子特征对空气中真菌进行鉴定。墙壁霉菌取样法主要是对墙壁上可见的霉菌进行取样,置于培养皿上,根据真菌菌落形态特征对墙壁上的真菌进行鉴定。霉菌检测纸片方法主要是将霉菌样本置于适宜温度下进行40~48h培养后,计数在纸片上生长的霉菌菌落数,然后通过公式换算出霉菌的菌落总数,从而得出环境等其它因素对霉菌的影响。
以上三种方法得到的检测结果精确,但检测周期较长。空气霉菌取样法检测得到感染信息后,并没有相关感染的位置信息,为后续的防治提高了难度。墙壁霉菌取样法、霉菌快速检测纸片法都是针对肉眼可见的霉菌污染进行取样和检测,对于被隐藏或者很难接近的霉菌,较难被检测。
现有技术中还有一种基于高光谱图像的食物霉菌检测方法,该方法主要是针对发霉的食物设计。该方法主要是利用图像处理技术,通过将图像信号转化为数字信号并利用计算机对其进行相应处理的过程。采集霉菌污染后的食品和农产品图像信息,并提取其纹理、颜色、形状等相关特征来判别农产品中霉菌的污染状况。霉菌的污染会导致食品和农产品外部品质特性和组织结构产生一定的变化,主要体现于其颜色、纹理和形态的变化。获取试验对象的光谱特性来描述和解释其分子在不同波长出现不同的反射率,通过光谱技术获得的光谱数据能够反映霉菌影响了食物内部有机物的含量从而引起光谱反射率的变化,利用图像和光谱同步采集的优势,通过分析目标的高光谱信息,可以准确检测出目标的特征。
但申请人发现上述现有技术存在如下技术缺陷:
高光谱成像技术将传统的成像技术和光谱分析技术有机结合起来,但通常缺少目标的三维空间信息。另外,高光谱成像大部分情况下是一种被动成像,需要借助外界光源(例如:太阳光)成像,探测作业时间会受到被动光源光照条件的约束,霉菌感染常常发生在室内阴暗潮湿、光照较少的地方,如果是在室内没有光照的或者光照较少的情况下,阴影区域对太阳光反射的影响都会影响最终探测结果,限制了其使用范围和场景。
公开内容
(一)要解决的技术问题
基于上述问题,本公开提供了一种基于高光谱激光雷达的室内霉菌检测装置及方法,以缓解现有技术中基于高光谱成像技术的霉菌检测方法通常缺少目标的三维空间信息,需要借助外界光源成像,探测作业时间会受到被动光源光照条件的约束,限制了其使用范围和场景等技术问题。
(二)技术方案
本公开的一个方面,提供一种基于高光谱激光雷达的室内霉菌检测装置,包括:扫描部,用于对待测目标进行扫描进而获得扫描点云数据;以及数据处理部,用于对扫描点云数据进行处理,解算出每个探测点的三维坐标和光谱反射率,进而确定待测目标被霉菌感染的位置。
根据本公开实施例,所述扫描部包括:激光发射模块,用于在不同时刻发射不同波长的激光脉冲照射待测目标;激光接收模块,用于接收激光发射模块照射待测目标后生成的多个波长的激光回波信号,并将所述激光回波信号转为电信号,完成信息采集和模数转换生成高光谱激光雷达扫描点云数据;以及扫描转台,用于承载激光发射模块和激光接收模块,在扫描转台控制器控制下进行空间位置和扫描方向的变化,进而实现发射激光脉冲和瞬时接收视场方向的同步扫描和控制。
根据本公开实施例,所述激光发射模块包括多种形式的激光器,采用超连续谱激光器作为发射光源,通过激光发射控制器控制激光器按要求在不同时刻发射不同波长的激光脉冲。
根据本公开实施例,所述激光接收模块包括多种形式的光电探测器,用于将多个波长的激光回波信号转为电信号。
根据本公开实施例,所述激光发射控制器主要实现对激光器发射的有无、强弱以及在不同时刻发射不同波长的激光脉冲进行控制。
根据本公开实施例,所述数据处理部包括:
点云空间位置解算模块,用于解算得到探测目标的距离和空间坐标;
点云光谱定标模块,用于通过光谱定标,得到表征待测目标每个探测点的反射特性的光谱反射率;以及
判定模块,其中包括霉菌分类模型,用于将光谱反射率输入到霉菌分类模型后进行比对,依此判定每个探测点是否被感染。
根据本公开实施例,所述点云空间位置解算模块,包括:
激光雷达测距单元,用于获得激光雷达至待测目标之间的距离;以及
三维坐标解算单元,用于获得待测目标在笛卡尔坐标系中的空间坐标。
根据本公开实施例,所述激光雷达至待测目标之间的距离L的计算公式如下:
其中,Δt为激光脉冲的往返时间,c为光速;
激光雷达系统发射中心为原点记为(X0,Y0,Z0),以转台旋转轴为坐标轴,俯仰角旋转轴为X轴,向右为正方向,侧摆角旋转轴为Y轴,取向上为正方向,建立右手系坐标系,指向目标方向为Z轴正方向,则待测目标的空间坐标的计算公式如下:
其中,α为激光指向在转台平面上投影线与转台Y轴的夹角,以顺时针旋转为正,β为激光指向与激光指向在转台平面上投影的夹角。
根据本公开实施例,所述点云光谱定标模块,包括辐射校正单元,所述辐射校正单元用于对激光雷达回波信号响应强度数据进行辐射校正,去除每个波段得到的原始强度值中因入射角、距离等因素的影响,并得到改正后能直接反应目标表面反射特性的不同波段对应的反射率。得到回波响应强度的定标公式如下:
本公开的另一方面,提供一种基于高光谱激光雷达的室内霉菌检测方法,采用以上任一项所述的基于高光谱激光雷达的室内霉菌检测装置对室内霉菌进行检测,所述基于高光谱激光雷达的室内霉菌检测方法,包括:
步骤S1,采集霉菌感染的测试样本并确定所述测试样本的回波信号响应数据及所有样本在不同波段的光谱反射率;
步骤S2:根据所述所有样本在不同波段的光谱反射率确定检测霉菌样本的最优波段;
步骤S3:创建霉菌感染样本分类模型并将测试样本输入所述霉菌感染样本分类模型进行训练;
步骤S4:通过高光谱激光雷达的扫描部对待测目标区域进行扫描,得到扫描点云数据并进行进行解算,得到每个探测点的三维坐标和在不同波段的光谱反射率;以及
步骤S5:将步骤S4所得到的所有探测点在不同波段的光谱反射率输入步骤S3所训练完成的霉菌感染样本分类模型中进行筛选,筛选分类结果中未被感染的点云和被感染的点云,结合对应的空间位置坐标,确定待测目标被霉菌感染的位置。
(三)有益效果
从上述技术方案可以看出,本公开基于高光谱激光雷达的室内霉菌检测装置及方法至少具有以下有益效果其中之一或其中一部分:
(1)可同时获取目标的三维信息获取和高光谱反射率信息提取,目标在不同波长的光谱信息与三维坐标呈精确的一一对应关系,具有像素级融合的条件,无需配准,实现高效精准探测室内墙壁霉菌感染情况以及空间位置信息;
(2)抗干扰能力强,不依赖光照;
(3)速度快、效率高、灵活性强,在减少检测周期的同时又能够全方位覆盖式地检测室内霉菌的分布。
附图说明
图1为本公开实施例基于高光谱激光雷达的室内霉菌检测方法的流程示意图。
图2为本公开实施例基于高光谱激光雷达的室内霉菌检测装置的组成及工作原理示意图。
图3为本公开实施例扫描部三维成像实验原理示意图。
具体实施方式
本公开提供了一种基于高光谱激光雷达的室内霉菌检测装置及方法,其从被霉菌感染的物体(墙壁、墙纸、木头等)中区分被感染信息,以判断感染状态。高光谱激光雷达技术属于一种全新的主动探测技术,兼具了激光雷达探测和高光谱探测成像的优势,无论是否有光照,通过激光光源主动发射宽谱段激光脉冲到室内墙壁,并探测后向回波,从回波中提取被测目标的光谱信息和测距信息,并可以从中获取被测目标的几何特性、距离信息、光谱特征等属性,从而探测到室内墙壁是否有不同程度感染的霉菌,并得到感染位置的空间信息。因此,该方法不依赖光照条件,并且可一次探测获得室内墙壁霉菌感染情况的丰富信息,为室内霉菌探测提供新的解决方案。
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
在本公开实施例中,提供一种基于高光谱激光雷达的室内霉菌检测装置,结合图1和图2所示,所述检测装置,包括:
扫描部,用于在不同时刻发射不同波长的激光脉冲对待测目标进行扫描进而获得高光谱激光雷达数据;以及控制发射激光脉冲和瞬时接收视场的空间位置和扫描方向的变化,从而进一步得到针对目标的扫描点云数据。
数据处理部,用于对扫描点云数据进行处理,根据距离、角度等探测信息,解算出每个探测点的三维坐标和光谱特征,进行光谱特征提取与分析后,得到待测目标(在本实施例中待测目标为墙壁、墙纸等)被霉菌感染的空间位置。
所述扫描部包括:
激光发射模块,用于在不同时刻发射不同波长的激光脉冲照射待测目标;
激光接收模块,用于接收激光发射模块照射待测目标后生成的多个波长的激光回波信号,并将所述激光回波信号转为电信号,完成信息采集和模数转换生成高光谱激光雷达点云数据。
扫描转台,用于承载激光发射模块和激光接收模块,在扫描转台控制器控制下进行空间位置和扫描方向的变化,进而实现发射激光脉冲和瞬时接收视场方向的同步扫描和控制。
所述激光发射模块包括多种形式的激光器,采用超连续谱激光器(可调谐滤波器对其滤波)作为发射光源,通过激光发射控制器控制激光器按要求在不同时刻发射不同波长的激光脉冲。
所述激光发射控制器主要实现对激光器发射的有无、强弱以及在不同时刻发射不同波长的激光脉冲进行控制;
所述激光器、探测目标、激光接收模块之间设置有一个或多个反射镜(例如45度反射镜),调整光路走向。
所述激光接收模块包括多种形式的光电探测器,用于将多个波长的激光回波信号转为电信号;完成模数转换和信息采集生成高光谱激光雷达点云数据;
所述数据处理部包括点云空间位置解算模块、点云光谱定标模块、判定模块。获得高光谱激光雷达扫面点云数据后,解算得到每个点的距离和空间坐标,同时通过光谱定标,得到不同波段的光谱反射率。将每个点的回波信息输入到霉菌分类模型进行比对,模型对数据进行分类并输出分类结果,最终得到该点是否被感染。同时解算该点的空间位置坐标,最终得到空间某位置的墙壁是否被霉菌感染。
所述点云空间位置解算模块主要实现解算点云数据的三维空间信息。高光谱激光雷达发射和接收模块借助高精度二维转台在方位、俯仰两个方向旋转来实现对目标的扫描。在激光雷达系统工作的同时,记录下转台每次的方位和俯仰角度信息用于后续点云解算,其工作原理如图所示。本公开实施例选取被监测墙纸作为扫描目标,将激光雷达对准目标,设置好转台俯仰角以及方位角旋转范围,根据激光发射频率设置转台旋转速率。
激光雷达记录的是激光发射到目标再返回的时间,需要将该时间值转换为距离值,再结合激光发射时刻的转台俯仰角、方位角共同解算,计算激光点云在笛卡尔坐标系中的三维坐标值,并根据计算结果完成三维点云解算。
(1)激光雷达测距单元
激光雷达需要记录激光发射脉冲与激光回波的时间差,并将该时间差值转换为距离值。根据脉冲激光测距原理,激光雷达测距公式如公式1所示:
其中,L为激光雷达到待测目标之间的距离,Δt为激光脉冲的往返时间,c为光速,一般取299792458m/s。
(2)三维坐标解算单元
以激光雷达系统发射中心为原点O(X0,Y0,Z0),建立激光点三维坐标解算的坐标系。以转台旋转轴为坐标轴,其中俯仰角旋转轴为X轴,向右为正方向,侧摆角旋转轴为Y轴,取向上为正方向,建立右手系坐标系,指向目标方向为Z轴正方向。
通过转台的俯仰角和侧摆角旋转角来计算目标点T(X,Y,Z)的空间笛卡尔坐标,计算公式如公式2:
其中,α为激光指向在转台平面上投影线与转台Y轴的夹角,以顺时针旋转为正,β为激光指向与激光指向在转台平面上投影的夹角。
所述点云光谱定标模块主要实现对高光谱激光雷达回波信号响应强度数据转换为表征待测目标的反射特性的光谱反射率。高光谱激光雷达系统的探测器需要接收不同波长的激光回波信号,由于激光探测器的不均匀性,其对不同波长激光回波信号的响应率有所不同。另外,高光谱激光雷达以回波信号的电压记录地物信息,其输出数值除了与激光器发射能量、待测目标距离和待测目标反射率等相关。因此,不能直接用其采集到的回波信号进行光谱分析,为了准确描述探测目标对激光脉冲的响应,需要对激光雷达回波信号响应强度数据进行必要的辐射校正,确定各个波长的定标参数,真实反映目标物的辐射特性。另外,在激光扫描过程中,激光强度会受到入射角、距离等因素的影响,地物反射都激光能量随着距离的增大而减少,随着入射角的增大而减少,可能造成“异物同谱、同物异谱“的现象。因此,需要去除每个波段得到的原始强度值中因入射角、距离等因素的影响,并得到改正后能直接反应目标表面反射特性的不同波段对应的反射率。建立高光谱激光雷达探测辐射校正单元如公式3。
其中,Ps为回波信号功率,Pi为发射信号功率,ηsys和ηatm为常数,分别代表在一次测量过程系统衰减系数和大气传输因子,Dr为高光谱激光雷达系统有效接收孔径,L为激光雷达到待测目标之间的距离,R(θ,λ)为测量目标对二向性反射率因子(BidirectionalReflectance Factor,BRF),表征目标的反射特性,即:在相同的辐照度条件下,地物目标反射方向的反射辐射亮度与一个理想漫反射体在该方向上的反射辐射亮度之比,与入射波长λ、入射方向或探测方向(对于高光谱激光雷达系统,发射方向与探测方向几乎一致)的天顶角θ和方位角有关。同时天顶角θ也是激光的入射角,即入射激光光束与扫描点法向量之间的夹角,范围为0°-90°。上式变换可以得到回波响应强度的定标公式如公式4:
其中定标参数A(λ)是一个与激光雷达系统相关的常数项,不同的波长定标参数不同,表达式如下:
利用已知反射率的参考板得到回波波形的回波峰值Ps来计算定标参数A(λ)。实际定标过程中,往往难以用单独的定标参数A(λ)表示校正,需要得到最小二乘的线性拟合结果,如公式6。
其中A(λ)和B(λ)为高光谱激光雷达的实验室定标参数,在不同的波长这两个定标参数不同。分别在不同的距离和角度布置多种已知反射率的靶标板,固定激光器的输出能量,进行扫描实验。同步记录靶标板的反射率、回波信号峰值、实验环境参数。根据公式(1)计算目标的回波信号对应的激光传输距离,根据公式(7)计算对应的入射角θ。其中设目标点法向量为n(n1,n2,n3),通过建立点云邻域集拟合平面,获得拟合平面的法向量得到。按照定标公式(6)计算不同波段对应的定标参数A(λ)和B(λ),从而得到待测目标的反射属性与不同波段回波信号电压值的对应关系。
进行高光谱激光雷达扫描实验,对目标墙壁进行扫描,记录目标在不同波段的回波信号响应强度数据,并基于三维坐标解算单元计算传输距离和入射角。然后利用计算得到的定标参数A(λ)和B(λ)对所有回波信号在不同波段的响应强度数据进行反射率反演,得到不同波段回波信号响应强度数据对应目标点的反射率BRF大小,最终得到定标后的高光谱激光雷达点云数据。
在本公开实施例中,还提供一种基于高光谱激光雷达的室内霉菌检测方法,结合图1和图2所示,所述检测方法,包括:
步骤S1:分别在不同的距离和角度布置多种反射率的靶标板,固定激光雷达的输出能量,得到所有靶标的回波信号响应数值,并同步记录靶标板的反射率、实验环境参数,根据公式1和公式2,计算靶标的回波信号对应的激光入射角和传输距离,按照定标公式6计算定标参数A和B。
步骤S2:采集霉菌感染的测试样本并根据步骤S1计算所有样本在不同波段的光谱反射率,根据所述所有样本在不同波段的光谱反射率确定检测霉菌样本的最优波段;
所述步骤S2包括:
子步骤S21:收集大量被不同程度的霉菌感染的墙纸、墙壁样本,将这些样本人工划分为未感染和感染2类。分别进行同一距离、光谱入射角为90度的光谱实验,得到所有样本回波信号响应数值,并基于公式1,得到高光谱激光雷达和目标的距离。
子步骤S22:步骤S11中得到的所有样本回波信号的响应数值,通过定标公式6,得到所有样本不同波段的光谱反射率。
子步骤S23:得到的高光谱激光雷达数据波段较多,如果进行全波段建模,会增加加计算量,同时冗余的光谱信息数据会影响到预测精度,因此需选择能代表所测样品信息的最优波长进行分类。选择通用的波段选择算法(例如连续投影算法、主成分分析法等),输入样本数据,得到高光谱激光雷达检测霉菌样本的最优波段。
步骤S3:创建霉菌感染样本分类模型并将测试样本输入所述霉菌感染样本分类模型进行训练;
将上述筛选的波长作为输入变量,对样本数据建立基于机器学习方法的分类模型(神经网络、逻辑回归、SVM分类模型、决策树模型等)。本文以SVM模型为例进行说明,将2类分类样本中70%作为训练数据,剩余30%的数据作为测试数据。在建模过程中,利用训练数据训练模型,选择适当的核函数(线性核函数、多项式核函数、高斯核函数)作为SVM模型核函数,SVM模型的惩罚因子和核参数通过网格搜索算法进行优化,最终得到用于检测霉菌感染的SVM分类模型。
将测试数据输入到分类模型进行预测,最终得到该点的测试结果,根据测试的精确率、准确率对不同模型和相关参数进行筛选,经过反复筛选、训练和测试、得到最佳的分类模型。
步骤S4:通过高光谱激光雷达的扫描部对待测目标区域进行扫描,得到扫描点云数据并进行进行解算,得到每个探测点的三维坐标和在不同波段的光谱反射率。
通过高光谱激光雷达的扫描部对待测目标(室内墙壁或墙纸)及相关检测区域进行扫描,得到点云数据的回波信号响应数值。根据公式1和公式2,解算点云数据的空间位置坐标、距离;根据定标公式6以及步骤S2计算得到的定标参数A和B,得到所有点在不同波段的光谱反射率。
步骤S5:将步骤S4所得到的所有探测点在不同波段的光谱反射率输入步骤S3所训练完成的霉菌感染样本分类模型中进行筛选,筛选分类结果中未被感染的点云和被感染的点云,结合对应的空间位置坐标,确定待测目标被霉菌感染的位置。
将步骤S4得到的解算结果输入到步骤S3最终训练得到的霉菌分类模型中,模型对点云数据解算结果进行分类并输出分类结果,筛选分类结果中未被感染的点云和被感染的点云,结合对应的空间位置坐标,得到空间某位置的墙壁是否被霉菌感染。
至此,已经结合附图对本公开实施例进行了详细描述。需要说明的是,在附图或说明书正文中,未绘示或描述的实现方式,均为所属技术领域中普通技术人员所知的形式,并未进行详细说明。此外,上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式,本领域普通技术人员可对其进行简单地更改或替换。
依据以上描述,本领域技术人员应当对本公开基于高光谱激光雷达的室内霉菌检测装置及其检测方法有了清楚的认识。
综上所述,本公开提供了一种基于高光谱激光雷达的室内霉菌检测装置及其检测方法,其兼具激光雷达探测和高光谱成像的优势,不依赖室内光照条件,无需直接接触样品,也无需人眼寻找感染部位,通过激光光源主动发射激光脉冲并探测后向回波,快速进行室内扫描实现3D激光雷达模型的生成,从而得到目标的几何信息、光谱信息、距离信息等,不仅可以快速得到室内霉菌的感染情况,还可以得到其空间信息。
还需要说明的是,实施例中提到的方向用语,例如“上”、“下”、“前”、“后”、“左”、“右”等,仅是参考附图的方向,并非用来限制本公开的保护范围。贯穿附图,相同的元素由相同或相近的附图标记来表示。在可能导致对本公开的理解造成混淆时,将省略常规结构或构造。
并且图中各部件的形状和尺寸不反映真实大小和比例,而仅示意本公开实施例的内容。另外,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。
除非有所知名为相反之意,本说明书及所附权利要求中的数值参数是近似值,能够根据通过本公开的内容所得的所需特性改变。具体而言,所有使用于说明书及权利要求中表示组成的含量、反应条件等等的数字,应理解为在所有情况中是受到「约」的用语所修饰。一般情况下,其表达的含义是指包含由特定数量在一些实施例中±10%的变化、在一些实施例中±5%的变化、在一些实施例中±1%的变化、在一些实施例中±0.5%的变化。
再者,单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。
说明书与权利要求中所使用的序数例如“第一”、“第二”、“第三”等的用词,以修饰相应的元件,其本身并不意味着该元件有任何的序数,也不代表某一元件与另一元件的顺序、或是制造方法上的顺序,该些序数的使用仅用来使具有某命名的一元件得以和另一具有相同命名的元件能做出清楚区分。
此外,除非特别描述或必须依序发生的步骤,上述步骤的顺序并无限制于以上所列,且可根据所需设计而变化或重新安排。并且上述实施例可基于设计及可靠度的考虑,彼此混合搭配使用或与其他实施例混合搭配使用,即不同实施例中的技术特征可以自由组合形成更多的实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。并且,在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。
类似地,应当理解,为了精简本公开并帮助理解各个公开方面中的一个或多个,在上面对本公开的示例性实施例的描述中,本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,公开方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的单独实施例。
以上所述的具体实施例,对本公开的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本公开的具体实施例而已,并不用于限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (6)
1.一种基于高光谱激光雷达的室内霉菌检测装置,包括:
扫描部,用于对待测目标进行扫描进而获得扫描点云数据,待测目标为墙壁或壁纸;以及
数据处理部,用于对扫描点云数据进行处理,解算出每个探测点的三维坐标和光谱反射率,进而确定待测目标被霉菌感染的位置;
所述扫描部包括:
激光发射模块,用于在不同时刻发射不同波长的激光脉冲照射待测目标;
激光接收模块,用于接收激光发射模块照射待测目标后生成的多个波长的激光回波信号,并将所述激光回波信号转为电信号,完成信息采集和模数转换生成高光谱激光雷达扫描点云数据;以及
扫描转台,用于承载激光发射模块和激光接收模块,在扫描转台控制器控制下进行空间位置和扫描方向的变化,进而实现发射激光脉冲和瞬时接收视场方向的同步扫描和控制;
所述数据处理部包括:
点云空间位置解算模块,用于解算得到探测目标的距离和空间坐标;
点云光谱定标模块,用于通过光谱定标,得到表征待测目标每个探测点的反射特性的光谱反射率;以及
判定模块,其中包括霉菌分类模型,用于将光谱反射率输入到霉菌分类模型后进行比对,依此判定每个探测点是否被感染;
所述点云空间位置解算模块,包括:
激光雷达测距单元,用于获得激光雷达至待测目标之间的距离;以及
三维坐标解算单元,用于获得待测目标在笛卡尔坐标系中的空间坐标;
所述点云光谱定标模块,包括辐射校正单元,所述辐射校正单元用于对激光雷达回波信号响应强度数据进行辐射校正,得到回波响应强度的定标公式如下:
2.根据权利要求1所述的基于高光谱激光雷达的室内霉菌检测装置,所述激光发射模块包括多种形式的激光器,采用超连续谱激光器作为发射光源,通过激光发射控制器控制激光器按要求在不同时刻发射不同波长的激光脉冲。
3.根据权利要求1所述的基于高光谱激光雷达的室内霉菌检测装置,所述激光接收模块包括多种形式的光电探测器,用于将多个波长的激光回波信号转为电信号。
4.根据权利要求2所述的基于高光谱激光雷达的室内霉菌检测装置,所述激光发射控制器主要实现对激光器发射的有无、强弱以及在不同时刻发射不同波长的激光脉冲进行控制。
6.一种基于高光谱激光雷达的室内霉菌检测方法,采用权利要求1-5任一项所述的基于高光谱激光雷达的室内霉菌检测装置对室内霉菌进行检测,所述基于高光谱激光雷达的室内霉菌检测方法,包括:
步骤S1,采集霉菌感染的测试样本并确定所述测试样本的回波信号响应数据及所有样本在不同波段的光谱反射率;
步骤S2:根据所述所有样本在不同波段的光谱反射率确定检测霉菌样本的最优波段;
步骤S3:创建霉菌感染样本分类模型并将测试样本输入所述霉菌感染样本分类模型进行训练;
步骤S4:通过高光谱激光雷达的扫描部对待测目标区域进行扫描,得到扫描点云数据并进行解算,得到每个探测点的三维坐标和在不同波段的光谱反射率;以及
步骤S5:将步骤S4所得到的所有探测点在不同波段的光谱反射率输入步骤S3所训练完成的霉菌感染样本分类模型中进行筛选,筛选分类结果中未被感染的点云和被感染的点云,结合对应的空间位置坐标,确定待测目标被霉菌感染的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010983891.2A CN112083438B (zh) | 2020-09-17 | 2020-09-17 | 基于高光谱激光雷达的室内霉菌检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010983891.2A CN112083438B (zh) | 2020-09-17 | 2020-09-17 | 基于高光谱激光雷达的室内霉菌检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112083438A CN112083438A (zh) | 2020-12-15 |
CN112083438B true CN112083438B (zh) | 2023-05-16 |
Family
ID=73738075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010983891.2A Active CN112083438B (zh) | 2020-09-17 | 2020-09-17 | 基于高光谱激光雷达的室内霉菌检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112083438B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113252709B (zh) * | 2021-04-22 | 2022-03-25 | 南京航空航天大学 | 一种基于雷达技术的食品内部霉菌检测方法 |
CN113156830B (zh) * | 2021-04-27 | 2022-09-27 | 重庆文理学院 | 一种基于人脸识别的智能家居控制系统 |
CN113449792A (zh) * | 2021-06-28 | 2021-09-28 | 四创电子股份有限公司 | 一种无损快速检测食品质量的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427274B (zh) * | 2015-10-28 | 2017-12-26 | 北京农业智能装备技术研究中心 | 一种由青霉感染引起腐烂的柑橘图像检测方法 |
CN105911559A (zh) * | 2016-06-02 | 2016-08-31 | 中国科学院光电研究院 | 基于可见光-近红外-短波红外波段的激光雷达系统 |
CN108415030B (zh) * | 2018-01-15 | 2020-08-28 | 北京航空航天大学 | 一种基于光强分光的高光谱激光雷达系统 |
CN108279420B (zh) * | 2018-02-07 | 2024-01-26 | 北京大学 | 同步获取地物信息的激光扫描多维近距遥感系统及方法 |
CN109060674A (zh) * | 2018-08-24 | 2018-12-21 | 张晓焦 | 微生物识别方法 |
CN110108649A (zh) * | 2019-05-06 | 2019-08-09 | 北京工商大学 | 基于太赫兹光谱技术的油料作物品质的快速无损检测方法 |
-
2020
- 2020-09-17 CN CN202010983891.2A patent/CN112083438B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112083438A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112083438B (zh) | 基于高光谱激光雷达的室内霉菌检测装置及方法 | |
Sunli et al. | Non‐destructive detection for mold colonies in rice based on hyperspectra and GWO‐SVR | |
Adedeji et al. | Non-destructive technologies for detecting insect infestation in fruits and vegetables under postharvest conditions: A critical review | |
El-Faki et al. | Weed detection using color machine vision | |
CN105181611B (zh) | 类球形水果透射高光谱成像无损检测装置 | |
Li et al. | Estimation of leaf biochemical content using a novel hyperspectral full-waveform LiDAR system | |
Mahesh et al. | Identification of wheat classes at different moisture levels using near-infrared hyperspectral images of bulk samples | |
Basak et al. | Prediction of total soluble solids and pH of strawberry fruits using RGB, HSV and HSL colour spaces and machine learning models | |
CN104297165A (zh) | 一种基于高光谱图像对腐败真菌生长预测的方法 | |
WO2016080442A1 (ja) | 品質評価方法及び品質評価装置 | |
Li et al. | Optical techniques in non-destructive detection of wheat quality: A review | |
CN108535200B (zh) | 叶菜类蔬菜叶片重金属镉的检测装置及方法 | |
CN105203467B (zh) | 一种通用无损的真菌的生长拟合方法 | |
CN105259143B (zh) | 一种基于米氏散射和空间光调制器的微生物快速检测设备 | |
CN104297136A (zh) | 一种基于高光谱图像对铜绿假单胞杆菌生长预测的方法 | |
Jang et al. | Field Application of a Vis/NIR hyperspectral imaging system for nondestructive evaluation of physicochemical properties in ‘Madoka’peaches | |
CN207300816U (zh) | 一种基于脉冲激光法的颗粒物传感器 | |
CN100554944C (zh) | 实验室烟(水)雾brdf测量方法 | |
CN104198397B (zh) | 氮磷钾交互作用下温室作物营养含量检测的方法 | |
CN101852598B (zh) | 一种活体测定叶面积仪 | |
CN205157429U (zh) | 一种基于米氏散射的微生物快速检测装置 | |
KR101907563B1 (ko) | 초분광 영상을 이용한 유정란 내부 배아 생존유무 판별방법 | |
Marko et al. | Distance measuring in vineyard row using ultrasonic and optical sensors | |
CN113109269A (zh) | 一种柑橘黄龙病快速检测装置及检测方法 | |
CN113567392A (zh) | 一种基于近红外光谱的小麦气传病原菌孢子快速无损识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |