檢測方法及使用該檢測方法檢測茶葉含水量的用途
【專利摘要】本發(fā)明實(shí)施例提供一種檢測方法，包括以下步驟：1）建立圖譜信息與物理量的模型；2）運(yùn)行Storm集群，根據(jù)測得的物理量以模型為依據(jù)輸出圖譜；3）根據(jù)輸出圖譜實(shí)時(shí)檢測物理量。上述檢測方法可以實(shí)現(xiàn)高光譜遙感技術(shù)在檢測方法上的應(yīng)用。
【專利說明】檢測方法及使用該檢測方法檢測茶葉含水量的用途
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種檢測方法，尤其涉及一種圖像分析的檢測方法及使用該檢測方法檢測茶葉含水量的用途。
【背景技術(shù)】
[0002]高光譜遙感技術(shù)自20世紀(jì)80年代誕生以來高速發(fā)展，不斷突破創(chuàng)新。高光譜遙感技術(shù)利用成像光譜掃描儀，以納米級(jí)的光譜分辨率對(duì)被觀測物體同時(shí)產(chǎn)生數(shù)百個(gè)波段的影像，能夠記錄被測物的連續(xù)光譜信息。高光譜遙感技術(shù)具有“圖譜合一”的特性，使得人類在遙感領(lǐng)域又向前邁進(jìn)了一大步。
[0003]高光譜遙感技術(shù)目前被廣泛應(yīng)用于石油化工，食品工程、醫(yī)療制藥等行業(yè)。主要應(yīng)用于產(chǎn)品或者原材料的無損檢測和無損質(zhì)量評(píng)估，典型應(yīng)用于蘋果、茶葉、酸奶、石油的品質(zhì)檢測、分級(jí)，取得了很好的效果。然而，高光譜遙感技術(shù)的應(yīng)用仍存在巨大的挑戰(zhàn)，其中最主要的挑戰(zhàn)在于:高光譜遙感技術(shù)的圖譜數(shù)據(jù)量極大，但是這種多維度的數(shù)據(jù)對(duì)處理、傳輸、存儲(chǔ)等過程提出了很高的要求。

【發(fā)明內(nèi)容】

[0004]針對(duì)現(xiàn)有技術(shù)存在的缺陷，本發(fā)明的目的在于提供一種易于實(shí)現(xiàn)的高光譜遙感技術(shù)的檢測方法。
[0005]為解決以上技術(shù)問題，本發(fā)明提供的技術(shù)方案是，一種檢測方法，包括以下步驟:
[0006]I)建立圖譜信息與物理量的模型；
[0007]2)運(yùn)行Storm集群，根據(jù)測得的物理量以模型為依據(jù)輸出圖譜；
[0008]3)根據(jù)輸出圖譜實(shí)時(shí)檢測物理量。
[0009]優(yōu)選的，所述檢測方法還包括建立管理員集群，所述管理員集群可以并行運(yùn)行Storm集群。
[0010]優(yōu)選的，所述建立管理員集群步驟位于步驟I和步驟2之間。
[0011]優(yōu)選的，所述步驟2)包括以下分步驟:
[0012]2.1 搭建 Storm 集群；
[0013]2.2 編寫 Storm 的 Topology ；
[0014]2.3建立位置與像素點(diǎn)信息的關(guān)系；
[0015]2.4根據(jù)模型輸入像素點(diǎn)信息輸出位置；
[0016]2.5建立位置與物理量的關(guān)系；
[0017]2.6 啟動(dòng) Storm 集群；
[0018]2.7 提交 Storm 的 Topology。
[0019]優(yōu)選的，所述步驟I)采用SVM方法建立圖譜信息與物理量的模型。
[0020]優(yōu)選的，所述檢測方法檢測茶葉含水量的用途，所述物理量為茶葉的含水率。
[0021]與現(xiàn)有技術(shù)相比，本發(fā)明至少具有如下技術(shù)效果:緩沖裝置浮動(dòng)地搭接在進(jìn)料盤上使得進(jìn)料盤供料平穩(wěn)。
【專利附圖】

【附圖說明】
[0022]圖1為本發(fā)明涉及的檢測方法示意圖。
圖2為本發(fā)明檢測方法流程示意圖；
圖3為本發(fā)明檢測結(jié)果示意圖。
【具體實(shí)施方式】
[0023]在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明。但是本發(fā)明能夠以很多不同于在此描述的其它方式來實(shí)施，本領(lǐng)域技術(shù)人員可以在不違背本發(fā)明內(nèi)涵的情況下做類似推廣，因此本發(fā)明不受下面公開的具體實(shí)施例的限制。
[0024]在高光譜遙感技術(shù)的檢測方法的數(shù)據(jù)處理階段，人們普遍使用并行計(jì)算來對(duì)海量數(shù)據(jù)進(jìn)行實(shí)時(shí)處理。所謂并行計(jì)算，就是使用多線程、多進(jìn)程，甚至多臺(tái)計(jì)算機(jī)協(xié)同工作，在時(shí)間上并行的處理數(shù)據(jù)的方式。以并行計(jì)算思想開發(fā)的軟件，在適合于并行計(jì)算的情形下能提供很高的處理速度和實(shí)時(shí)處理的延時(shí)，并且能夠以線性方式對(duì)現(xiàn)有并行計(jì)算系統(tǒng)進(jìn)行擴(kuò)展，從而以較低的成本獲得高的任務(wù)處理速度，節(jié)省任務(wù)處理耗時(shí)，實(shí)現(xiàn)真正的工業(yè)應(yīng)用投放。但是并行計(jì)算思想開發(fā)的軟件自問世以來一直受到業(yè)界的質(zhì)疑。通常，并行計(jì)算編程花費(fèi)的開發(fā)成本遠(yuǎn)遠(yuǎn)高于串行計(jì)算編程花費(fèi)的開發(fā)成本，再考慮測試驗(yàn)證階段的復(fù)雜度、后期維護(hù)的繁瑣性，以及缺陷定位工作上的艱難程度，實(shí)際應(yīng)用中使用并行計(jì)算思想的處理軟件穩(wěn)定性難以得到保證。
[0025]Storm (Twitter公司開發(fā))是一個(gè)開源的流式計(jì)算引擎。Storm流式計(jì)算引擎對(duì)問題進(jìn)行分解，將問題的每一個(gè)處理步驟進(jìn)行抽象，定義成Storm拓?fù)浣Y(jié)構(gòu)中的組件可以解決的子問題。增加組件的個(gè)數(shù)，提高計(jì)算的并行度，實(shí)現(xiàn)普通的并行計(jì)算問題解決方案。使用Storm框架，僅需要在Storm的組件上完成具體任務(wù)的業(yè)務(wù)邏輯代碼開發(fā)，并且簡單的定義整個(gè)拓?fù)浣Y(jié)構(gòu)，就可以輕松使用并行計(jì)算技術(shù)，實(shí)現(xiàn)毫秒級(jí)的實(shí)時(shí)計(jì)算。
[0026]Storm流式計(jì)算引擎，對(duì)高光譜遙感技術(shù)采集到的圖譜數(shù)據(jù)分多個(gè)維度開展并行。一種方式是對(duì)像素維度的并行。將一張高光譜遙感技術(shù)采集到的圖譜的所有像素點(diǎn)拆分。單獨(dú)通過模型進(jìn)行計(jì)算、驗(yàn)證、預(yù)測，然后再進(jìn)行整合，將會(huì)得到與對(duì)整幅圖譜串行處理得到的結(jié)果完全一致的結(jié)果。同時(shí)可以極大的縮短處理時(shí)間，改變以往“高光譜遙感技術(shù)不可能直接用于工業(yè)生產(chǎn)中對(duì)產(chǎn)品的質(zhì)量的實(shí)時(shí)檢測方法”的看法。
[0027]本發(fā)明提供一種使用Storm流式計(jì)算引擎檢測茶葉含水率的檢測方法。
[0028]具體技術(shù)方案如下:
[0029]1.建立模型
[0030]a)根據(jù)高光譜遙感技術(shù)采集到的圖譜信息與茶葉含水率信息之間的關(guān)系，建立模型，以米用 SVM (Support Vector Machine)為例:
[0031]1.輸入1:圖譜信息矩陣為S,每一行向量為一個(gè)像素點(diǎn)的高光譜信息,每一列為一個(gè)波段的信息。輸入2:實(shí)測含水率值列向量M，通過SVM方法求的AS=M中的A向量并由此建立茶葉含水率估測模型。
[0032]i1.對(duì)一個(gè)像素點(diǎn)的茶葉含水率估計(jì)m可由M=As求得，其中A為上一步驟求的模型的參數(shù)，S為該像素點(diǎn)的圖譜信息,其中m為列向量M的一個(gè)值，S為矩陣S的一個(gè)值。
[0033]2.搭建管理員集群
[0034]a)使用3個(gè)節(jié)點(diǎn)作為管理員集群為例，增加新的節(jié)點(diǎn)，只需稍做修改。在3個(gè)節(jié)點(diǎn)上安裝管理員3.3.3,配置根目錄下的zo0.conf,具體可參看http://管理員.apache.0rg/doc/trunk/ (官方幫助文檔)。
[0035]b)在每一臺(tái)機(jī)器上啟動(dòng)管理員，形成管理員集群。
[0036]3.搭建Storm集群，集群完成后拓?fù)淙鐖D1。
[0037]a)下載 Storm 源碼包(http://github.0rg/nathanmarz/storm) Storm-0.8.2,上傳到服務(wù)器。
[0038]b)修改hosts文件,添加主機(jī)名_ip記錄，將集群中的主機(jī)的主機(jī)名_ip記錄全部加入，包括用做監(jiān)管員(工作節(jié)點(diǎn))和光輪(任務(wù)分配，協(xié)調(diào)節(jié)點(diǎn))以及管理員(狀態(tài)管理節(jié)點(diǎn))的機(jī)器。使得在集群內(nèi)部通過主機(jī)名訪問節(jié)點(diǎn)。
[0039]c)安裝 Storm 的依賴包:Python-2.6.6.tgz, jdkl.6.0_37.tgz,e2fsprogs-l.42.3_tlinux.tar.gz, zeromq-2.1.7.tar.gz, nathanmarz-jzmq-dd3327d.zip
[0040]d)配置 storm 目錄下 conf/storm.yaml。
[0041]1.修改storm.管理員.servers屬性,添加所有用做管理員的機(jī)器的主機(jī)名，每個(gè)主機(jī)名一行，以-“主機(jī)名”的格式添加。
[0042]i1.修改光輪.host屬性為用作光輪的主機(jī)名。
[0043]4.編寫Storm的Topology,完成圖如圖2。
[0044]a)創(chuàng)建入口類 TopologyMain.java,在 main 函數(shù)中配置一個(gè) Spout(ReadingSpout) , 2 個(gè) Bolt (EstimatingBolt, UpdatingBolt)。
[0045]b)ReadingSpout 實(shí)現(xiàn)了接口 backtype.storm, topology.1RichSpout。
[0046]1.在open方法中實(shí)現(xiàn)打開圖譜文件的方法,使用BufferedReader打開圖譜文件。
[0047]i1.在nextTuple方法中實(shí)現(xiàn)取出圖譜文件中位于(x，y)位置像素的圖譜信息S，調(diào)用emit方法將(X，y, s)信息對(duì)發(fā)送。
[0048]c)EstimtingBolt 實(shí)現(xiàn)了接口 backtype.storm, topology.1RichBolt
[0049]1.在execute方法中實(shí)現(xiàn)根據(jù)光譜信息s使用模型(步驟I中所建立的模型)估算茶葉含水率m，并且調(diào)用emit方法將(x，y, m)信息對(duì)發(fā)送。
[0050]d)UpdatingBolt 實(shí)現(xiàn)了接口 backtype.storm, topology.1RichBolt
[0051]1.在execute方法中實(shí)現(xiàn)了將茶葉含水率m映射成可視化的的rgb值,或者grey灰度值，并且寫入一個(gè)圖像文件的特定位置(X，I)。
[0052]5.將 Topology 打成標(biāo)準(zhǔn) jar 包，以 TopologyMain.java 為入 口類。
[0053]6.運(yùn)行Storm集群，在光輪節(jié)點(diǎn)上執(zhí)行storm光輪命令，在所有監(jiān)管員節(jié)點(diǎn)上執(zhí)行storm監(jiān)管員命令,就可以啟動(dòng)storm集群。
[0054]7.提交Topology,將Topology, jar上傳到光輪所在節(jié)點(diǎn)，使用命令storm jarTopology.jarTopo1gyMain 啟動(dòng) topology0
[0055]8.不斷觀察輸出的圖片，文件即可以實(shí)現(xiàn)實(shí)時(shí)的茶葉含水率檢測，增加監(jiān)管員的數(shù)量，修改并發(fā)配置可以提高處理的速度，實(shí)現(xiàn)毫秒級(jí)的實(shí)時(shí)檢測。(示意圖如圖3)。[0056]通過以上方式可以進(jìn)一步的開發(fā)出數(shù)字化、自動(dòng)化的茶葉生產(chǎn)檢測方法，以嚴(yán)格量化的控制方法，生產(chǎn)出高品質(zhì)的茶葉。
[0057]以上是以茶葉含水率為對(duì)象的實(shí)時(shí)檢測方法，但本
【發(fā)明內(nèi)容】
不僅局限與此，通過替換文中步驟1，即可以實(shí)現(xiàn)對(duì)其他產(chǎn)品的實(shí)時(shí)質(zhì)量檢測，產(chǎn)品組成檢測。
[0058]本發(fā)明雖然以較佳實(shí)施例公開如上，但其并不是用來限定本發(fā)明，任何本領(lǐng)域技術(shù)人員在不脫離本發(fā)明的精神和范圍內(nèi)，都可以做出可能的變動(dòng)和修改，因此本發(fā)明的保護(hù)范圍應(yīng)當(dāng)以本發(fā)明權(quán)利要求所界定的范圍為準(zhǔn)。
【權(quán)利要求】
1.一種檢測方法，包括以下步驟: 1)建立圖譜信息與物理量的模型； 2)運(yùn)行Storm集群，根據(jù)測得的物理量以模型為依據(jù)輸出圖譜； 3)根據(jù)輸出圖譜實(shí)時(shí)檢測物理量。
2.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于:所述檢測方法還包括建立管理員集群，所述管理員集群可以并行運(yùn)行Storm集群。
3.根據(jù)權(quán)利要求2所述的檢測方法，其特征在于:所述建立管理員集群步驟位于步驟I和步驟2之間。
4.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于:所述步驟2)包括以下分步驟: 2.1搭建Storm集群；
2.2 編寫 Storm 的 Topology ； 2.3建立位置與像素點(diǎn)信息的關(guān)系； 2.4根據(jù)模型輸入像素點(diǎn)信息輸出位置； 2.5建立位置與物理量的關(guān)系； 2.6啟云力Storm集群；
2.7 提交 Storm 的 Topology。
5.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于:所述步驟I)采用SVM方法建立圖譜信息與物理量的模型。
6.一種使用權(quán)利要求1-5中任一項(xiàng)檢測方法檢測茶葉含水量的用途，其特征在于:所述物理量為茶葉的含水率。
【文檔編號(hào)】G06F11/36GK103744777SQ201310737196
【公開日】2014年4月23日 申請日期:2013年12月26日 優(yōu)先權(quán)日:2013年12月26日
【發(fā)明者】鄧水光, 李浬, 徐亦飛, 尹建偉, 李瑩, 吳健, 吳朝暉 申請人:浙江大學(xué)