CN101008621B - 基于多传感器信息融合的水果缺陷检测方法和装置 - Google Patents
基于多传感器信息融合的水果缺陷检测方法和装置 Download PDFInfo
- Publication number
- CN101008621B CN101008621B CN200710066690A CN200710066690A CN101008621B CN 101008621 B CN101008621 B CN 101008621B CN 200710066690 A CN200710066690 A CN 200710066690A CN 200710066690 A CN200710066690 A CN 200710066690A CN 101008621 B CN101008621 B CN 101008621B
- Authority
- CN
- China
- Prior art keywords
- fruit
- spectrum
- area
- sample
- humidity
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于多传感器信息融合的水果缺陷检测方法和装置。采用多个检测器分别获取光源照射水果多个不同部位下的光谱信息,检测模型采用连续统去除法与K-最近邻法相结合或连续统去除法与神经网络相结合,并参考水果环境的温度和湿度因子,以此来判别水果缺陷。该方法利用多个检测器检测水果,能有效防止水果缺陷的漏检;检测模型中参考被测水果环境的温度和湿度,可以提高检测模型的稳定性和检测准确性。
Description
技术领域
本发明涉及一种基于多传感器信息融合的水果缺陷检测的方法和装置。
背景技术
水果的缺陷检测是农产品产后加工处理中非常重要的步骤,将缺陷水果从正常水果中分离可以延长水果的储存期限,增加水果的经济价值,同时维护和提高商人的信誉。
水果缺陷可分为外部缺陷和内部缺陷两种。外部缺陷检测常规方法采用人工目测或是机器视觉的方法。但人工目测,机器视觉仅仅只能检测外部缺陷,而不能检测内部缺陷如水心病等;内部缺陷检测常采用破坏性方法进行抽检,水果一旦被破坏,就失去商业价值,且这种方法并不能保证未抽检到的水果无缺陷。因此,研究快速检测水果缺陷技术的方法和装置是实现水果产后加工处理的一项重要工作。
中国专利NO.1430723公开了在250~1100nm波长范围内,用回归矢量的算法将水果近红外光谱与水果内外部缺陷建立起联系,检测器为一组光电检测器阵列。但该算法没有考虑水果环境的温度和湿度的影响。另外,采用检测器阵列的方式不能实现水果多个部位同时检测,因而会存在水果内部缺陷漏检的情况。
发明内容
本发明的目的在于提供一种基于多传感器信息融合的水果缺陷检测方法和装置,通过获取光源照射水果不同部位下的光谱信息,能有效地提高水果缺陷检测的准确性。
本发明采用的技术方案如下:
一、基于多传感器信息融合的水果缺陷检测方法:
方法1
将处于不同位置的多个检测器探头获取同一水果样本的400-1100nm波长范围的多个透射光谱信息进行数据预处理,得到水果样本的多个有效光谱;将同一水果样本的多个有效光谱分别输入到检测模型中,检测模型对每个有效光谱信息分别作出有无缺陷的判断,若检测模型的输出结果中有一个或一个以上有缺陷的判断,则判断该水果有缺陷;检测模型采用连续统去除法与K-最近邻法相结合,并将被测水果环境的温度和湿度作为影响因子来修正连续统去除法中定义的Area;连续统去除法是作原始光谱的包络线,用原始光谱波段值除以包络线的波段值,求得比值透射率,深度定义为比值透射率曲线特征峰的极小值点相对100%线的距离,面积Area为特征吸收峰一半处吸收峰宽度与深度的乘积;参考被测水果环境的温度和湿度因子,将面积Area修正为:
Area′=Area+K1T+K2H (1)
Area:被测水果的某一光谱的Area值
T:水果环境的温度(℃)
H:水果环境的相对湿度
K1,K2为系数
将Area′作为特征量,用K-最近邻法对水果某一有效光谱作出有无缺陷判断;
方法2
将处于不同位置的多个检测器探头获取同一水果样本的400-1100nm波长范围的多个透射光谱信息进行数据预处理,得到同一样本的多个有效光谱;将同一水果样本的多个有效光谱及被测水果环境的温度和湿度信息输入到检测模型,由检测模型作出有无缺陷的判断;
检测模型采用连续统去除法与神经网络相结合的方法;首先采用连续统去除法分别计算同一样本的多个有效光谱的未经温度和湿度校正的Area值,将同一样本的多个Area值,以及被测水果环境的温度值和湿度值作为神经网络的输入,而有无缺陷作为神经网络的输出;用水果样本集对神经网络进行训练,直至对样本集的样本判断满足要求则训练结束;训练结束后的神经网络模型即可对水果进行有无缺陷的判断。
二、基于多传感器信息融合的水果缺陷检测装置
包括光照系统,水果移动单元,检测系统,分析处理单元,其中:
1)光照系统:在光照箱内,卤钨灯安装在半球形反射板中心,半球形反射板上装有调节螺杆,光照箱一侧装有活动板与光照箱铰接;
2)水果移动单元:在光照箱内,凹形底板固定在光照箱的底部,凹形底板中心开有三个安放检测器探头的通孔,三个安放检测器探头和的通孔两侧分别对应开有三个半球形孔,每组安装检测器探头的通孔与两侧的半球形孔位于各自的同一横截面上,推杆的一端固定在托盘上,托盘安装在凹形底板中,托盘中心的一个透光孔与两侧安装弹簧的槽位于同一横截面上;弹簧的一端固定在托盘的槽内,另一端与钢珠相连,实现透光孔分别与安装检测器探头通孔之间的定位;
3)检测单元:三个检测器探头分别安装在凹形底板中心孔中,三个压力传感器分别安装在三个检测器探头一侧的三个半球形孔中,温度传感器与湿度传感器分别安装凹形底板上,与分析处理单元连接,三个检测器探头通过各自的光纤分别与光谱仪连接;
4)分析处理单元:分别与显示装置和光谱仪连接,并设有用于光谱数据预处理和水果缺陷检测的一组分析检测模型,用于接收光谱仪光谱信息和温度传感器、湿度传感器信息的程序。
本发明具有的有益效果是:处于不同位置的多个检测器探头检测水果,可以获得光源照射水果多个不同部位下的光谱信息,能有效的防止由于光源未照射到缺陷部位造成的缺陷漏检;对光谱进行预处理,并在模型中参考水果环境的温度和湿度因子,可以提高检测模型的稳定性和检测准确性。
附图说明
图1是检测装置整体示意图及水果移动单元剖视图;
图2是检测装置总体组成图;
图3是底板的结构图;
图4是水果光谱图及其包络线;
图5是比值透射率图。
图中:1、光照系统;2、水果移动单元;3、检测系统;4、分析处理单元;5、显示装置;6、水果;101、调节螺杆;102、反射板;103、卤钨灯;104、光照箱;105、螺母;106、铰链;107、活动板;201、托盘;202、推杆;203、钢珠;204、弹簧;205、206、207、半球形孔;208、凹形底板;301、302、303、检测器探头;304、305、306、光纤;307、湿度传感器;308、温度传感器;309、透光孔;310、光谱仪;311、312、313、压力传感器。
具体实施方式
下面结合附图和具体实施例子进一步详细描述本发明。
如图1、图2和图3所示,本发明主要由光照系统1,水果移动单元2,检测系统3和分析处理单元4组成;其中:
1)光照系统1如图1所示,包括光照箱104,卤钨灯103,半球形反射板102,调节螺杆101,螺母105,铰链106,活动板107;卤钨灯103安装在半球形反射板102中心,半球形反射板102与调节螺杆101固定连接,调节螺杆101通过螺母105固定在光照箱104上,通过调节螺杆101可使卤钨灯103高度可调;卤钨灯103为光源功率可调,对于不同的水果6可以采用不同的光源强度;光照箱104一侧装有活动板107通过铰链106与光照箱104连接。
2)水果移动单元2如图1和图3所示,包括托盘201,推杆202,钢珠203,弹簧204,半球形孔205,206和207,凹形底板208;在光照箱104内,凹形底板208固定在光照箱104的底部,凹形底板208中心开有三个安放检测器探头301、302和303的通孔,三个安放检测器探头301,302和303的通孔两侧分别对应开有三个半球形孔205,206和207,每组安装检测器探头的通孔与两侧的半球形孔位于各自的同一横截面上,推杆202的一端固定在托盘201上,托盘201安装在凹形底板208中,托盘201中心的一个透光孔309与两侧安装弹簧204的槽位于同一横截面上;弹簧204的一端固定在托盘201的槽内,另一端与钢珠203相连,实现透光孔309分别与安装检测器探头301,302和303通孔之间的定位。
3)检测单元3如图1和图3所示,包括检测器探头301、302和303,光纤304、305和306,湿度传感器307,温度传感器308,透光孔309,光谱仪310,压力传感器311、312和313;三个检测器探头301、302和303分别安装在凹形底板208中心孔中,三个压力传感器311、312和313分别安装在三个检测器探头301、302和303一侧的三个半球形孔205、206和207中,温度传感器308与湿度传感器307分别安装凹形底板208上,与分析处理单元4连接,三个检测器探头301、302和303通过各自的光纤304、305和306分别与光谱仪310连接;当推动推杆202,钢珠203随着托盘201分别进入三个检测器探头301、302和303一侧的三个半球形孔205,206和207时,压力传感器311、312和313受到压力,产生信号,分别触发检测器探头301、302和303所对应的光谱仪310中的检测器工作,可以检测到水果6多个部位的光谱信息,依此获得光谱信息有利于提高水果6的缺陷检测准确度。
4)分析处理单元4如图1所示,分别与显示装置5和光谱仪310连接,并设有用于光谱数据预处理和水果缺陷检测的一组分析检测模型,用于接收光谱仪310光谱信息和温度传感器308、湿度传感器307信息的程序。
下面结合附图来介绍本发明的工作过程:
①打开光照箱104的活动板108,将水果6放在托盘201上,再关上光照箱104的活动板108,推动推杆202,使钢珠203进入半球形孔205,透光孔309对准检测器探头301。
②压力传感器311受到压力,触发信号,使连接检测器探头301的光谱仪310中的检测器开始采集光谱;之后再推动推杆202使托盘201上的钢珠203依次进入半球形孔205,206,透光孔309依次对准检测器探头302,303,压力传感器312,313依次触发检测器探头302,303对应的检测器,依次进行光谱采集。
③将依次获得的3组光谱数据和温度传感器308,湿度传感器307的数据传输给分析处理单元4;分析处理单元4若采用缺陷检测方法一的模型,则先在400~1100nm波段范围内对3组光谱数据进行数据预处理(如光谱平滑,一阶微分等),得到水果6的3个有效光谱,运用连续统方法计算各有效光谱的Area值(如图4和图5所示),并按公式(1)对Area值进行修正,将修正后的Area′值运用K-最近邻进行有无缺陷的判断:在检测模型中已存储200个或以上正常的和200个或以上有缺陷的水果有效光谱的Area′值,分别计算检测到的水果6各有效光谱的Area′值与所有存储在模型中的Area′值的绝对值距离,找出最小的K个绝对值距离即找出与被测水果6有效光谱的Area′特征量最接近的K个存储在模型中的Area′特征量;若K个Area′特征量有一半以上是来自有缺陷的水果光谱的Area′特征量,则判断水果6有缺陷;反之则判断水果6无缺陷,并将所得出的结果输出到显示装置5;分析处理单元4若采用缺陷检测方法二的模型,则先在400~1100nm波段范围内对3组光谱数据进行数据预处理(如光谱平滑,一阶微分等),得到水果6的3个有效光谱,运用连续统方法计算各有效光谱的Area值,将3个Area值和温度,湿度分别作为神经网络的输入,而有无缺陷作为神经网络的输出;分析处理单元4将神经网络判断结果输出到显示装置5,完成水果6缺陷检测。
以上检测器探头,光纤,湿度传感器,温度传感器,光谱仪和压力传感器等元器件均可市面选购得到。
Claims (3)
1.基于多传感器信息融合的水果缺陷的检测装置,其特征在于包括光照系统(1),水果移动单元(2),检测系统(3),分析处理单元(4),其中;
1)光照系统(1):在光照箱(104)内,卤钨灯(103)安装在半球形反射板(102)中心,半球形反射板(102)上装有调节螺杆(101),光照箱(104)一侧装有活动板(107)与光照箱(104)铰接;
2)水果移动单元(2):在光照箱(104)内,凹形底板(208)固定在光照箱(104)的底部,凹形底板(208)中心开有三个安放检测器探头(301、302和303)的通孔,三个通孔呈一线排列,每个安放检测器探头(301、302和303)的通孔左侧和右侧分别对应开有一个半球形孔(205、206和207),每个安装检测器探头的通孔与左右两侧的半球形孔位于同一横截面上,推杆(202)的一端固定在托盘(201)上,托盘(201)安装在凹形底板(208)中,托盘(201)中心的一个透光孔(309)与左右两侧安装弹簧(204)的槽位于同一横截面上;弹簧(204)的一端固定在托盘(201)的槽内,另一端与钢珠(203)相连,实现透光孔(309)分别与安装检测器探头(301,302和303)通孔之间的定位;
3)检测单元(3):三个检测器探头(301、302和303)分别安装在凹形底板(208)中心孔中,三个压力传感器(311、312和313)分别安装在三个检测器探头(301、302和303)一侧的三个半球形孔(205、206和207)中,温度传感器(308)与湿度传感器(307)分别安装凹形底板(208)上,与分析处理单元(4)连接,三个检测器探头(301、302和303)通过各自的光纤(304、305和306)分别与光谱仪(310)连接;
4)分析处理单元(4):分别与显示装置(5)和光谱仪(310)连接,并设有用于光谱数据预处理和水果缺陷检测的一组分析检测模型,用于接收光谱仪(310)光谱信息和温度传感器(308)、湿度传感器(307)信息的程序。
2.采用权利要求1所述的检测装置的水果缺陷检测方法,该方法的步骤如下:将处于不同位置的多个检测器探头获取同一水果样本的400-1100nm波长范围的多个透射光谱信息进行数据预处理,得到水果样本的多个有效光谱;将同一水果样本的多个有效光谱分别输入到检测模型中,检测模型对每个有效光谱信息分别作出有无缺陷的判断,若检测模型的输出结果中有一个或一个以上有缺陷的判断,则判断该水果有缺陷;其特征在于:
所述的检测模型采用连续统去除法与K-最近邻法相结合,并将被测水果环境的温度和湿度作为影响因子来修正连续统去除法中定义的Area;连续统去除法是作原始光谱的包络线,用原始光谱波段值除以包络线的波段值,求得比值透射率,深度定义为比值透射率曲线特征峰的极小值点相对100%线的距离,面积Area为特征吸收峰一半处吸收峰宽度与深度的乘积;参考被测水果环境的温度和湿度因子,将面积Area修正为:
Area′=Area+K1T+K2H (1)
Area:被测水果的某一光谱的Area值
T:水果环境的温度(℃)
H:水果环境的相对湿度
K1,K2为系数
将Area′作为特征量,用K-最近邻法对检测到的水果有效光谱作出有无缺陷判断。
3.采用权利要求1所述的检测装置的水果缺陷检测方法,该方法的步骤如下:将处于不同位置的多个检测器探头获取同一水果样本的400-1100nm波长范围的多个透射光谱信息进行数据预处理,得到同一样本的多个有效光谱;将同一水果样本的多个有效光谱及被测水果环境的温度和湿度信息输入到检测模型,由检测模型作出有无缺陷的判断;其特征在于:
所述的检测模型采用连续统去除法与神经网络相结合的方法;首先采用连续统去除法分别计算同一样本的多个有效光谱的未经温度和湿度校正的Area值,将同一样本的多个Area值,以及被测水果环境的温度值和湿度值作为神经网络的输入,而有无缺陷作为神经网络的输出;用水果样本集对神经网络进行训练,直至对样本集的样本判断满足要求则训练结束;训练结束后的神经网络模型即可对水果进行有无缺陷的判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710066690A CN101008621B (zh) | 2007-01-12 | 2007-01-12 | 基于多传感器信息融合的水果缺陷检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710066690A CN101008621B (zh) | 2007-01-12 | 2007-01-12 | 基于多传感器信息融合的水果缺陷检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101008621A CN101008621A (zh) | 2007-08-01 |
CN101008621B true CN101008621B (zh) | 2010-05-26 |
Family
ID=38697156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710066690A Expired - Fee Related CN101008621B (zh) | 2007-01-12 | 2007-01-12 | 基于多传感器信息融合的水果缺陷检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101008621B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102654494A (zh) * | 2012-04-16 | 2012-09-05 | 昆明理工大学 | 一种农产品品质识别检测标准的建立方法 |
CN102866117B (zh) * | 2012-09-10 | 2015-08-05 | 江苏大学 | 一种便携式水果内部质量无损检测装置及方法 |
CN103308457B (zh) * | 2013-04-10 | 2015-01-28 | 浙江工商大学 | 香梨成熟度预测模型建立方法 |
CN104462784A (zh) * | 2014-11-17 | 2015-03-25 | 电子科技大学 | 一种基于动态分辨熵的传感器优化管理方法 |
CN105092579B (zh) * | 2014-12-31 | 2019-05-21 | 广西师范学院 | 一种芒果品质无损检测设备 |
CN104677920B (zh) * | 2015-02-09 | 2017-04-05 | 浙江大学 | 一种基于果面局部灰度突变的水果表面虫眼检测标记方法 |
CN105372203B (zh) * | 2015-11-04 | 2017-12-15 | 江南大学 | 基于多传感器融合的新鲜苹果损伤敏感度无损检测方法 |
CN105510241B (zh) * | 2015-11-25 | 2019-04-16 | 中国矿业大学(北京) | 一种多光谱遥感反射率影像吸收特征提取方法 |
CN109001134A (zh) * | 2018-09-14 | 2018-12-14 | 南京林业大学 | 非接触式多通道水果内部缺陷检测系统及方法 |
CN109377487B (zh) * | 2018-10-16 | 2022-04-12 | 浙江大学 | 一种基于深度学习分割的水果表面缺陷检测方法 |
CN110108650A (zh) * | 2019-05-29 | 2019-08-09 | 浙江理工大学 | 水果内部品质检测高度自适应及温度校正装置 |
CN112329296A (zh) * | 2020-10-28 | 2021-02-05 | 天河超级计算淮海分中心 | 水果机械损伤计算方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1203941A1 (en) * | 2000-04-13 | 2002-05-08 | Mitsui Mining & Smelting Co., Ltd. | Device for evaluating internal quality of vegetable or fruit, method for warm-up operation of the device, and method for measuring internal quality |
CN1284967C (zh) * | 2005-03-24 | 2006-11-15 | 中国农业大学 | 一种便携式果品内部品质无损检测装置 |
CN200996941Y (zh) * | 2007-01-12 | 2007-12-26 | 浙江大学 | 一种基于多传感器信息融合的水果缺陷检测装置 |
JP4104041B2 (ja) * | 1997-09-29 | 2008-06-18 | クック インコーポレイテッド | 放射状膨張可能外科ステント |
-
2007
- 2007-01-12 CN CN200710066690A patent/CN101008621B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4104041B2 (ja) * | 1997-09-29 | 2008-06-18 | クック インコーポレイテッド | 放射状膨張可能外科ステント |
EP1203941A1 (en) * | 2000-04-13 | 2002-05-08 | Mitsui Mining & Smelting Co., Ltd. | Device for evaluating internal quality of vegetable or fruit, method for warm-up operation of the device, and method for measuring internal quality |
CN1284967C (zh) * | 2005-03-24 | 2006-11-15 | 中国农业大学 | 一种便携式果品内部品质无损检测装置 |
CN200996941Y (zh) * | 2007-01-12 | 2007-12-26 | 浙江大学 | 一种基于多传感器信息融合的水果缺陷检测装置 |
Non-Patent Citations (3)
Title |
---|
刘燕德.水果糖度和酸度的近红外光谱无损检测研究.浙江大学博士学位论文,2006,第3-23页. * |
应义斌,刘燕德.水果内部品质光特性无损检测研究及应用.浙江大学学报(农业与生命科学版)29 2.2003,29(2),125-129. |
应义斌,刘燕德.水果内部品质光特性无损检测研究及应用.浙江大学学报(农业与生命科学版)29 2.2003,29(2),125-129. * |
Also Published As
Publication number | Publication date |
---|---|
CN101008621A (zh) | 2007-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101008621B (zh) | 基于多传感器信息融合的水果缺陷检测方法和装置 | |
CN102818777B (zh) | 一种基于光谱和颜色测量的水果成熟度评价方法 | |
US6847447B2 (en) | Apparatus and method and techniques for measuring and correlating characteristics of fruit with visible/near infra-red spectrum | |
CN103048277B (zh) | 近红外光谱无损检测水果内部品质的系统及方法 | |
KR101004294B1 (ko) | 에지 센서 및 결함검사장치 | |
CN200996941Y (zh) | 一种基于多传感器信息融合的水果缺陷检测装置 | |
JP2003527594A (ja) | 可視光線スペクトル/近赤外線スペクトルにより果物の特性を測定し、相互に関連付けるための装置および方法 | |
CN105424653B (zh) | 用集成光纤探头的水果果肉组织光学特性检测系统和方法 | |
CN101832941A (zh) | 一种基于多光谱图像的水果品质评价装置 | |
KR20070026501A (ko) | 온라인 내부품질 검사방법과 장치 | |
CN102252971A (zh) | 一种芒果硬度快速检测方法 | |
CN106525759A (zh) | 一种基于衰减全反射太赫兹介电谱鉴别蜂蜜品种的方法 | |
CN1284967C (zh) | 一种便携式果品内部品质无损检测装置 | |
CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
CN104176088A (zh) | 一种非接触式弓网燃弧能量检测方法及系统 | |
CN100449302C (zh) | 瓶装黄酒标注酒龄快速无损鉴别方法和装置 | |
CN109001134A (zh) | 非接触式多通道水果内部缺陷检测系统及方法 | |
CN101074927A (zh) | 基于可见和近红外光谱特征波段的水果水心病诊断方法 | |
CN205317347U (zh) | 一种蓝光危害测量装置 | |
CN110376154A (zh) | 基于光谱校正的水果在线检测方法及系统 | |
CN112461790B (zh) | 漫反射光谱检测装置和检测方法 | |
CN107132197B (zh) | 一种食醋总酸含量的检测方法及装置 | |
CN103558177B (zh) | 生肉组织水分近红外检测装置及检测方法 | |
CN109073546B (zh) | 用于检测谷物中霉菌毒素的存在的方法和设备 | |
Kim et al. | Defect and ripeness inspection of citrus using NIR transmission spectrum |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100526 Termination date: 20140112 |