CN101013091B - 一种无损检测水果表面的粪便和农药污染物的方法和装置 - Google Patents
一种无损检测水果表面的粪便和农药污染物的方法和装置 Download PDFInfo
- Publication number
- CN101013091B CN101013091B CN 200710066951 CN200710066951A CN101013091B CN 101013091 B CN101013091 B CN 101013091B CN 200710066951 CN200710066951 CN 200710066951 CN 200710066951 A CN200710066951 A CN 200710066951A CN 101013091 B CN101013091 B CN 101013091B
- Authority
- CN
- China
- Prior art keywords
- fruit
- image
- wavelength
- ccd camera
- laser
- 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
Abstract
本发明公开了一种无损检测水果表面的粪便和农药污染物的方法和装置，它通过水果输送部件将水果推动滚动前进，拍摄水果各个部位的荧光图像；用激光器发出激光照射到水果表面，水果受激发出的荧光经过透镜进入到安装有滤波片的机构，与选通式像增强器、CCD摄像头采集不同波长处的荧光图像；通过计算机系统的图像采集卡获得图像后，通过优化方法得到三个特征波长处的荧光图像，利用三个典型波长处的光谱图像进行灰度统计或比例图像运算，再根据运算结果来预测农药残留和表面污染物；按照计算机给出的指示信号，将不合格的水果用高压喷气嘴吹入差果的滑道。本发明提供了一种快速无损检测水果农药残留和表面污染物的方法和检测装置。
Description
技术领域
本发明涉及农产品质量与安全检测技术，具体地说是一种利用激光诱导荧光光谱图像技术来检测水果表面的粪便和农药污染物的方法和装置。
背景技术
为了防治虫害，果农在果树开花到结果期间都要喷洒大量农药，所以许多水果都会存在农药残留问题。水果农药残留有两种形式，一种是附着在水果的表面；另外一种是植物在生长过程中，农药直接进入水果的根茎叶中。农药一旦残留在水果表面就很难去除，像三唑类、二氧化硫等还具有致癌性和致过敏性。如果在苹果、李子、杏和梨等结果时喷洒农药，农药会浸透果皮并残留在果皮的蜡质中，致使果皮中的农药残留量比果肉中高许多。目前用于水果、蔬菜的农药有几百种，大部分不易分解。有人相信用洗洁精可以去除水果、蔬菜表面的残留农药，还有人认为用清水冲洗或用热水烫可以达到去除残留农药的目的。其实，清水冲洗只能去除水果、蔬菜表面的小部分残留农药，采用热水烫虽然可以除去更多一些，但大部分农药仍留在水果、蔬菜表面。农业部蔬菜品质监督检验测试中心曾专门对用洗洁精清洗水果做了检测实验，结果发现，几个品牌的洗洁精中，使残留农药减低最多的仅为42％。还有些专家认为，市场上出售的洗洁精大都为碱性，农药在遇到碱性洗洁精后，其毒性会增加10-20倍。此外，通过与人、动物和土壤等接触，水果表面还会存在由粪便等造成的另一种表面污染，这些污染物同样是一种病原体，容易导致人的许多疾病，如中毒、腹泻。此外，禽流感传播途径之一就是鸟的粪便，而且水果表面经常会存在鸟的粪便污染。
随着经济和社会的进步，水果表面农药残留和表面污染问题越来越受到重视。常规表面农药残留和粪便污染物(通过人、动物和土壤等导致的)的检测费时、费力且需要破坏水果样品。所以不适合无损、大批量检测，也不适合水果加工企业的在线检测。即使对水果采用清洗装置，但还是会有许多水果表面污染物不能完全消除。因此，直接食用或榨汁时，水果的农药残留和表面污染便成为病原体，容易导致人的许多疾病，有的甚至引起严重的健康和社会问题。
目前，尚没有能对水果进行无损、在线检测表面农药残留和粪便污染物的技术和方法。因此有必要设计一种非破坏、非接触、快速的在线检测技术方法，以利对水果更精确的分级，提高水果国际市场竞争能力。
发明内容
本发明的目的在于提供一种利用激光诱导荧光光谱图像技术来快速无损检测水果表面的粪便和农药污染物的方法和装置。
本发明解决上述技术问题所采用的技术方案为：
一种无损检测水果表面的粪便和农药污染物的方法，其特征是包括如下步骤：
1)通过水果输送部件将水果推动滚动前进，以利拍摄水果各个部位的荧光图像；
2)用激光器发出的激光照射到水果表面，水果受激发出的荧光经过透镜进入到安装有滤波片的机构，该机构与选通式像增强器、CCD摄像头一起采集不同波长处的荧光图像；
3)通过系统的图像采集卡、图像光谱仪、选通式像增强器、CCD摄像头采集400nm至1000nm区间内各个波长处的荧光光谱图像。在各个波长处，将表面有农药残留(或有粪便污染物)的水果荧光光谱图像与表面没有农药残留(或没有粪便污染物)的水果荧光光谱图像进行色差计算。对各个波长的图像应用最佳色差算法进行优化选择，得到三个特征波长处的荧光光谱图像，即找到具有最大色差的两个波长，同时找出色差最小的一个波长，利用这三个典型波长处的光谱图像进行灰度统计或比例图像运算，然后统计图像的纹理特征，再根据纹理特征来预测水果表面是否存在农药残留和粪便污染物；
4)判断出水果是否合格后，按照计算机给出的指示信号，将不合格的水果用高压喷气嘴吹入好果滑道或差果滑道。
典型波长的光谱图像通过数学优化方法得到。具体过程是：将所述的步骤2)中的滤波片机构换成图像光谱仪，由图像光谱仪、选通式像增强器、CCD摄像头采集受激光器激发的各个波长处的荧光图像；然后通过计算机系统在各个波长处，将有农药残留或表面有污染物的水果荧光图像与没有农药残留或表面有污染物的水果荧光图像进行色差计算，找出具有最大色差的两个波长，同时找出色差最小的一个波长。
一种无损检测水果表面的粪便和农药污染物的装置，其特征是：包括水果输送部件、荧光光谱图像获取部件、计算机系统和分级机构，所述的水果输送部件由滑道和滑道上的圆弧锥滚轮构成，分级机构包括高压喷气嘴，高压喷气嘴安装在水果输送部件好果和差果滑道的分叉处，所述的荧光光谱图像获取部件包括脉冲激光器、激光扩束器、触发器、CCD摄像头、选通式像增强器和滤波片，激光扩束器安装在脉冲激光器的前面，选通式像增强器前装有滤波片，滤波片前面装有透镜，选通式像增强器连接CCD摄像头，CCD摄像头通过触发器连接脉冲激光器，CCD摄像头还连接到计算机系统的图像采集卡，荧光光谱图像获取部件的脉冲激光器位于水果输送部件的上方，水果输送部件上装有脉冲激光器的位置传感器。
所述的脉冲激光器为ND:YAG脉冲激光器，其波长可选用355nm或514nm。
所述的计算机系统包含硬件和软件两大部件。有用于无损检测水果表面农药残留和粪便污染物的专用系统软件(即检测软件)。
由于本发明采取了上述的技术措施，它与现有技术相比具有如下特点：
目前对农药的检测方法主要有化学分析法、色谱分析法、分光光度法、荧光分析法等，都是破坏性检测。图像检测方法是现代无损、快速检测工业、农业产品的主要方法。由于水果表面农药残留和粪便污染物在激光照射后会受激发出荧光，通过对这些荧光进行光谱成像，这样就能无损地检测出水果表面农药残留和粪便污染物。本发明的荧光光谱图像法具有很高的灵敏度和强选择性，非常适合检测复杂、产量大的水果产品。
附图说明
图1是本发明的原理及方法示意图；
图2是本发明分级机构的结构示意图。
具体实施方式
以下结合附图和实施例对本发明作进一步详细描述。
参照附图，本发明结构如下：
1)水果输送部件。水果输送部件采用圆弧锥滚轮13，使水果14能滚动前进，以利拍摄水果14各个部位的荧光光谱图像。
2)荧光光谱图像获取部件。包括脉冲激光器4、激光扩束器5、CCD摄像头6、选通式像增强器7和滤波片8或图像光谱仪(图中未画出)等组成。由激光器4发出的激光10照射到水果14表面，水果14受激后发出的荧光11经过透镜9进入到安装有滤波片8或图像光谱仪的机构，该机构与选通式像增强器7、CCD摄像头6一起能采集不同波长处的荧光图像。触发器3的功能是控制脉冲激光器4的激光发射和CCD摄像头6采集图像的时间。
3)计算机系统。计算机1通过图像采集卡2获得图像后，检测软件通过优化方法得到三个特征(典型)波长处的荧光图像，利用三个典型波长处的光谱图像进行灰度统计或比例图像运算，然后再根据运算结果(得到的图像纹理特征值)来预测表面粪便污染物和农药残留。
4)分级机构。该机构包含有高压喷气嘴12，按照计算机1给出的指示信号，根据相关水果14等级或技术标准，将安全性不合格的水果14吹入差果滑道17。
本发明工作时，输送部件工作，水果14摆放在水果滚轮13间，由于滚轮13转动，水果14滚动前进。水果14由输送部件输送到脉冲激光器正下方，正对激光器4和CCD摄像头6。位置传感器15感应信号后引起触发器3先启动脉冲激光10，然后再控制CCD摄像头6拍摄荧光图像。检测软件优化获取三个典型特征波长处的图像C1、C2、C3后，得到阈值分割后的比例图像C12、C32的像素灰度分布。根据图像纹理特征(如像素灰度均值和灰度矩等)来预测水果14表面农药残留和污染物。当检测软件根据相关水果等级或技术标准做出判断后发出信号给高压喷气装置，按照计算机给出的指示信号，高压喷气嘴12将不合格的水果14吹入差果滑道17。
获取典型特征波长处的光谱图像要通过数学优化方法来完成。具体过程是：
在图1所示系统中，由图像光谱仪(图中未画出)、选通式像增强器7、CCD摄像头6采集受激光器4激发的各个波长处的荧光图像。图像光谱仪取代滤波片8安装在原滤波片8。将获得的荧光图像变换成CIELuv格式。这里L描述色彩的亮度，u描述色彩的范围从绿色到红色，v描述色彩的范围从蓝色到黄色。按公式1计算色差。
ΔS＝[(Δu)2+(Δv)2]1/2 (1)
在各个波长处，将表面有农药残留(或有污染物)的水果荧光图像与表面没有农药残留(或表面有污染物)的水果荧光图像进行色差计算。找出具有最大色差的两个波长λ1、λ3，同时找出色差最小的一个波长λ2。
找出典型特征波长后，分别进行λ1图像与λ2图像的比例运算、λ3与λ2图像的比例运算。这样同时还可以消除水果形状对图像的影响。定义λ1图像与λ2图像的比例运算得到的图像为C12、λ3与λ2图像的比例运算得到的图像为C32。对图像C12、C32进行阈值分割，进一步去除背景和没有农药残留和污染物的水果表面。然后统计图像C12、C32的像素灰度分布。
Claims (3)
1.一种无损检测水果表面的粪便和农药污染物的方法，其特征是包括如下步骤：
1)通过水果输送部件将水果(14)推动滚动前进，以利拍摄水果(14)各个部位的荧光图像；
2)用激光器(4)发出的激光(10)照射到水果(14)表面，水果(14)受激发出的荧光(11)经过透镜(9)进入到安装有滤波片(8)的机构，该机构与选通式像增强器(7)、CCD摄像头(6)一起采集不同波长处的荧光图像；
3)通过计算机系统的计算机图像采集卡(2)获得图像后，通过优化方法得到三个特征波长处的荧光图像，所述优化方法是指：将所述的步骤2)中的滤波片(8)机构换成图像光谱仪，由图像光谱仪、选通式像增强器、CCD摄像头采集受激光器(4)激发的各个波长处的荧光图像；将获得的荧光图像变换成CIELuv格式，其中L描述色彩的亮度，u描述色彩的范围从绿色到红色，v描述色彩的范围从蓝色到黄色，按公式1计算色差；在各个波长处，将表面有农药残留或粪便污染物的水果荧光图像与表面没有农药残留或粪便污染物的水果荧光图像进行色差计算，找出具有最大色差的两个波长λ1、λ3，同时找出色差最小的一个波长λ2；
ΔS＝[(Δu)2+(Δv)2]1/2 (1)
找出特征波长后，分别进行λ1图像与λ2图像的比例运算、λ3与λ2图像的比例运算，定义λ1图像与λ2图像的比例运算得到的图像为C12、λ3与λ2图像的比例运算得到的图像为C32；对图像C12、C32进行阈值分割，然后统计图像C12、C32的像素灰度分布；根据像素灰度均值和灰度矩来预测水果(14)表面农药残留和粪便污染物；
4)按照计算机(1)给出的指示信号，将不合格的水果(14)用高压喷气嘴(12)吹入差果的滑道(17)。
2.一种无损检测水果表面的粪便和农药污染物的装置，其特征是：包括水果输送部件、荧光光谱图像获取部件、计算机系统和分级机构，所述的水果输送部件由滑道(18)和滑道(18)上的圆弧锥滚轮(13)构成，分级机构包括高压喷气嘴(12)，高压喷气嘴(12)安装在水果输送部件好果滑道(16)和差果滑道(17)的分叉处，所述的荧光光谱图像获取部件包括脉冲激光器(4)、激光扩束器(5)、触发器(3)、CCD摄像头(6)、选通式像增强器(7)和滤波片(8)，激光扩束器(5)安装在脉冲激光器(4)的前面，选通式像增强器(7)前装有滤波片(8)，滤波片(8)前面装有透镜(9)，选通式像增强器(7)连接CCD摄像头(6)，CCD摄像头(6)通过触发器(3)连接脉冲激光器(4)，CCD摄像头(6)还连接到计算机系统的图像采集卡(2)，荧光光谱图像获取部件的脉冲激光器(4)位于水果输送部件的上方，水果输送部件上装有脉冲激光器的位置传感器(15)。
3.根据权利要求2所述的无损检测水果表面的粪便和农药污染物的装置，其特征是：所述的脉冲激光器(4)为ND:YAG脉冲激光器，其波长可选用355nm或514nm。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200710066951 CN101013091B (zh) | 2007-01-25 | 2007-01-25 | 一种无损检测水果表面的粪便和农药污染物的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200710066951 CN101013091B (zh) | 2007-01-25 | 2007-01-25 | 一种无损检测水果表面的粪便和农药污染物的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101013091A CN101013091A (zh) | 2007-08-08 |
| CN101013091B true CN101013091B (zh) | 2011-06-01 |
Family
ID=38700744
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200710066951 Expired - Fee Related CN101013091B (zh) | 2007-01-25 | 2007-01-25 | 一种无损检测水果表面的粪便和农药污染物的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101013091B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102495066A (zh) * | 2011-12-05 | 2012-06-13 | 江南大学 | 高光谱透射图像采集系统及基于该系统的豆荚无损检测方法 |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101673344A (zh) * | 2009-10-09 | 2010-03-17 | 江苏大学 | 滤波片光谱图像技术识别自然场景成熟柑橘的装置及方法 |
| CN101911877B (zh) * | 2010-07-06 | 2012-05-30 | 北京农业智能装备技术研究中心 | 基于激光漫反射图像技术的种子生命力鉴别装置和方法 |
| CN102183475A (zh) * | 2011-02-21 | 2011-09-14 | 中国农业大学 | 固态农产品实时检测系统 |
| CN103323457B (zh) * | 2013-05-20 | 2015-08-26 | 中国农业大学 | 水果外观缺陷实时在线检测系统及检测方法 |
| CN103884742A (zh) * | 2014-01-27 | 2014-06-25 | 綦升军 | 蔬菜水果类污染程度检测器 |
| KR101595434B1 (ko) * | 2014-10-13 | 2016-02-19 | 한국생산기술연구원 | 배설물형상측정장치 및 방법 |
| CN106093297B (zh) * | 2016-05-27 | 2018-02-02 | 北京言必信科技有限公司 | 一种联网控制监控筛选的农作物农药残留快速检测装置 |
| CN106442358A (zh) * | 2016-10-11 | 2017-02-22 | 西安工业大学 | 苹果品质检测装置及检测方法 |
| CN106954009B (zh) * | 2017-01-07 | 2020-08-04 | 大连欧普迪光电仪器有限公司 | 图谱获取装置、方法及便携终端 |
| CN110044856A (zh) * | 2019-03-28 | 2019-07-23 | 安徽理工大学 | 一种多光源lif葵花籽油掺杂菜籽油的快速无损鉴别设备 |
| CN110031442B (zh) * | 2019-05-12 | 2021-10-15 | 广州市荟鲜惠绿农产品有限公司 | 一种农产品农药残留检测系统 |
| CN110346342B (zh) * | 2019-08-28 | 2021-12-21 | 苏银华 | 一种农药残留检测方法 |
| CN110501346B (zh) * | 2019-09-24 | 2021-02-19 | 江南大学 | 基于多光谱图像采集技术的品质检测系统 |
| CN111220587B (zh) * | 2020-02-18 | 2022-11-18 | 江苏大学 | 一种基于激发荧光的便携式农残检测仪器 |
-
2007
- 2007-01-25 CN CN 200710066951 patent/CN101013091B/zh not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102495066A (zh) * | 2011-12-05 | 2012-06-13 | 江南大学 | 高光谱透射图像采集系统及基于该系统的豆荚无损检测方法 |
| CN102495066B (zh) * | 2011-12-05 | 2014-01-01 | 江南大学 | 基于高光谱透射图像采集系统的豆荚无损检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101013091A (zh) | 2007-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101013091B (zh) | 一种无损检测水果表面的粪便和农药污染物的方法和装置 | |
| CN101832941B (zh) | 一种基于多光谱图像的水果品质评价装置 | |
| Lee et al. | Development of a machine vision system for automatic date grading using digital reflective near-infrared imaging | |
| CN107543801A (zh) | 基于高光谱的芒果冲击损伤后硬度预测方法 | |
| CN101832926B (zh) | 一种利用高光谱图像技术进行苹果粉质化无损检测方法 | |
| CA2748829A1 (en) | System and method for analyzing properties of meat using multispectral imaging | |
| CN109886298A (zh) | 一种基于卷积神经网络的焊缝质量检测方法 | |
| CN101021478A (zh) | 一种水果品质的激光诱导荧光高光谱图像检测方法和装置 | |
| CN104374752A (zh) | 基于共线激光诱导击穿光谱的作物营养元素快速检测方法 | |
| US6400833B1 (en) | Method and apparatus for discrimination of product units from spread spectrum images of thin portions of product units | |
| CN105717135A (zh) | 一种基于高光谱成像的监控激光清洗进程的方法 | |
| Chiu et al. | Automated detection of mechanically induced bruise areas in golden delicious apples using fluorescence imagery | |
| CN105588836A (zh) | 一种检测激光清洗效果的装置及方法 | |
| Wiederoder et al. | Use of a portable hyperspectral imaging system for monitoring the efficacy of sanitation procedures in produce processing plants | |
| CN102494977A (zh) | 大米碎米率在线检测方法和系统 | |
| CN201021921Y (zh) | 一种无损检测水果表面粪便和农药污染物的装置 | |
| CN107389601A (zh) | 基于高光谱的芒果冲击损伤后可滴定酸含量预测方法 | |
| GB2511036A (en) | Process and Apparatus for Cleaning a Surface | |
| Li et al. | Automatic defect detection method for the steel cord conveyor belt based on its X-ray images | |
| Adebayo et al. | Prediction of banana quality attributes and ripeness classification using artificial neural network | |
| Arsalan et al. | Low-cost machine vision system for dimension measurement of fast moving conveyor products | |
| Molto et al. | Computer vision for automatic inspection of agricultural produce | |
| CN109772730B (zh) | 一种椭圆形或圆形果蔬检测与分级机构 | |
| US20170138866A1 (en) | Defect recognition system and defect recognition method | |
| WO2021010817A1 (en) | Apparatus to measure ripeness of oil palm fruitlets via real-time chlorophyll content measurement |
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: 20110601 Termination date: 20120125 |