CN102818777B - 一种基于光谱和颜色测量的水果成熟度评价方法 - Google Patents
一种基于光谱和颜色测量的水果成熟度评价方法 Download PDFInfo
- Publication number
- CN102818777B CN102818777B CN201210307186.6A CN201210307186A CN102818777B CN 102818777 B CN102818777 B CN 102818777B CN 201210307186 A CN201210307186 A CN 201210307186A CN 102818777 B CN102818777 B CN 102818777B
- Authority
- CN
- China
- Prior art keywords
- fruit
- near infrared
- evaluation
- fruit maturity
- maturity
- 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
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于光谱和颜色测量的水果成熟度评价方法,其包括下述步骤:(1)针对某一种水果进行等级划分,测定每一等级水果的颜色测量参数、可见近红外光谱、内部品质评价指标;(2)首先结合可见近红外光谱和内部品质评价指标,应用多元校正方法建立水果内部品质定量分析模型,然后融合颜色测量参数,以水果成熟度等级为标准参考,通过机器学习算法建立水果成熟度评价模型;(3)测定待评价水果样本的可见近红外光谱及颜色测量参数,将其分别输入所述的水果内部品质定量分析模型及水果成熟度评价模型中,计算机对水果成熟度进行智能等级评价。本发明所述方法简单、无损果实、准确高效。
Description
技术领域
本发明涉及一种水果成熟度智能评价方法,具体涉及一种基于光谱和颜色测量的水果成熟度评价方法。
背景技术
水果的成熟度是水果分级、保鲜及存储的一项重要指标,也是消费者选购时的主要依据。采收成熟度对贮藏效果影响很大,采收过早,果实尚未充分发育,果个小,糖分积累不足,色泽差,缺乏应有的风味;采收过晚,果实过分成熟,果肉松软、硬度不够,不耐贮藏。目前,在果实采收环节,确定果实成熟期和最佳采收期的传统方法是根据经验和目测判断,只能由人工从外观进行判断,同时这种主观评定受到个人视力、鉴别力、情绪、疲劳程度、经验、光线强弱和颜色等因素的影响,无法保证准确性;部分采用抽样检测,也往往是破坏性检测,而且工作效率低,难以在现代生产和营销中应用。随着果树产业规模化和集约化进程的加快,特别是国际化贸易对果实成熟度和科学采收的更高要求,常规的水果成熟度预测技术已不能适应现代果树产业发展的需求。为此,农业及相关领域的学者都致力于研究开发更为快速、方便、准确的果实成熟度预测方法,以适应现代生产和物流的需要。
WO1999JP01609、US2011040504A和JP7239320A通过果蔬敲击振动的频谱分析判断果蔬成熟度。公开号CN101806764A和CN100575950C的中国专利公布了利用电子鼻技术鉴别桃子和西瓜的成熟度。公开号CN2763804Y的中国专利根据水果的介电特性检测水果的成熟度。公开号CN 102095797A的中国专利公布了基于水果内部超声波的传输特性检测水果的成熟度。采用敲击振动的方式容易损伤水果,电子鼻技术样品前处理集气时间长,介电特性检测操作不方便,难以实现自动化检测、便携式快速检测。
水果的成熟度表现在颜色、风味、形态、硬度和质地等各方面,单一的检测指标往往是不全面的,为提高检测的全面性、可靠性和灵敏度,融合各品质指标智能判识水果成熟度成为快速无损检测的新趋势。国内外研究报道近红外光谱检测水果的内部品质(糖度、酸度、硬度和VC含量等)的方法,综合各品质指标进行成熟度预测国内外未见报道。另外,水果表面颜色的变化是判断水果成熟程度的重要参考指标,融合水果各项内部品质指标和颜色特征,可有效避免单一测量指标表示水果成熟度的局限性,提高水果成熟度预测的准确性和稳定性。
发明内容
本发明的目的是提供一种简单、无损果实、准确高效的基于光谱和颜色测量的水果成熟度评价方法。
本发明的基于光谱和颜色测量的水果成熟度评价方法包括下述步骤:
(1)针对某一种水果,取具有代表性的水果样本进行等级划分,测定每一等级水果的颜色测量参数、可见近红外光谱和内部品质评价指标;
(2)首先结合可见近红外光谱和内部品质评价指标,应用多元校正方法建立水果内部品质定量分析模型,然后融合颜色测量参数及水果内部品质定量分析模型中输出的标准品质评价指标,以水果成熟度等级为标准参考,通过机器学习算法建立水果成熟度评价模型;
(3)测定待评价水果样本的可见近红外光谱及颜色测量参数,将其分别输入所述的水果内部品质定量分析模型及水果成熟度评价模型中,计算机对水果成熟度进行智能等级评价。
其中,所述颜色测量参数与标准品质评价指标的融合包括特征数据融合及决策数据融合,
另外,所述颜色测量参数包括色坐标L*a*b*和色差△E。
另外,所述品质评价指标为可溶性固形物含量、硬度、酸度及固酸比中的一种或几种。
另外,所述多元校正方法为多元线性回归、主成分回归及偏最小二乘法回归中的一种或几种。
另外,所述机器学习算法为人工神经网络、支持向量机中的一种或几种。
另外,测定颜色测量参数及可见近红外光谱时,选取水果赤道位多点测量。
另外,测定可见近红外光谱时,采用卤素等光源,波长范围为380~1700nm。水果成熟度检测方法。
本发明的方法能对水果的成熟度进行快速无损检测,综合颜色和光谱信息,即综合水果内外部特性预测水果成熟度。与目前的理化分析方法及人工方法对水果成熟度相比,其客观性、时效性更强,效率更高,且不损伤水果。本发明将基于光谱和颜色的光学检测手段应用于水果成熟度检测过程中,既可以解放劳动力、又具有检测精度高、结果一致性好、自动化程度强和环境友好等优点,可准确预测水果成熟度。
附图说明
图1为本发明的水果成熟度测试方法的流程图。
图2为实施例中水果的可见近红外光谱图。
图3为实施例中颜色测量图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。本发明对水果的成熟度预测具有通用性,但由于水果种类很多,因此本发明仅以红富士苹果为实施实例,其它水果的成熟度预测可参照该实施实例的方法,具体针对所测的样本的成熟度标准,建立一个新的成熟度评价模型,就可以对该水果进行测试。以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例
如图1所示,首先采摘不同成熟期的苹果样本,根据国家检测标准GB10651-2008评定该不同成熟时期的苹果分别对应四个成熟度,即为未成熟、可采成熟度、食用成熟度、生理成熟度四个等级;将这些苹果作为标准样本,建立标样集;根据苹果的光谱响应特性,设置光谱扫描的积分时间为50毫秒,平均次数为10,平滑度为5,波长范围400-1100nm,测试光程2mm,光纤探头配有长度可调谐遮光胶套遮光,存储暗光谱和参考光谱,在水果赤道位进行水果样品的可见近红外光谱采集;可见近红外光谱仪为微型光纤光谱仪,内置CCD阵列探测器,用于接收水果样品的漫反射光信号,并将光谱信号转变为电信号,再通过A/D转换转变为数字信号通过USB接口输入到计算机,苹果的可见近红外光谱图如图2所示;
同时选择光纤光谱仪颜色测量功能,以标准漫反射参考白板为苹果样品背景参比,在水果赤道位进行颜色测量,获得CIE1976颜色空间的色坐标(L*a*b*)和色差(ΔE)等参数,如表3所示,将结果输入到计算机;
同时根据国家检测标准GB10651-2008测定硬度、可溶性固形物含量、酸度及固酸比,输入计算机;
首先对获取的苹果光谱信号选用平滑、标准化、中心化、导数、多元散射校正、标准正态变量等光谱预处理方法处理,结合可见近红外光谱及硬度、可溶性固形物含量、酸度及固酸比,应用本领域技术人员公知的多元线性回归及偏最小二乘法回归建立水果内部品质定量分析模型;
然后融合颜色测量参数及水果内部品质定量分析模型中输出的标准品质评价指标,以水果成熟度等级为标准参考,通过本领域技术人员公知的支持向量机算法建立水果成熟度评价模型;
取待评价水果样本,按照上述同样方法测定其可见近红外光谱及CIE1976颜色空间的色坐标(L*a*b*)和色差(ΔE),将其分别输入所述的水果内部品质定量分析模型及水果成熟度评价模型中,得到计算机对水果成熟度的智能等级评价。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (1)
1.一种基于光谱和颜色测量的水果成熟度评价方法,其特征在于,包括下述步骤:
首先采摘不同成熟期的苹果样本,根据国家检测标准GB10651-2008评定该不同成熟期的苹果分别对应四个成熟度,即为未成熟、可采成熟度、食用成熟度、生理成熟度四个等级;将这些苹果作为标准样本,建立标样集;根据苹果的光谱响应特性,设置光谱扫描的积分时间为50毫秒,平均次数为10,平滑度为5,波长范围400-1100nm,测试光程2mm,光纤探头配有长度可调谐遮光胶套遮光,存储暗光谱和参考光谱,在水果赤道位进行水果样品的可见近红外光谱采集;可见近红外光谱仪为微型光纤光谱仪,内置 CCD阵列探测器,用于接收水果样品的漫反射光信号,并将光谱信号转变为电信号,再通过A/D转换转变为数字信号通过USB接口输入到计算机;
同时选择光纤光谱仪颜色测量功能,以标准漫反射参考白板为苹果样品背景参比,在水果赤道位进行颜色测量,获得CIE1976颜色空间的色坐标L* a* b*和色差ΔE参数,将结果输入到计算机;
同时根据国家检测标准GB10651-2008测定硬度、可溶性固形物含量、酸度及固酸比,输入计算机;
首先对获取的苹果光谱信号选用平滑、标准化、中心化、导数、多元散射校正、标准正态变量光谱预处理方法处理,结合可见近红外光谱及硬度、可溶性固形物含量、酸度及固酸比,应用多元线性回归及偏最小二乘法回归建立水果内部品质定量分析模型;
然后融合颜色测量参数及水果内部品质定量分析模型中输出的标准品质评价指标,以水果成熟度等级为标准参考,通过支持向量机算法建立水果成熟度评价模型;
取待评价水果样本,按照同样方法测定其可见近红外光谱及CIE1976颜色空间的色坐标L* a* b*和色差ΔE,将其分别输入所述的水果内部品质定量分析模型及水果成熟度评价模型中,得到计算机对水果成熟度的智能等级评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210307186.6A CN102818777B (zh) | 2012-08-24 | 2012-08-24 | 一种基于光谱和颜色测量的水果成熟度评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210307186.6A CN102818777B (zh) | 2012-08-24 | 2012-08-24 | 一种基于光谱和颜色测量的水果成熟度评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102818777A CN102818777A (zh) | 2012-12-12 |
CN102818777B true CN102818777B (zh) | 2015-03-18 |
Family
ID=47303030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210307186.6A Active CN102818777B (zh) | 2012-08-24 | 2012-08-24 | 一种基于光谱和颜色测量的水果成熟度评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102818777B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI621091B (zh) * | 2016-12-02 | 2018-04-11 | 財團法人資訊工業策進會 | 農產品檢測裝置、農產品管理系統及其方法 |
RU2730110C1 (ru) * | 2019-12-24 | 2020-08-17 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Московский государственный университет имени М.В. Ломоносова" (МГУ) | Способ определения времени созревания одного или нескольких плодов |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103454229B (zh) * | 2013-09-25 | 2016-03-02 | 安徽中医药大学 | 一种宣木瓜适宜采收期的判别方法 |
CN103575689B (zh) * | 2013-10-11 | 2015-07-15 | 西北农林科技大学 | 近红外光谱和可见光分析仪快速检测稻米中直链淀粉含量的方法 |
CN103971176B (zh) * | 2014-05-07 | 2017-07-07 | 中国农业科学院柑桔研究所 | 一种柑橘果实优质化采收决策的方法及系统 |
CN104568763A (zh) * | 2015-01-22 | 2015-04-29 | 江西科技师范大学 | 基于光声技术的水果糖度检测计 |
CN104794442B (zh) * | 2015-04-16 | 2017-11-14 | 桂林电子科技大学 | 整株苹果树生熟程度识别平台 |
CN105527244A (zh) * | 2015-10-26 | 2016-04-27 | 沈阳农业大学 | 一种基于近红外光谱的寒富苹果品质无损检测方法 |
CN106644957B (zh) * | 2016-11-14 | 2019-04-05 | 浙江大学 | 一种枇杷采后果肉可溶性固形物分布成像的方法 |
CN106644961A (zh) * | 2016-12-20 | 2017-05-10 | 中铝瑞闽股份有限公司 | 一种铝材经铬化处理后成膜重量的快速检测方法 |
CN107462533A (zh) * | 2017-08-11 | 2017-12-12 | 宜宾金铁红林业科技有限公司 | 基于光谱技术的油樟果实摘采仪 |
CN107703064B (zh) * | 2017-08-18 | 2023-06-30 | 中国彩棉(集团)股份有限公司 | 一种天然彩棉颜色分级的方法 |
CN108037081B (zh) * | 2017-10-20 | 2020-07-28 | 中国农业大学 | 一种酿酒葡萄成熟度监测方法和系统 |
CN109765186A (zh) * | 2017-12-19 | 2019-05-17 | 郑州达诺生物技术有限公司 | 阴道微生态环境智能检测系统及智能分析方法 |
CN108304970B (zh) * | 2018-02-05 | 2021-09-10 | 西北农林科技大学 | 苹果贮藏期的快速预测方法及系统、气调贮藏监控系统 |
CN109100311B (zh) * | 2018-07-11 | 2020-07-28 | 中国农业大学 | 草莓成熟度快速识别方法及装置 |
CN109655414B (zh) * | 2018-11-27 | 2021-11-02 | Oppo广东移动通信有限公司 | 电子设备、信息推送方法及相关产品 |
CN109639888B (zh) * | 2018-11-27 | 2021-04-09 | Oppo广东移动通信有限公司 | 电子装置、信息推送方法及相关产品 |
CN109596561A (zh) * | 2018-12-29 | 2019-04-09 | 芯视界(北京)科技有限公司 | 一种远程实时在线水果品质监测系统及监测方法 |
CN109612939B (zh) * | 2019-01-24 | 2020-08-21 | 中国科学院长春光学精密机械与物理研究所 | 基于红外吸收光谱的食品劣变程度检测系统及检测方法 |
CN109978822B (zh) * | 2019-02-15 | 2023-05-05 | 仲恺农业工程学院 | 一种基于机器视觉的香蕉成熟度评判建模方法和评判方法 |
CN110081971B (zh) * | 2019-04-17 | 2021-05-28 | 广东易谷照明有限公司 | 一种面向视觉颜色喜好的展陈照明光品质评价方法 |
CN110031408A (zh) * | 2019-05-14 | 2019-07-19 | 贵阳学院 | 一种猕猴桃成熟度快速判别装置及方法 |
CN110208194A (zh) * | 2019-06-11 | 2019-09-06 | 华东交通大学 | 水果成熟度检测装置及成熟度评价方法 |
CN113218889A (zh) * | 2020-01-21 | 2021-08-06 | 青岛海尔电冰箱有限公司 | 水果的检测方法、冰箱及存储介质 |
CN111923073A (zh) * | 2020-06-15 | 2020-11-13 | 中国农业大学 | 一种球形果蔬采摘检测智能机器手及机械臂系统 |
CN113298835B (zh) * | 2021-06-16 | 2023-07-28 | 大连大学 | 一种果实采收成熟度加权评估方法 |
DE102021211546A1 (de) | 2021-08-20 | 2023-02-23 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein | Verfahren und System zur manuellen Qualitätsprüfung von Obst und Gemüse und anderen Lebensmitteln |
DE102021211548A1 (de) | 2021-08-20 | 2023-02-23 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein | System und Verfahren zur automatischen Qualitätsprüfung von Obst und Gemüse und anderen Lebensmitteln |
CN118033009B (zh) * | 2024-04-12 | 2024-06-21 | 中国农业大学 | 基于外观质地风味三要素的热带水果固态加工原料品质评价方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07128226A (ja) * | 1993-10-29 | 1995-05-19 | Hitachi Ltd | バナナ果実熟成検査装置 |
-
2012
- 2012-08-24 CN CN201210307186.6A patent/CN102818777B/zh active Active
Non-Patent Citations (4)
Title |
---|
A Methodology for Sensor Fusion Design: Application to Fruit Quality Assessment;V. Steinmetz等;《J. agric. Engng Res.》;19991231;第74卷;第21-31页 * |
Apple quality assessment by fusion three sensors;Zou Xiaobo 等;《IEEE》;20051231;第389-392页 * |
基于可见/近红外光谱的水果糖度检测模型优化及应用研究;徐惠荣;《中国博士学位论文全文数据库 农业科技辑》;20110715(第7期);第46-59、100页 * |
近红外光谱技术在水果成熟期预测中的应用(综述);毛莎莎 等;《亚热带植物科学》;20101231;第39卷(第1期);第82-87页 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI621091B (zh) * | 2016-12-02 | 2018-04-11 | 財團法人資訊工業策進會 | 農產品檢測裝置、農產品管理系統及其方法 |
RU2730110C1 (ru) * | 2019-12-24 | 2020-08-17 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Московский государственный университет имени М.В. Ломоносова" (МГУ) | Способ определения времени созревания одного или нескольких плодов |
Also Published As
Publication number | Publication date |
---|---|
CN102818777A (zh) | 2012-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102818777B (zh) | 一种基于光谱和颜色测量的水果成熟度评价方法 | |
CN110411957B (zh) | 水果货架期及新鲜程度的无损快速预测方法及装置 | |
Zude et al. | Non-destructive tests on the prediction of apple fruit flesh firmness and soluble solids content on tree and in shelf life | |
Jha et al. | Non-destructive determination of firmness and yellowness of mango during growth and storage using visual spectroscopy | |
Li et al. | Pears characteristics (soluble solids content and firmness prediction, varieties) testing methods based on visible-near infrared hyperspectral imaging | |
CN106841052B (zh) | 一种快速检测食用肉类新鲜度的方法和系统 | |
CN103048277B (zh) | 近红外光谱无损检测水果内部品质的系统及方法 | |
CN107817223A (zh) | 快速无损实时预测原油性质模型的构建方法及其应用 | |
CN105445421B (zh) | 一种通过外观指标预测片烟醇化过程中感官质量的方法 | |
CN101419166A (zh) | 基于近红外光谱和机器视觉技术的茶叶品质无损检测方法及装置 | |
CN104977258B (zh) | 基于二维相关光谱的茶叶/化妆品等品质检测方法 | |
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 | |
Melado-Herreros et al. | Postharvest ripeness assessment of ‘Hass’ avocado based on development of a new ripening index and Vis-NIR spectroscopy | |
CN104965973A (zh) | 一种苹果霉心病多因子无损检测判别模型及其建立方法 | |
Berardinelli et al. | Kiwifruit flesh firmness determination by a NIR sensitive device and image multivariate data analyses | |
CN110487746A (zh) | 一种基于近红外光谱检测娃娃菜品质的方法 | |
CN108414376B (zh) | 便捷式无损伤桃果实硬度测定模型建立方法 | |
CN104297201A (zh) | 一种快速、准确定量调和油中各种油份比例的检测方法 | |
Setiawan et al. | Classification of palm oil fresh fruit bunch using multiband optical sensors | |
CN108169168A (zh) | 检测分析水稻籽粒蛋白质含量数学模型及构建方法和应用 | |
CN110672578A (zh) | 针对煎炸油极性组分检测的模型通用性及稳定性验证方法 | |
CN110231328A (zh) | 一种基于半峰高距离法的拉曼光谱定量分析技术 | |
CN113030011A (zh) | 水果糖度快速无损检测方法及检测系统 | |
Kim et al. | Defect and ripeness inspection of citrus using NIR transmission spectrum | |
CN103163083B (zh) | 一种生鲜肉类多参数检测的双波段光谱融合方法及系统 |
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 |