CN103063585B - 瓜果成熟度快速无损检测装置及检测系统建立方法 - Google Patents

瓜果成熟度快速无损检测装置及检测系统建立方法 Download PDF

Info

Publication number
CN103063585B
CN103063585B CN201310001757.8A CN201310001757A CN103063585B CN 103063585 B CN103063585 B CN 103063585B CN 201310001757 A CN201310001757 A CN 201310001757A CN 103063585 B CN103063585 B CN 103063585B
Authority
CN
China
Prior art keywords
melon
fruit
image
ripeness
degree
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
Application number
CN201310001757.8A
Other languages
English (en)
Other versions
CN103063585A (zh
Inventor
马本学
王宝
何青海
李锋霞
肖文东
吕琛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shihezi University
Original Assignee
Shihezi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shihezi University filed Critical Shihezi University
Priority to CN201310001757.8A priority Critical patent/CN103063585B/zh
Publication of CN103063585A publication Critical patent/CN103063585A/zh
Application granted granted Critical
Publication of CN103063585B publication Critical patent/CN103063585B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明提供一种瓜果成熟度快速无损检测装置及检测系统建立方法,检测系统包括框架、图像采集室、成像光谱仪、移动支架、传送带、上料装置、分级装置、控制箱、键盘、显示器、急停按钮和控制器电缆;图像采集室设于框架内传送带的上方,内设卤素灯、氘灯和限位传感器;移动支架活动连接于框架立柱,并沿此立柱上下位置可调;成像光谱仪固定于活动支架的横梁上。该系统及建立方法能够快速检测出瓜果的成熟度,从而对瓜果进行分类加工处理,提高生产效率,提高果品质量,提高收益。

Description

瓜果成熟度快速无损检测装置及检测系统建立方法
技术领域
本专利涉及一种瓜果成熟度快速无损检测装置及检测系统建立方法。
背景技术
新疆素有“瓜果之乡”美称,瓜果是新疆传统的名优特产之一,在国内外市场上享有较高的声誉和知名度,而且具有较强的生产区域性,2008年获国家地理标志产品称号,是新疆特色农业和创汇农业。根据2011年新疆统计年鉴,2010年新疆瓜果种植面积为86.70千公顷,产量达到286.30万吨,种植面积和产量分别比2008年增长了27.09%和15.07%。
尽管新疆有种植瓜果得天独厚的自然条件,但近年来瓜果销售情况和产业发展趋势却不容乐观。在瓜果生产和销售过程中,生瓜及成熟过度的裂口瓜都不同程度地降低了瓜果的生产效益。因此, 如何科学地、客观地按瓜果成熟度分级销售, 对生产者和消费者都是有益的。许多研究结果表明,瓜果在采摘、包装、保存、运输及加工等作业环节中的损失率高达30%左右,主要原因之一即为不同成熟度的瓜果相互混杂所造成的。因此,依据瓜果的成熟度区分瓜果并进行分类加工处理,对提高瓜果品质,增加瓜果附加值有重要意义。瓜果的采收成熟度应依据瓜果本身的特性、采后用途、运输路途的远近及贮藏时间的长短来决定。就地销售的瓜果成熟度可稍高些;长期贮藏的瓜果成熟度应低一些;用于加工原料的瓜果成熟度应根据情况而定。因此有必要设计一种非破坏,非接触,快速的检测方法和系统。以利于对瓜果更精确的分级,提高瓜果国际市场竞争力。
发明内容
本发明提供瓜果成熟度快速无损检测装置及检测系统建立方法,该系统及建立方法能够快速检测出瓜果的成熟度,从而对瓜果进行分类加工处理,提高生产效率,提高果品质量,提高收益。
为解决以上技术问题,本发明提供如下技术方案:一种瓜果快速无损检测装置,检测装置包括框架、图像采集室、成像光谱仪、移动支架、传送带、上料装置、分级装置、控制箱、键盘、显示器、急停按钮和控制器电缆;所述图像采集室设于框架内传送带的上方,内设卤素灯、氘灯和限位传感器;所述移动支架活动连接于框架立柱,并沿此立柱上下位置可调;所述成像光谱仪固定于活动支架的横梁上,成像光谱仪拍摄的图像与数据分别通过图像采集可与模数转换器进入计算机,由计算机对图像与数据进行分析在输出结果;在物料的输入方向上设有上料装置;在物料检测完毕输出的方向上设有分级装置;控制箱固定于框架底部的一侧,控制箱上放置键盘和显示器,在控制箱体的顶部还设有急停按钮。
所述卤素灯连接于框架并设于图像采集室外;氘灯为两个,设在图像采集室内的两侧,限位传感器设置在图像采集室内的底部、成像光谱仪的下方。
一种瓜果快速无损检测系统的建立方法,其步骤如下:
A、建立瓜果成熟度检测数据库
根据国家检测标准和地区行业标准,对瓜果成熟度进行感官评定,并对其做常规的理化分析和测定,建立瓜果成熟度与其糖度、水分、坚实度之间的内在检测数据库;
B、瓜果光谱图像的采集、预处理及糖度、颜色、水分、纹理、坚实度预测模型的建立
采集不同成熟度的瓜果高光谱图像,对获取的信息进行数据的预处理和特征提取,利用获取的光谱信息和图像特征信息与化学计量方法检测的测定值建立糖度、颜色、纹理、水分、坚实度的成熟度预测模型;
C、瓜果成熟度最优判别模型的建立
利用光谱与图像信息融合技术,拟采用模糊神经网络与支持向量机(SVM)方法进行图像光谱信息融合,建立瓜果成熟度最优判别模型,以实现瓜果成熟度最终判别。
选取与光源系统相适应的成像光谱仪、图像采集卡、光源和计算机,建立所述瓜果成熟度快速无损检测装置及检测系统建立方法;
以软件Spectral-Cube-Basic、ENVI 4.7、VC++ 6.0和Matlab 7.0为开发平台,并结合MIL 9.0进行开发,建立软硬件系统;
光源拟配备2盏卤素灯,若使用直流电,则要求光的亮度可调,2盏氘灯进行紫外激发。
    在样本数据采集前需对高光谱采集系统进行图像校正和标定;
根据瓜果的大小以及瓜果表面分光反射特性,确定采集系统的物距、速度、曝光时间、大小以及光照强度;
用一个白和黑的参考物对高光谱图像进行校正,校正图像将做后面的图像分析,作为表面特征图像、最优特征波长选择以及光谱统计分析的基础。
在采集系统完成标定和图像校正后,在稳定条件下打开Spectral-Cube-Basic软件进行高光谱数据采集,通过优化配置好的图像采集卡送至计算机,得到反映瓜果品质外观特征包括颜色及纹理的图像信息和内在特征包括糖度、水分、坚实度的光谱信息。
瓜果内在特征的理化测量方法如下:将所抽取的样品在标记区域内逐个从果实阴阳交接处剖开,取中部内缘果肉,挤出汁液,用测量其可溶性固形物,测量水分,水分测量以被测样品的3次平均水分为准;坚实度采用手持式硬度计测量,将所抽取的样品在标记区域内逐个从果皮和果肉结合处剖开,使硬度计垂直于被测瓜果表面,压头均匀压入瓜果内,当压头压到刻度线10 mm处停止,屏幕显示的读数即为瓜果的硬度,取三次平均值;含糖量的测量采用糖量计测量。
 本发明涉及的这种瓜果成熟度快速无损检测装置及检测系统建立方法,该方法能够对各种类瓜果进行成熟度检测,根据果品不同的特征,其系统结构形式及系统建立方法基本不变,只需根据果品的外形进行改动即可。
附图说明
图1是本发明瓜果快速无损检测系统结构示意图;
图2为检测数据库的建立原理框图;
图3为计算机数据处理框图;
图4为图像信息和光谱信息融合流程图;
1-卤素灯; 2-氘灯;3-限位传感器; 4-成像光谱仪; 5-移动支架 ;6-瓜果 ;7-传送带 ;8-上料装置 ;9-分级装置 ;10-控制箱 ;11-键盘; 12-显示器; 13-急停按钮 ;14-控制器电缆;
具体实施方式
实施例1
本发明选择的瓜果样品为瓜果,如图1所示,检测系统包括框架、图像采集室、成像光谱仪4、移动支架5、传送带7、上料装置8、分级装置9、控制箱10、键盘11、显示器12、急停按钮13和控制器电缆14;所述图像采集室设于框架内传送带7的上方,内设卤素灯1、氘灯2和限位传感器3;所述移动支架5活动连接于框架立柱,并沿此立柱上下位置可调;所述成像光谱仪4固定于活动支架5的横梁上,成像光谱仪4拍摄的图像与数据分别通过图像采集可与模数转换器进入计算机,由计算机对图像与数据进行分析在输出结果;在物料的输入方向上设有上料装置8;在物料检测完毕输出的方向上设有分级装置9;控制箱10固定于框架底部的一侧,控制箱10上放置键盘11和显示器12,在控制箱10体的顶部还设有急停按钮13。
结合图2-图4,本发明通过以下步骤实现:
⑴根据瓜果在不同波长光线(可见光、近红外)照射下的分光反射特性,并据此进行高光谱成像系统中光源系统的设计。
由于瓜果的内部成分或外部特性不同,在不同波长光线照射下会有不同的吸收或反射,即不同品质、有或没有缺陷的瓜果的分光反射特性的差异在某一特定波长域内会特别明显。根据这种特性,可建立适宜的光源系统,该光源系统能保证使被检测对象表面的照度均匀,不产生镜面反射,并在选定波长域内应有最大的放射能。
⑵根据瓜果国家标准检测指标要求,选取与光源系统相适应的成像光谱仪、图像采集卡、光源、计算机等,优化配置好瓜果品质无损检测的高光谱成像系统。
瓜果品质无损检测的高光谱成像系统硬件主要由光源系统、成像光谱仪、图像采集卡、计算机等组成;软件主要以Spectral-Cube-Basic、ENVI 4.7、VC++ 6.0、Matlab 7.0等为开发平台,并结合MIL 9.0进行开发。本发明进行研究的试验台拟根据瓜果的生物物理特性基础上进行搭建,并充分借鉴国内外相关高光谱试验台的相关资料。并根据研究目标选用的成像光谱仪400-1000 nm;光源拟配备2盏卤素灯(用直流电,要求光的亮度可调)和2盏的氘灯进行紫外激发,以适应不同检测方式(反射光谱成像和荧光光谱成像)的需要。
在高光谱成像系统建立过程中摄像机和图像采集卡要相匹配,图像采集卡要和相应的软件包相协调。根据检测指标要求选用合适的成像光谱仪,尤其是要注意其光谱范围要与检测指标相适应,并考虑合适的光谱分辨率。光谱分辨率过高,会给高光谱图像数据的处理带来困难,而过低又达不到预期的目的。设计试验台架时要注意物镜焦距、视场大小、物镜到物体之间距离关系,以适应不同瓜果大小的光谱成像需求。
⑶进行瓜果试验样本选择
试验样本采用石河子市炮台镇(121团场)“绿色瓜果—金蜜3号”作为试验样本。根据国家行业标准和地区检测标准,选取部分实验样本并请专业人员对不同品质的瓜果进行感官评定,并测量瓜果不同品质。
⑷ 样本测试
① 在样本数据采集前需对高光谱采集系统进行图像校正和标定。根据瓜果的大小以及瓜果表面分光反射特性,确定采集系统的物距、速度、曝光时间、大小以及光照强度。用一个白和黑的参考物对高光谱图像进行校正,校正图像将做后面的图像分析(表面特征图像、最优特征波长选择以及光谱统计分析等)的基础。
②内部特征的测量。试验中对瓜果内部特征的理化测量方法:将所抽取的样品逐个从果实阴阳交接处剖开,取中部内缘果肉,挤出汁液,测量其可溶性固形物,含糖量以被测样品的3次平均含糖量为准。
坚实度采用手持式硬度计测量,将所抽取的样品在标记区域内逐个从果皮和果肉结合处剖开,使硬度计垂直于被测瓜果表面,压头均匀压入瓜果内,当压头压到刻度线10 mm处停止,屏幕显示的读数即为瓜果的硬度,取三次平均值。
③在采集系统完成标定和图像校正后,在稳定条件下Spectral-Cube-Basic软件进行高光谱数据采集,通过优化配置好的图像采集卡送至计算机,得到反映瓜果品质外观特征(颜色及纹理)的图像信息和反映内在特征(糖度、水分、坚实度)的光谱信息。
⑸ 特征提取
通过高光谱成像系统获取高光谱成像数据后,提取用于表达瓜果外部品质的图像信息以及用于表征瓜果内在品质的光谱信息,采用Matlab、主成分分析、小波变换及不均匀二阶差分进行数据降维,并运用波段比算法及主成分权重系数法提取特征波长和特征波长下的图像信息。
⑹ 构建预测模型
①      建立瓜果成熟度检测数据库
根据国家检测标准和地区行业标准,请专业人员对瓜果成熟度进行感官评定,并对其做常规的理化分析和测定,建立瓜果成熟度与其糖度、水分、坚实度之间的内在检测数据库。
②      构建瓜果成熟度检测的高光谱成像试验系统
主要进行光源系统的选择与优化及瓜果检测试验装置设计。光源系统应保证使被检测对象表面的照度均匀,不产生镜面反射,并在选定波长域内应有最大的放射能。检测试验台要满足瓜果的物理特性及采集高光谱图像的技术要求。
③      瓜果糖度、颜色、水分、纹理、坚实度预测模型的建立
④      采集不同成熟度的瓜果高光谱图像,对获取的信息进行数据的预处理和特征提取,利用获取的光谱信息和图像特征信息与化学计量方法检测的测定值建立糖度、颜色、纹理、水分、坚实度的成熟度预测模型;
⑤      瓜果成熟度最优判别模型的建立
利用光谱信息和图像信息融合技术,拟采用模糊神经网络、支持向量机(SVM)等方法进行图像光谱信息融合,建立瓜果成熟度最优判别模型,以实现瓜果成熟度最终判别。
本发明所述的背景技术及实施例并不构成对本申请范围的限制,凡是在本发明构思的精神和原则之内,本领域的专业人员能够作出的任何修改、等同替换和改进等均应包含在本发明的保护范围之内。

Claims (2)

1. 一种瓜果快速无损检测装置,其特征在于:所述检测装置包括框架、图像采集室、成像光谱仪、移动支架、传送带、上料装置、分级装置、控制箱、键盘、显示器、急停按钮和控制器电缆;所述图像采集室设于框架内传送带的上方,内设卤素灯、氘灯和限位传感器;所述移动支架活动连接于框架立柱,并沿此立柱上下位置可调;所述成像光谱仪固定于活动支架的横梁上,成像光谱仪拍摄的图像与数据分别通过图像采集与模数转换器进入计算机,由计算机对图像与数据进行分析再输出结果;在物料的输入方向上设有上料装置;在物料检测完毕输出的方向上设有分级装置;控制箱固定于框架底部的一侧,控制箱上放置键盘和显示器,在控制箱体的顶部还设有急停按钮;氘灯为两个,设在图像采集室内的两侧,限位传感器设置在图像采集室内的底部、成像光谱仪的下方。
2. 一种瓜果快速无损检测系统建立方法,其特征在于,其步骤如下:
A、建立瓜果成熟度检测数据库
根据国家检测标准和地区行业标准,对瓜果成熟度进行感官评定,并对其做常规的理化分析和测定,建立瓜果成熟度与瓜果内在特征糖度、水分、坚实度之间的内在检测数据库;瓜果内在特征的理化测量方法如下:将所抽取的样品在标记区域内逐个从果实阴阳交接处剖开,取中部内缘果肉,挤出汁液,用于测量其可溶性固形物,测量水分,水分测量以被测样品的3次平均水分为准;坚实度采用手持式硬度计测量,将所抽取的样品在标记区域内逐个从果皮和果肉结合处剖开,使硬度计垂直于被测瓜果表面,压头均匀压入瓜果内,当压头压到刻度线10 mm 处停止,屏幕显示的读数即为瓜果的硬度,取三次平均值;含糖量的测量采用糖量计测量;
B、瓜果光谱图像的采集、预处理及糖度、颜色、水分、纹理、坚实度预测模型的建立;采集不同成熟度的瓜果高光谱图像,对获取的信息进行数据的预处理和特征提取,利用获取的光谱信息和图像特征信息与化学计量方法检测的测定值建立糖度、颜色、纹理、水分、坚实度的成熟度预测模型;在采集系统完成标定和图像校正后,在稳定条件下Spectral-CubeBasic软件进行高光谱数据采集,通过优化配置好的图像采集卡送至计算机,得到反映瓜果品质外观特征的图像信息和反映内在特征的光谱信息;通过高光谱成像系统获取高光谱成像数据后,提取用于表达瓜果外部品质的图像信息以及用于表征瓜果内在品质的光谱信息,采
用Matlab、主成分分析、小波变换及不均匀二阶差分进行数据降维,并运用波段比算法及主成分权重系数法提取特征波长和特征波长下的图像信息;
C、瓜果成熟度最优判别模型的建立
利用光谱与图像信息融合技术,采用模糊神经网络与支持向量机(SVM)方法进行图像光谱信息融合,建立瓜果成熟度最优判别模型,以实现瓜果成熟度最终判别。
CN201310001757.8A 2013-01-05 2013-01-05 瓜果成熟度快速无损检测装置及检测系统建立方法 Expired - Fee Related CN103063585B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310001757.8A CN103063585B (zh) 2013-01-05 2013-01-05 瓜果成熟度快速无损检测装置及检测系统建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310001757.8A CN103063585B (zh) 2013-01-05 2013-01-05 瓜果成熟度快速无损检测装置及检测系统建立方法

Publications (2)

Publication Number Publication Date
CN103063585A CN103063585A (zh) 2013-04-24
CN103063585B true CN103063585B (zh) 2015-09-02

Family

ID=48106298

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310001757.8A Expired - Fee Related CN103063585B (zh) 2013-01-05 2013-01-05 瓜果成熟度快速无损检测装置及检测系统建立方法

Country Status (1)

Country Link
CN (1) CN103063585B (zh)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104165845A (zh) * 2014-08-08 2014-11-26 北京市农林科学院 一种判断樱桃成熟度的方法
CN104574414A (zh) * 2015-01-24 2015-04-29 无锡桑尼安科技有限公司 一种基于品种鉴别的西红柿成熟度检测方法
CN105158252A (zh) * 2015-01-24 2015-12-16 无锡桑尼安科技有限公司 基于品种鉴别的西红柿成熟度检测系统
NL2015144B1 (nl) * 2015-07-10 2017-02-01 Amiris B V Inrichting en werkwijze voor het testen op micro-organismen in levensmiddelen die in verpakkingen gehouden zijn.
CN105642564A (zh) * 2016-01-12 2016-06-08 山东理工大学 一种蓝莓成熟度清选设备
CN105642559B (zh) * 2016-01-12 2017-12-29 山东理工大学 一种苹果成熟度清选设备
CN105665302A (zh) * 2016-01-12 2016-06-15 山东理工大学 一种冬枣成熟度清选设备
CN105665303A (zh) * 2016-01-12 2016-06-15 山东理工大学 一种山楂成熟度清选设备
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
WO2018232632A1 (zh) * 2017-06-21 2018-12-27 深圳前海达闼云端智能科技有限公司 物质检测方法、装置和检测设备
CN107527362A (zh) * 2017-08-14 2017-12-29 西安交通大学 一种基于图像纹理特征指标的苹果口感定性鉴别方法
CN107543801B (zh) * 2017-08-25 2020-02-14 天津商业大学 基于高光谱的芒果冲击损伤后硬度预测方法
CN108318433B (zh) * 2018-01-24 2021-02-23 大连工业大学 利用高光谱图像技术检测三文鱼中注水量的方法
CN108344701A (zh) * 2018-02-02 2018-07-31 东北电力大学 基于高光谱技术的石蜡等级定性分类与定量回归方法
CN108362652B (zh) * 2018-03-02 2020-06-09 江南大学 一种基于证据理论的物体新鲜度无损检测方法
CN108287010B (zh) * 2018-03-09 2023-11-10 江苏大学 一种螃蟹多指标分级装置与方法
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
CN109342431A (zh) * 2018-12-10 2019-02-15 山东农业大学 鲜食葡萄无损采摘品质检测分级装置及其控制方法
CN109540892A (zh) * 2018-12-13 2019-03-29 中国农业大学 鸭肉品种鉴别方法及系统
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
CN109916847A (zh) * 2019-03-21 2019-06-21 河南科技大学 一种基于特征波段图像的熟肉品质检测系统及检测方法
CN110969090A (zh) * 2019-11-04 2020-04-07 口碑(上海)信息技术有限公司 基于深度神经网络的水果品质识别方法及装置
CN111160250A (zh) * 2019-12-30 2020-05-15 安徽易刚信息技术有限公司 一种基于人工神经网络的蓝莓生长期检测方法及装置
CN111141836B (zh) * 2020-01-13 2023-07-18 石河子大学 一种基于声振多域谱与近红外光谱信息融合的梨果早期内部病害无损检测方法及装置
CN111060473B (zh) * 2020-01-15 2021-06-25 王丽娟 一种食品质量分析检测装置
CN111621884B (zh) * 2020-06-02 2021-04-06 无锡迅杰光远科技有限公司 一种并条机上料状态监控系统及方法
CN113218898A (zh) * 2021-05-06 2021-08-06 塔里木大学 一种基于光谱分析的植物病害遥感特征提取方法
CN113418878A (zh) * 2021-06-15 2021-09-21 桂林电子科技大学 基于微型光谱传感器的水果成熟度检测系统及方法
CN113793314A (zh) * 2021-09-13 2021-12-14 河南丹圣源农业开发有限公司 一种石榴成熟度鉴别设备及使用方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5089701A (en) * 1990-08-06 1992-02-18 The United States Of America As Represented By The Secretary Of Agriculture Nondestructive measurement of soluble solids in fruits having a rind or skin
US5324945A (en) * 1991-10-04 1994-06-28 Director Of National Food Research Institute, Ministry Of Agriculture, Forestry And Fisheries Method of nondestructively measuring sugar content of fruit by using near infrared transmittance spectrum
JPH06300681A (ja) * 1993-04-14 1994-10-28 Mitsui Mining & Smelting Co Ltd 可変積算チョッピング方式によるオンライン測光測定装置
CN101308086A (zh) * 2008-06-24 2008-11-19 江苏大学 基于近红外光谱技术的水果内部品质在线检测方法及装置
CN101920245A (zh) * 2009-10-27 2010-12-22 华东交通大学 基于可见近红外光谱的水果糖酸度在线检测与分选生产线
CN101949686A (zh) * 2010-08-02 2011-01-19 扬州福尔喜果蔬汁机械有限公司 水果内外综合品质在线无损检测方法及装置
CN101702088B (zh) * 2009-10-27 2012-05-30 华东交通大学 基于可见近红外光谱的水果糖酸度分选生产线控制装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2874482Y (zh) * 2005-12-09 2007-02-28 江西农业大学 水果高光谱图像采集装置
CN101021478A (zh) * 2007-02-13 2007-08-22 江西农业大学 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
CN201021922Y (zh) * 2007-02-13 2008-02-13 江西农业大学 一种无损检测水果品质的装置
CN102179375B (zh) * 2011-03-09 2013-03-13 中国科学院合肥物质科学研究院 一种基于近红外作物单籽粒成分无损检测筛选方法
CN102247952B (zh) * 2011-04-13 2013-09-25 浙江大学 水果自动分级装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5089701A (en) * 1990-08-06 1992-02-18 The United States Of America As Represented By The Secretary Of Agriculture Nondestructive measurement of soluble solids in fruits having a rind or skin
US5324945A (en) * 1991-10-04 1994-06-28 Director Of National Food Research Institute, Ministry Of Agriculture, Forestry And Fisheries Method of nondestructively measuring sugar content of fruit by using near infrared transmittance spectrum
JPH06300681A (ja) * 1993-04-14 1994-10-28 Mitsui Mining & Smelting Co Ltd 可変積算チョッピング方式によるオンライン測光測定装置
CN101308086A (zh) * 2008-06-24 2008-11-19 江苏大学 基于近红外光谱技术的水果内部品质在线检测方法及装置
CN101920245A (zh) * 2009-10-27 2010-12-22 华东交通大学 基于可见近红外光谱的水果糖酸度在线检测与分选生产线
CN101702088B (zh) * 2009-10-27 2012-05-30 华东交通大学 基于可见近红外光谱的水果糖酸度分选生产线控制装置
CN101949686A (zh) * 2010-08-02 2011-01-19 扬州福尔喜果蔬汁机械有限公司 水果内外综合品质在线无损检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Integration of Hyperspectral Reflectance and Laser Induced Fluorescence Imaging for Assessing Apple Maturity;Hyun Kwon Noh, et al.;<American Society of Agricultural and Biological Engineers Annual International Meeting 2006>;20060712;1-13 *

Also Published As

Publication number Publication date
CN103063585A (zh) 2013-04-24

Similar Documents

Publication Publication Date Title
CN103063585B (zh) 瓜果成熟度快速无损检测装置及检测系统建立方法
CN203275285U (zh) 一种基于高光谱成像的大米品质在线无损检测装置
Wu et al. Detection of common defects on jujube using Vis-NIR and NIR hyperspectral imaging
Ariana et al. Evaluation of internal defect and surface color of whole pickles using hyperspectral imaging
Liu et al. Discriminating and elimination of damaged soybean seeds based on image characteristics
Saldaña et al. Computer vision applied to the inspection and quality control of fruits and vegetables
Wang et al. Outdoor color rating of sweet cherries using computer vision
Lee et al. Robust color space conversion and color distribution analysis techniques for date maturity evaluation
CN106525732B (zh) 基于高光谱成像技术的苹果内外品质快速无损检测方法
CN108444928A (zh) 一种利用种胚谱图特征波段识别谷物种子冻伤情况的方法
Nagle et al. Determination of surface color of ‘all yellow’mango cultivars using computer vision
CN105021617B (zh) 基于高光谱成像的整株水稻叶绿素含量测量装置及方法
Eissa et al. Understanding color image processing by machine vision for biological materials
CN210465246U (zh) 小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置
Wang et al. Non-destructive and in-site estimation of apple quality and maturity by hyperspectral imaging
CN104677920B (zh) 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
CN201041553Y (zh) 基于多光谱成像技术的水果品质无损检测系统
Sarkar et al. Supervised learning aided multiple feature analysis for freshness class detection of Indian gooseberry (Phyllanthus emblica)
CN109470639A (zh) 基于可见光和近红外高光谱成像的桑螟幼虫及其对桑叶损害的快速识别方法
CN107576600A (zh) 一种抹茶粒度等级的快速检测方法
Torres et al. Setting up a methodology to distinguish between green oranges and leaves using hyperspectral imaging
Sun et al. Detection of the soluble solid contents from fresh jujubes during different maturation periods using NIR hyperspectral imaging and an artificial bee colony
CN104749126A (zh) 基于近红外高光谱图像分析的小麦硬度预测方法
CN110882948B (zh) 一种柚子品质分类方法与装置
Cheng et al. Hyperspectral and imagery integrated analysis for vegetable seed vigor detection

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150902

Termination date: 20170105

CF01 Termination of patent right due to non-payment of annual fee