CN104359838A - 一种无损检测梨的硬度方法 - Google Patents
一种无损检测梨的硬度方法 Download PDFInfo
- Publication number
- CN104359838A CN104359838A CN201410630019.4A CN201410630019A CN104359838A CN 104359838 A CN104359838 A CN 104359838A CN 201410630019 A CN201410630019 A CN 201410630019A CN 104359838 A CN104359838 A CN 104359838A
- Authority
- CN
- China
- Prior art keywords
- pears
- pear
- hardness
- reflectivity
- sample
- 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.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种无损检测梨的硬度方法,通过可见-近红外波段的高光谱成像系统测得多个不同种类的梨的高光谱图像,再通过黑白版校正,将高光谱图像中每一点的光谱响应强度转换成统一的0-100%的反射率图像,再通过Labview软件对图像的亮度进行提取和着色,将不同的亮度区域区分开,然后在同一颜色区域选取10个不同的点求平均代表整个梨的反射率,结合梨的反射率曲线提取每一波段的反射率信息通过PCA提取特征波段,通过国家标准方法测得的梨的硬度的实际值,再用PLS算法建立回归模型,得到各种类梨的回归方程,根据回归方程,便可通过测量所测梨的光谱图,计算出所测梨的硬度。可以广泛应用于梨的质量检测,检测过程,方便、快捷、无损、准确。
Description
技术领域
本发明涉及一种水果硬度检测方法,特别涉及一种基于可见近红外高光谱成像技术无损检测梨的硬度的方法。
背景技术
梨是深受世界各地欢迎的水果,梨的内部品质状况直接影响梨的价值,然后以往测量梨的硬度的方法是通过硬度计等方法将梨破坏掉,这也是中国测量水果硬度的国家标准方法。但这些方法都会对梨产生破坏,造成不必要的损失和浪费,而且测量麻烦,准确率低。
高光谱成像技术近年来得到飞速发展,并被广泛的应用于遥感探测,生物医学,食品安全等领域。它通过扫描物体表面得到物体的反射光谱图,通过对反射光谱信息的提取和分析,可以实现很多方向的检测与研究。高光谱成像技术最大的特点就是无损性和快捷性。
可见-近红外高光谱成像技术应用于无损检测果蔬的品质的方向已经得到了越来越多的重视。近年来已经有很多运用高光谱成像技术无损检测水果、蔬菜品质的新方法和新发明的产生。
发明内容
本发明是针对测量梨的硬度易造成梨的损坏的问题,提出了一种无损检测梨的硬度方法,涉及可见-近红外高光谱成像技术,通过高光谱成像系统测得梨表面的反射光谱,结合主成分分析PCA和偏最小二乘法PLS算法建立回归模型得出回归函数,通过测得梨的反射光谱就可以根据回归模型计算出梨的硬度,实现快捷无损的检测梨的硬度。
本发明的技术方案为:一种无损检测梨的硬度方法,通过可见-近红外波段的高光谱成像系统测得多个不同种类的梨的高光谱图像,再通过黑白版校正,将高光谱图像中每一点的光谱响应强度转换成统一的0-100%的反射率图像,再通过Labview软件对图像的亮度进行提取和着色,将不同的亮度区域区分开,然后在同一颜色区域选取10个不同的点求平均代表整个梨的反射率,结合梨的反射率曲线提取每一波段的反射率信息通过主成分分析PCA提取特征波段,通过国家标准方法测得的梨的硬度的实际值,再用偏最小二乘法PLS算法建立回归模型,得到各种类梨的回归方程,根据回归方程,便可通过测量所测梨的光谱图,计算出所测梨的硬度。
所述黑白版校正过程为:将反射率高达99.99的聚四氟乙烯的白板放在高光谱相机的聚焦透镜焦平面处,改变曝光时间使相机接收光强在最大光强的80%,记下白板反射强度W,将聚焦透镜用黑板封闭,记下黑板反射强度B1,测完后放回样品,调节曝光时间使得相机接收光强为最大光强的80%,再用黑板封闭透镜,记下样品黑板反射强度B2,通过电机载着样品匀速移动实现样品的全扫描,最终测得样品反射强度为S,则带入校正公式:光谱反射率R=(S-B2/W-B1)x100%,实现黑白板校正。
本发明的有益效果在于:本发明无损检测梨的硬度方法,可以广泛应用于梨的质量检测,等级分类,成熟度检测等方面,甚至可以用于检测还未摘下,且正常生长的梨的硬度。检测过程,方便、快捷、无损、准确,可以用于大规模检测。可以节省大量的人力物力,不但不会损耗梨,而且测得结果,比通过国家规定的标准方法测得的结果更加方便,准确。
附图说明
图1为本发明所用可见-近红外高光谱成像系统示意图;
图2为本发明通过软件提取梨的反射率信息的流程图;
图3为本发明高光谱图像三维信息原理图;
图4为本发明不同品种的梨的平均反射率曲线图;
图5为本发明建模预测梨的硬度的散点图。
具体实施方式
一种无损检测梨的硬度方法,通过可见-近红外波段(400-1000nm)的高光谱成像系统分别测得多个梨的高光谱图像,再通过黑白版校正,将高光谱图像中每一点的光谱响应强度转换成统一的0-100%的反射率图像,再通过Labview编写的软件对图像的亮度进行提取和着色,将不同的亮度区域区分开,然后在同一颜色区域选取10个不同的点求平均代表整个梨的反射率。结合梨的反射率曲线提取每一波段的反射率信息通过PCA提取特征波段,根据通过国家标准方法测得的梨的硬度的实际值,再用PLS算法建立回归模型,得到回归方程。根据回归方程,便可以通过测量未知梨的光谱图,计算出它的硬度。
如图1所示所用可见-近红外高光谱成像系统示意图,1为光源,2为面阵CCD,3为光谱仪,4为聚焦透镜,5为位移平台,6为梨样品。选取多个大小相同的不同种类的梨(从超市选购的3种新鲜无病害的梨,品种分别为雪梨、皇冠梨和天津鸭梨)作为建模样品,首先将样品放在位移平台5上,调节高光谱相机(高光谱相机包括聚焦透镜4,光谱仪3和面阵CCD2)的高度以及光源1照射的角度,使得样品表面处在聚焦透镜4焦平面处,调节透镜景深,保证拍摄到样品整个曲面的清晰像,通过调节相机的曝光时间和光源大小,使相机的拍摄效果最佳。调好后移开样品,进行黑白板校正,过程为:将白板(反射率高达99.99的聚四氟乙烯)放在聚焦透镜4焦平面处,仅改变曝光时间使相机接收光强在3300(最大光强的80%),记下白板反射强度W,将透镜用黑板封闭,记下黑板反射强度B1,测完后放回样品,调节曝光时间使得相机接收光强为3300,再用黑板封闭透镜,记下样品黑板反射强度B2。通过位移平台5载着样品匀速移动实现样品的全扫描,最终测得样品反射强度为S,则带入校正公式:光谱反射率R=(S-B2/W-B1)x100%实现黑白板校正。
拍摄完成后通过Labview编写的软件对黑白板校正后的样品全扫描图像进行着色处理,如图2所示,使图像亮度相近的区域为相同颜色,然后取相同颜色的不同区域10个,求出其平均反射率曲线,其中对单一波长反射率信息提取的过程如图3所示。用Matlab对同一品种的梨样品的反射率信息作平均得到不同品种梨的反射率曲线如图4所示。由图4可以看出在750nm和960nm波长处有两个明显的波谷,它们分别是由梨的内部可溶性糖类等和碳水化合物影响导致的。通过主成分分析法提取第一主成分影响权重最大的波长以及波谷处波长作为有效波长,结合实际测量得到的样品梨的硬度值,通过PLS算法建立回归模型,对梨的硬度进行预测。
预测的散点图在图5中显示出来,通过模型的预测结果看出梨的硬度预测值和实际值都集中在回归线旁边,硬度预测的相关系数r高达0.9649,残差RMSEP为0.24,这些结果表明预测值与实际值很相近,通过建立的回归模型能够非常准确的实现对梨的硬度的预测。
对于未知的梨,可以仅通过测量其高光谱信息,就可以根据回归模型和回归函数,计算出它的硬度与含糖量,实现了快速、无损、准确的检测梨的硬度。
Claims (2)
1.一种无损检测梨的硬度方法,其特征在于,通过可见-近红外波段的高光谱成像系统测得多个不同种类的梨的高光谱图像,再通过黑白版校正,将高光谱图像中每一点的光谱响应强度转换成统一的0-100%的反射率图像,再通过Labview软件对图像的亮度进行提取和着色,将不同的亮度区域区分开,然后在同一颜色区域选取10个不同的点求平均代表整个梨的反射率,结合梨的反射率曲线提取每一波段的反射率信息通过主成分分析PCA提取特征波段,通过国家标准方法测得的梨的硬度的实际值,再用偏最小二乘法PLS算法建立回归模型,得到各种类梨的回归方程,根据回归方程,便可通过测量所测梨的光谱图,计算出所测梨的硬度。
2.根据权利要求1所述无损检测梨的硬度方法,其特征在于,所述黑白版校正过程为:将反射率高达99.99的聚四氟乙烯的白板放在高光谱相机的聚焦透镜焦平面处,改变曝光时间使相机接收光强在最大光强的80%,记下白板反射强度W,将聚焦透镜用黑板封闭,记下黑板反射强度B1,测完后放回样品,调节曝光时间使得相机接收光强为最大光强的80%,再用黑板封闭透镜,记下样品黑板反射强度B2,通过电机载着样品匀速移动实现样品的全扫描,最终测得样品反射强度为S,则带入校正公式:光谱反射率R=(S-B2/W-B1)x100%,实现黑白板校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410630019.4A CN104359838A (zh) | 2014-11-11 | 2014-11-11 | 一种无损检测梨的硬度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410630019.4A CN104359838A (zh) | 2014-11-11 | 2014-11-11 | 一种无损检测梨的硬度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104359838A true CN104359838A (zh) | 2015-02-18 |
Family
ID=52527121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410630019.4A Pending CN104359838A (zh) | 2014-11-11 | 2014-11-11 | 一种无损检测梨的硬度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104359838A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104749126A (zh) * | 2015-02-28 | 2015-07-01 | 华北水利水电大学 | 基于近红外高光谱图像分析的小麦硬度预测方法 |
CN105606562A (zh) * | 2016-01-05 | 2016-05-25 | 中国科学院合肥物质科学研究院 | 一种近红外漫反射自动校正探头 |
CN106525732A (zh) * | 2016-10-25 | 2017-03-22 | 沈阳农业大学 | 基于高光谱成像技术的苹果内外品质快速无损检测方法 |
CN106596414A (zh) * | 2016-11-14 | 2017-04-26 | 浙江大学 | 一种桃果实内部硬度空间分布成像的方法 |
CN107543801A (zh) * | 2017-08-25 | 2018-01-05 | 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 |
CN108535254A (zh) * | 2018-03-10 | 2018-09-14 | 西北农林科技大学 | 一种苹果脆度检测仪 |
CN108535199A (zh) * | 2018-03-16 | 2018-09-14 | 塔里木大学 | 一种户外多尺度枣园高光谱偏振探测方法 |
CN108982406A (zh) * | 2018-07-06 | 2018-12-11 | 浙江大学 | 一种基于算法融合的土壤氮素近红外光谱特征波段选取方法 |
CN109272030A (zh) * | 2018-09-03 | 2019-01-25 | 贵阳学院 | 基于光纤光谱技术的苹果表面早期损伤快速无损识别方法 |
CN109406267A (zh) * | 2018-04-28 | 2019-03-01 | 东北电力大学 | 一种苹果舌触力学信息的三维重构方法 |
CN114295575A (zh) * | 2021-12-27 | 2022-04-08 | 中国农业科学院果树研究所 | 一种利用智能移动终端鉴别梨品种的方法 |
-
2014
- 2014-11-11 CN CN201410630019.4A patent/CN104359838A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104749126A (zh) * | 2015-02-28 | 2015-07-01 | 华北水利水电大学 | 基于近红外高光谱图像分析的小麦硬度预测方法 |
CN105606562A (zh) * | 2016-01-05 | 2016-05-25 | 中国科学院合肥物质科学研究院 | 一种近红外漫反射自动校正探头 |
CN105606562B (zh) * | 2016-01-05 | 2018-08-24 | 中国科学院合肥物质科学研究院 | 一种近红外漫反射自动校正探头 |
CN106525732A (zh) * | 2016-10-25 | 2017-03-22 | 沈阳农业大学 | 基于高光谱成像技术的苹果内外品质快速无损检测方法 |
CN106525732B (zh) * | 2016-10-25 | 2021-08-17 | 沈阳农业大学 | 基于高光谱成像技术的苹果内外品质快速无损检测方法 |
CN106596414B (zh) * | 2016-11-14 | 2019-03-29 | 浙江大学 | 一种桃果实内部硬度空间分布成像的方法 |
CN106596414A (zh) * | 2016-11-14 | 2017-04-26 | 浙江大学 | 一种桃果实内部硬度空间分布成像的方法 |
CN107543801A (zh) * | 2017-08-25 | 2018-01-05 | 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 |
CN108535254A (zh) * | 2018-03-10 | 2018-09-14 | 西北农林科技大学 | 一种苹果脆度检测仪 |
CN108535199A (zh) * | 2018-03-16 | 2018-09-14 | 塔里木大学 | 一种户外多尺度枣园高光谱偏振探测方法 |
CN109406267A (zh) * | 2018-04-28 | 2019-03-01 | 东北电力大学 | 一种苹果舌触力学信息的三维重构方法 |
CN108982406A (zh) * | 2018-07-06 | 2018-12-11 | 浙江大学 | 一种基于算法融合的土壤氮素近红外光谱特征波段选取方法 |
CN109272030A (zh) * | 2018-09-03 | 2019-01-25 | 贵阳学院 | 基于光纤光谱技术的苹果表面早期损伤快速无损识别方法 |
CN114295575A (zh) * | 2021-12-27 | 2022-04-08 | 中国农业科学院果树研究所 | 一种利用智能移动终端鉴别梨品种的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104359838A (zh) | 一种无损检测梨的硬度方法 | |
Liu et al. | Hyperspectral imaging and 3D technologies for plant phenotyping: From satellite to close-range sensing | |
Li et al. | Hyperspectral imaging and their applications in the nondestructive quality assessment of fruits and vegetables | |
Yu et al. | Identification of crack features in fresh jujube using Vis/NIR hyperspectral imaging combined with image processing | |
CN108956604A (zh) | 一种基于高光谱图像技术识别中华绒螯蟹品质的方法 | |
CN103257118A (zh) | 一种基于特征波段的鱼肉嫩度高光谱检测方法 | |
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 | |
AU2016230926A1 (en) | Method and apparatus for processing spectral images | |
CN103808669B (zh) | 一种基于高光谱成像技术的苹果虫眼快速无损检测方法 | |
CN104697943A (zh) | 一种油菜水分胁迫的无损检测方法 | |
CN105181606B (zh) | 基于高光谱成像技术检测花生中蔗糖含量分布的方法 | |
CN103900972A (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
CN103472031A (zh) | 一种基于高光谱成像技术的脐橙糖度检测方法 | |
CN105203464A (zh) | 基于高光谱成像技术检测花生中油酸含量分布的方法 | |
CN105115910B (zh) | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 | |
Li et al. | Seasonal change of leaf and woody area profiles in a midlatitude deciduous forest canopy from classified dual-wavelength terrestrial lidar point clouds | |
CN105092489A (zh) | 基于藻类高光谱信号的水体残留农药检测方法 | |
US20220366668A1 (en) | Image processing apparatus, image processing method, and image processing program | |
CN103528967A (zh) | 基于高光谱图像的过熟蓝靛果果实识别方法 | |
Pamornnak et al. | An automatic and rapid system for grading palm bunch using a Kinect camera | |
Torres et al. | Setting up a methodology to distinguish between green oranges and leaves using hyperspectral imaging | |
CN201041553Y (zh) | 基于多光谱成像技术的水果品质无损检测系统 | |
Liu et al. | Combining spatial and spectral information to estimate chlorophyll contents of crop leaves with a field imaging spectroscopy system | |
CN110243748A (zh) | 一种基于高光谱的双孢蘑菇超声渗透过程可溶性固形物含量预测方法 | |
CN102788796A (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150218 |