CN104574341B - 一种水果糖度的确定方法和装置 - Google Patents
一种水果糖度的确定方法和装置 Download PDFInfo
- Publication number
- CN104574341B CN104574341B CN201310472628.7A CN201310472628A CN104574341B CN 104574341 B CN104574341 B CN 104574341B CN 201310472628 A CN201310472628 A CN 201310472628A CN 104574341 B CN104574341 B CN 104574341B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- pol
- mfrac
- fruit
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
Abstract
本发明的实施例提供了一种水果糖度的确定方法和装置,可以通过无损方法快速估测水果糖度。所述方法包括:获取水果的彩色图像;从水果的彩色图像中获得糖度参数;根据糖度参数利用糖度模型确定水果糖度。所述糖度参数包括:绿色分量均值x1、色调均值x2、红绿二色分量的均值x3及水果前景图像占整张图像百分比x4。所述装置包括:图像获取装置,用于获取水果的彩色图像;计算单元,用于从水果的彩色图像中获得糖度参数;确定单元,用于根据糖度参数利用糖度模型确定水果糖度。根据本发明,可通过普通照相机和计算机就可实现水果的糖度测定,因此,本发明不需要增加额外设备就可估算水果糖度,极其适于小型企业的水果分级工作。
Description
技术领域
本发明涉及一种水果质量确定技术,尤其涉及一种水果糖度的确定方法和装置。
背景技术
不同品质的水果其价格相差悬殊,水果品质分级一直受到果农和商家的重视。与很多物品质量的抽样检查不同,水果分级要求做到对每一个水果进行分级。由于水果品质的好坏往往会以外在形态表现出来,这为人们通过水果外在形态推断其内部信息提供了可能。随着数字图像采集工作的简单化、廉价化,从客观上推动了基于图像的水果品质研究,并希望实现水果品质检测的自动化。在水果品质的此类研究中,由于柑橘分布范围较广、产量大成为人们的关注热点,下面以柑橘为例对水果品质进行了研究。
对柑橘图像的研究主要集中在二个方面:一方面是对果形、着色度、果皮褶皱、生理缺陷、病虫害等外部品质特征的研究;另一方面是对糖度、酸度、硬度、果肉品质、果汁量等内部品质特征的研究。外部品质特征由于是外在的、可视的,这使得从事此方面的研究人员可通过机器对外部品质进行识别,实践证明,识别率通常也较高。如Fernando等使用多变量图像分析方法对来自4个不同品种的橘子进行果皮缺损自动检测,缺陷检测成功率是91.5%,破损分类率达到94.2%。而内部品质特征由于被包裹在果皮内部,基于外在图像的内部品质判断,是在假设柑橘外在形态结构特征与内部品质参数具有某种关系这一前提下进行判断,存在一定的难度。但是,由于它的无损特性,在不破坏水果的情况下即可探知内部信息,因此,受到人们的普遍重视。
在柑橘的诸多内部品质参数中,糖度是非常重要的指标参数,也是成熟度的重要标志之一。糖度是指在20℃情况下每100克水溶液中溶解的蔗糖克数,糖度越高给人的感觉越甜。尽管甜度因人而异,但是通常情况下糖度很小的柑橘,其口感一般不会让大多数人满意。由于较高的糖度更加能赢得消费者的口碑和购买欲,因此,在柑橘经营培育中产生了确保日照时数、树下栽培鼠茅生草、不翻耕保护树根等旨在提高柑橘糖度的一些针对性措施,也由此可见人们对柑橘糖度的关切程度。
发明内容
本发明的实施例提供了一种水果糖度的确定方法和装置,仅根据图象可以无损估测柑橘糖度含量。
本发明的实施例提供了一种水果糖度的确定方法,包括:
获取水果的彩色图像;
从水果的彩色图像中获得糖度参数;
根据糖度参数利用糖度模型确定水果糖度。
所述糖度参数包括:绿色分量均值x1、色调均值x2、红绿二色分量的均值x3及水果前景图像占整张图像百分比x4。
所述糖度模型为以下三式中任意一个:
其中,
y:糖度
x1:绿色分量亮度平均值
x2:色调平均值
x3:红色和绿色分量的亮度平均值
x4:柑橘图像占整张图像的像素百分比
k1、k2:虚拟变量
a0、a1、a2、a3、b0、b1、b2:待定标参数;
所述待定参数通过实验获得。
在所述获取水果的彩色图像步骤之前,将水果的背景设置为单一背景。
在根据糖度参数利用糖度模型确定水果糖度步骤之前,所述方法还包括对待定标参数的定标过程。
本发明还提供了一种水果糖度的确定装置,所述装置包括:
图像获取装置,用于获取水果的彩色图像;
计算单元,用于从水果的彩色图像中获得糖度参数;
确定单元,用于根据糖度参数利用糖度模型确定水果糖度。
根据本发明,可通过普通照相机和计算机就可实现水果的糖度测定,因此,本发明不需要增加额外设备就可估算水果糖度,极其适于小型企业的水果分级工作。
附图说明
图1示出了本发明实施例的确定水果糖度的流程;
图2示出了本发明实施例的计算糖度参数的流程;
图3示出了本发明实施例的水果分级的流程。
具体实施方式
为了便于本领域一般技术人员理解和实现本发明,现结合附图描绘本发明的实施例。
实施例一
不同糖度含量的柑橘,在生长过程中,对不同波段电磁波的吸收、反射存在差异,从而使得其外观着色也不一样,在水果外表形成不同的颜色,因此,可通过彩色图像来探知柑橘糖度含量并进行无损分级。
如图1所示,本实施例提供了一种水果糖度的确定方法,包括如下步骤:
步骤11、通过照像机获取水果的彩色图像。
步骤12、从水果的彩色图像中获得糖度参数;
步骤13、根据糖度参数利用糖度模型确定水果糖度
在步骤12中,为了从水果的彩色图像中获得糖度参数,首先从彩色图像的背景中分割出前景图像,然后计算糖度参数。根据大量的试验结果,所述糖度参数包括:绿色分量均值x1、色调均值x2、红绿二色分量的均值x3及柑橘的大小,柑橘的大小用柑橘前景图像占整张图像百分比x4来表示。
为了更方便地从彩色图像的背景中分割出前景图像(即,柑橘图像),根据本发明实施例,优选地,在摄影时采用单一背景,比如颜色单一且反光较小的黑色背景,这样能够最大限度的表现前景。
由于前景与背景图像存在差异,可以通过分析前景与背景两部分图像的相关性来判断二者关系,进而实现从彩色图像的背景中分割出前景图像。
若x=(x1x2…xn)'、y=(y1y2…yn)'为随机变量,它们的方差分别为Var(x)、Var(y),协方差为Cov(x,y),则
表示了向量x、y的相关程度,统计上,一般称R2为确定指数。把这一概念引入到柑橘图像分割中,进而实现柑橘前景和背景的分离。得到柑橘前景图像后,就可根据前景图像确定糖度参数:绿色分量、红色与绿色合成的黄色分量、色调、前景图像占整张图像的百分比。图2示出了求解糖度参数的算法。
步骤21、把柑橘图像中心作为目标点或者鼠标左键单击柑橘图像区域给出目标点。目标点位置要求并不严格,只要在摄取图像时把柑橘放在照相机下方的中心位置附近摄影即可,就是说,图像中心点是柑橘内部图像即可;
步骤22、以目标点为中心,取3×3掩膜内的所有像素,以此作为将要进行比对的目标区域;
步骤23、指针移动到图像的起始位置(0,0),以起始位置作为当前点,按着3×3掩膜大小,遍历图像;
步骤24、根据(1)式,计算以当前点为中心的3×3区域与目标区域的确定指数,并把此值与某确定指数阈值比较,如果该值大于阈值,则把当前像素判断为前景即柑橘图像,否则,把该像素置成背景。由于确定指数阈值与图像和目标点选择位置有关系,因此它不是一个固定的数值,但是根据具体图像通过尝试法容易确定。从我们对大量柑橘图像的测试结果看,确定指数R2在0.25~0.50之间一般能取得较好的结果。另外,由于摄影时把柑橘放于中央位置,所摄得的柑橘图像外围会有很大的背景,因此,在作实际的图像分割时,把图像最外围的边界像素都处理成背景像素。
步骤25、按着从上到下、从左到右的次序指针移动到下一像素,判断是否是最后像素,如果不是转移到步骤24,否则执行步骤26;
步骤26、提取前景部分并通过前景图像计算4个糖度参数:绿色分量、色调、红色与绿色合成的黄色分量、前景图像占整张图像的百分比,上述分量可用均值表示,即:绿色分量均值(x1)、色调均值(x2)、红绿二色分量的均值(x3)及前景图像占整张图像百分比(x4)。
求得所有定标柑橘的糖度参数后,然后求解糖度模型中的参数即完成糖度模型的定标工作,然后根据糖度模型确定糖度。糖度模型可以选择以下⑵-⑷三式中的最优一个:
其中,
y:糖度
x1:绿色分量亮度平均值
x2:色调平均值
x3:红色和绿色分量的亮度平均值
x4:柑橘图像占整张图像的像素百分比
k1、k2:虚拟变量
a0、a1、a2、a3、b0、b1、b2:待定标参数;
根据文献,糖度与柑橘大小存在着一定的关系,因此本发明在估计糖度时引入了虚拟变量,将柑橘大小分成几个等级,用于更加准确的估计柑橘糖度。具体所述虚拟变量根据不同糖度大小不同情况来确定,详见后面描述。
根据柑橘的外观发现如下特点:㈠在可变化的区间内,绿色分量值越大柑橘越不甜,可以粗略的理解为“越绿越不甜”;㈡黄色分量与绿色分量表现出了相同的趋势,即x3越大糖度越低,因此预测模型(2)中的参数a3<0;㈢色调H的变化区间多在0.36~0.71之间,是红橙到黄色的过渡区间,H增大向黄色趋近,H减小向橙红色趋近,就是说,柑橘越趋于橙红色糖度越高;㈣柑橘图像所占有的面积百分比越大则糖度越低。由于图像面积大小是由柑橘大小决定的,因此可以说,柑橘越大越不甜。可以看到,这些结论与我们的经验比较吻合。
柑橘糖度与种类、产地等因素相关,如果直接使用如下实施例模型进行柑橘糖度估计会产生较大误差,因此,使用本发明进行糖度测定前,需要抽取有代表性的柑橘确定待定标参数a0、a1、a2、a3、b0、b1、b2,然后使用本地参数的模型进行糖度预测。
柑橘糖度的图像预测模型定标
为了确定糖度预估模型的待定标参数a0、a1、a2、a3、b0、b1、b2,首先需要获取若干柑橘的图像并实测糖度,利用本发明的方法抽取出糖度参数后,采用统计方法就可以估计出模型参数,进而实现模型的实际应用,这种确定模型参数的过程就是定标,定标时抽取柑橘的数量要求≥60。作为例子,我们取柑橘60个,分别放在固定三脚架下摄影图像,然后测量糖度。摄影使用的相机类型为Canon EOS Kiss Digital X,图像分辨率3888×2592、ISO速度为800、快门速度1/50s、透镜孔径F/8。糖度计是Atago袖珍数字糖度计,糖度测量范围(Brix%)在0~53、糖度测量精度(Brix%)0.2、最小刻度0.1。本次样品测得的糖度分布范围在9-18%之间。
把60个柑橘随机分成2组,一组45个另一组15个,根据步骤21-26的算法,分别求算每个柑橘的糖度参数,然后用45个的一组定标模型参数,15个的组用于检验模型的优劣。
把糖度分成y<11、11≤y≤14、y>14三级,并规定相对应的k1和k2分别为k1=1,k2= 0、k1=0,k2=1、k1=1,k2=1。具备柑橘糖度预测模型参数求解的全部数据yx′i=(yix1ix2ix3ix4ik1ik1i)后,就可以计算(2)~(4)中模型参数,当然也可以利用既有的统计软件比如SAS、SPSS等求解模型参数。并用其它数据进行检测,本实施例模型拟合数据45组(i=1,2,…,45),模型检验数据15组,综合2组数据测试结果,得到模型(2)的精度最高,确定指数为0.922,可以用于柑橘糖度的预测分级。预测模型如下:
对应的虚拟变量估计模型:
此时,糖度分级过程为:
首先根据式(6)计算y0,然后基于y0按着设定的糖度级别确定k1、k2,最后由(5)预估糖度并进行分级。
纯图像角度的柑橘糖度无损估测,其预测模型中的所有自变量都是从图像中抽取的,因此,仅根据图像就可以实现对柑橘糖度的预测分级,而不再需要额外的其它条件,这对于柑橘分装工厂等场所位置固定的检测无疑是便利的。但是由于柑橘图像占整张图像的百分比会随着摄影距离等的变化而变化,因此定标后要求保持摄影状态。为了更加灵活的使用本发明,一种解决策略是把摄影装置放在摄影车上,这样通过移动摄影车达到自由摄影的目的,从而方便本发明的使用。
本实施例还公开了一种水果质量分级的方法。其包括前述糖度确定方法,并且根据糖度确定方法所确定的糖度对水果质量进行分级。如图3所示,分级方法如下:
步骤31、确定虚拟变量k1、k2。基于虚拟变量的预测模型通常包含一对模型,其中一个是没有虚拟变量的模型,用于确定虚拟变量。为确定虚拟变量,首先根据没有虚拟变量的模型计算糖度y0,
如果y0<T1,则k1=1,k2=0
如果T1≤y0≤T2,则k1=0,k2=1
如果y0>T2,则k1=1,k2=1
其中,T1、T2是根据具体柑橘设定的糖度级别界限,如果柑橘糖度值介于某两个数值之间定义为“甜”,则这两个数值的下限与上限就是T1、T2。
步骤32、计算待估计柑橘糖度y。把获取的糖度参数x1~x4及刚刚计算得到的虚拟变量k1、k2代入糖度预测模型,计算得到y。
步骤33、糖度分级。根据设定的糖度分级标准把柑橘分成几类。由于相同糖度各人的感受会有差异,因此该标准没有严格的规定,比如如下的三级标准:
如果y<11,“不甜”
如果11≤y≤14,“甜”
如果y>14,“很甜”
通过上述糖度分级后,可将糖度作为质量的重要因素对柑橘进行质量分级,并根据质量分级结果分装柑橘。即,将不同糖度级别的柑橘分别装箱,标注不同价格。
实施例二
本实施例提供了一种水果糖度的确定装置,该装置包括:
图像获取装置,用于获取水果的彩色图像;图像获取装置可是照像机及任何带有照像的设备;计算单元,用于从水果的彩色图像中获得糖度参数;确定单元,用于根据糖度参数和重量利用糖度模型确定水果糖度。
本实施例的各个单元的工作原理可参见实施例一的描述。
根据本发明,可通过普通照相机和计算机就可实现水果的糖度测定,因此,本发明不需要增加额外设备就可估算水果糖度,本发明技术极其适于小型企业的水果分级工作。
虽然通过实施例描绘了本发明,但本领域普通技术人员知道,在不脱离本发明的精神和实质的情况下,就可使本发明有许多变形和变化,本发明的范围由所附的权利要求来限定。
Claims (4)
1.一种水果糖度的确定方法,其特征在于,包括:
获取水果的彩色图像;
从水果的彩色图像中获得糖度参数;
根据糖度参数利用糖度模型确定水果糖度;
所述糖度参数包括:绿色分量均值x1、色调均值x2、红绿二色分量的均值x3及水果前景图像占整张图像百分比x4;
所述糖度模型为以下三式中任意一个:
<mrow>
<mi>y</mi>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mfrac>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mfrac>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>b</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
</mrow>
<msub>
<mi>x</mi>
<mn>4</mn>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>y</mi>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mfrac>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>b</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
</mrow>
<msub>
<mi>x</mi>
<mn>4</mn>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>y</mi>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<msubsup>
<mi>x</mi>
<mn>1</mn>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</msubsup>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</msubsup>
<msubsup>
<mi>x</mi>
<mn>3</mn>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
</msubsup>
<msubsup>
<mi>x</mi>
<mn>4</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>b</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,
y:糖度
x1:绿色分量均值
x2:色调均值
x3:红绿二色分量的均值
x4:水果前景图像占整张图像百分比
k1、k2:虚拟变量
a0、a1、a2、a3、b0、b1、b2:待定参数;
所述待定参数通过实验获得。
2.根据权利要求1所述的方法,其特征在于,在所述获取水果的彩色图像步骤之前,将水果的背景设置为单一背景。
3.根据权利要求1所述的方法,其特征在于,在根据糖度参数利用糖度模型确定水果糖度步骤之前,所述方法还包括对待定标参数进行定标过程,对虚拟变量进行确定。
4.一种水果糖度的确定装置,其特征在于,所述装置包括:
图像获取装置,用于获取水果的彩色图像;
计算单元,用于从水果的彩色图像中获得糖度参数,所述糖度参数包括:绿色分量均值x1、色调均值x2、红绿二色分量的均值x3及水果前景图像占整张图像百分比x4;
确定单元,用于根据糖度参数利用糖度模型确定水果糖度,所述糖度模型为以下三式中任意一个:
<mrow>
<mi>y</mi>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mfrac>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mfrac>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>b</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
</mrow>
<msub>
<mi>x</mi>
<mn>4</mn>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>y</mi>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mfrac>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>b</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
</mrow>
<msub>
<mi>x</mi>
<mn>4</mn>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
1
<mrow>
<mi>y</mi>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<msubsup>
<mi>x</mi>
<mn>1</mn>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</msubsup>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</msubsup>
<msubsup>
<mi>x</mi>
<mn>3</mn>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
</msubsup>
<msubsup>
<mi>x</mi>
<mn>4</mn>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>b</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,
y:糖度
x1:绿色分量均值
x2:色调均值
x3:红绿二色分量的均值
x4:水果前景图像占整张图像百分比
k1、k2:虚拟变量
a0、a1、a2、a3、b0、b1、b2:待定参数;
所述待定参数通过实验获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310472628.7A CN104574341B (zh) | 2013-10-11 | 2013-10-11 | 一种水果糖度的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310472628.7A CN104574341B (zh) | 2013-10-11 | 2013-10-11 | 一种水果糖度的确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574341A CN104574341A (zh) | 2015-04-29 |
CN104574341B true CN104574341B (zh) | 2017-09-05 |
Family
ID=53090320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310472628.7A Active CN104574341B (zh) | 2013-10-11 | 2013-10-11 | 一种水果糖度的确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574341B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067173A (zh) * | 2016-05-30 | 2016-11-02 | 湖南生物机电职业技术学院 | 柑橘果实糖度的复杂性测度无损检测方法 |
CN113655038B (zh) * | 2021-08-24 | 2023-09-22 | 南昌航空大学 | 一种用智能手机无损检测水果糖度的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001069191A1 (en) * | 2000-03-13 | 2001-09-20 | Autoline, Inc. | Apparatus and method for measuring and correlating characteristics of fruit with visible/near infra-red spectrum |
CN1837788A (zh) * | 2006-03-24 | 2006-09-27 | 浙江大学 | 基于光特性的水果内部品质在线无损检测方法和装置 |
CN102135496A (zh) * | 2010-12-23 | 2011-07-27 | 华东交通大学 | 基于多尺度回归的红外光谱定量分析方法和装置 |
CN102937575A (zh) * | 2012-11-21 | 2013-02-20 | 浙江大学 | 一种基于二次光谱重组的西瓜糖度快速建模方法 |
-
2013
- 2013-10-11 CN CN201310472628.7A patent/CN104574341B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001069191A1 (en) * | 2000-03-13 | 2001-09-20 | Autoline, Inc. | Apparatus and method for measuring and correlating characteristics of fruit with visible/near infra-red spectrum |
CN1837788A (zh) * | 2006-03-24 | 2006-09-27 | 浙江大学 | 基于光特性的水果内部品质在线无损检测方法和装置 |
CN102135496A (zh) * | 2010-12-23 | 2011-07-27 | 华东交通大学 | 基于多尺度回归的红外光谱定量分析方法和装置 |
CN102937575A (zh) * | 2012-11-21 | 2013-02-20 | 浙江大学 | 一种基于二次光谱重组的西瓜糖度快速建模方法 |
Non-Patent Citations (2)
Title |
---|
基于统计纹理的柑橘糖度与有效酸度检测;曹乐平 等;《测试技术学报》;20090131;第23卷(第1期);第64-66页 * |
自然场景下不同成熟度柑橘的自适应识别;王建黑 等;《光学与光电技术》;20091031;第7卷(第5期);第56-58页、第62页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104574341A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103702015B (zh) | 一种近红外条件下人脸图像采集系统的曝光控制方法 | |
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 | |
CN105427275B (zh) | 大田环境麦穗计数方法及装置 | |
CN103096122B (zh) | 基于感兴趣区域内运动特征的立体视觉舒适度评价方法 | |
CN109214470A (zh) | 一种基于编码网络微调的图像能见度检测方法 | |
CN109978822A (zh) | 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 | |
CN104568639B (zh) | 一种水果糖度的确定方法和装置 | |
CN102495068B (zh) | 大米垩白米在线检测方法 | |
CN106340000A (zh) | 骨龄评估方法 | |
CN110210448A (zh) | 一种智能人脸皮肤老化程度的识别与评估方法 | |
CN107423537A (zh) | 一种基于自适应阈值的地表温度降尺度的方法 | |
CN106127234B (zh) | 基于特征字典的无参考图像质量评价方法 | |
CN106611160A (zh) | 一种基于卷积神经网络的图像头发识别方法及其装置 | |
CN109635634A (zh) | 一种基于随机线性插值的行人再识别数据增强方法 | |
CN106651856A (zh) | 一种泡沫镍表面缺陷的检测方法 | |
CN110176023A (zh) | 一种基于金字塔结构的光流估计方法 | |
CN109829905A (zh) | 一种面部美化感知质量的无参考评价方法 | |
CN107154058A (zh) | 一种引导使用者还原魔方的方法 | |
CN106898011A (zh) | 一种基于边缘检测来确定卷积神经网络卷积核数量的方法 | |
CN110544253A (zh) | 基于图像金字塔和列模板的织物瑕疵检测方法 | |
CN104574341B (zh) | 一种水果糖度的确定方法和装置 | |
CN109741285A (zh) | 一种水下图像数据集的构建方法及系统 | |
CN106934770A (zh) | 一种评价雾霾图像去雾效果的方法和装置 | |
CN104657714B (zh) | 光照对称性与全局光照强度融合的无参考人脸光照评价方法 | |
CN117152735A (zh) | 一种基于改进yolov5s的番茄成熟度分级方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |