CN105241555B - 基于水果表面不同组织热特性的水果损伤检测方法及装置 - Google Patents
基于水果表面不同组织热特性的水果损伤检测方法及装置 Download PDFInfo
- Publication number
- CN105241555B CN105241555B CN201510570827.0A CN201510570827A CN105241555B CN 105241555 B CN105241555 B CN 105241555B CN 201510570827 A CN201510570827 A CN 201510570827A CN 105241555 B CN105241555 B CN 105241555B
- Authority
- CN
- China
- Prior art keywords
- fruit
- peak
- temperature
- temperature field
- data
- 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
本发明公开了一种基于水果表面不同组织热特性的水果损伤检测方法及装置。通过热电堆传感器采集水果样品的不同感兴趣区域的温度数据;对温度数据,依次进行压缩、傅里叶变换分析后提取曲线峰值作为特征值;将特征值输入到最小二乘法线性分类器进行分类训练,对待测水果进行检测。装置包括托座、热电堆传感器、单片机和PC机。本发明利用水果表面不同组织的热特性识别损伤部位,可靠性好,准确率高。
Description
技术领域
本发明涉及一种食品检测方法及装置,尤其是涉及一种基于水果表面不同组织热特性的水果损伤检测方法及装置。
背景技术
有无损伤是水果分级的重要依据之一,在世界各国的水果评级标准中有严格的规定。机械损伤是引起水果采后损耗的主要因素。机械损伤不仅会造成水果感官变化,降低品质,而且增加了微生物侵染的危险性,使水果腐烂增加,货架期缩短,严重影响品质及其经济效益(虢露葭,李萍,侯晓荣等.果蔬采后机械损伤特性研究进展.食品工业科技[J],2013,34(1):389-91,96.)。更为严重的是,损伤组织还会为病原菌提供滋养繁衍的场所,进而引起正常水果的损坏,扩大经济损失。如果相关制品流入市场,还构成了食品安全隐患。
根据周其显等人(周其显.苹果早期机械损伤的红外热成像检测研究[D].南昌:华东交通大学,2011.)的研究,在理想情况下,对于苹果某一特定组织的过余温度比的对数是关于时间的一次函数。
现有文献中出现了几种水果损伤的无损检测方法,包括机器视觉技术、光谱技术、光谱成像技术和红外热成像技术等。但是这些无损检测方法检测损伤稳健性不强,且成本较高,而且如何在识别损伤的同时,避免将果梗/花萼误判为损伤仍是一大难题。
发明内容
本发明的目的在于提出了一种基于水果表面不同组织热特性的水果损伤检测方法及装置,基于水果表面不同组织的热特性检测水果表面而判断损伤。
本发明解决其技术问题所采用的技术方案是:
一、一种水果损伤检测方法,该方法的步骤如下:
1)通过热电堆传感器采集水果样品的不同感兴趣区域的温度数据;
2)对温度数据,依次进行压缩、傅里叶变换分析后,提取曲线峰值作为特征值;
3)将特征值输入到最小二乘法线性分类器进行分类训练;
4)对于待测水果,重复步骤1)~2)得到其特征值,输入到分类训练后的最小二乘法线性分类器中进行判别得到损伤检测结果。
所述的感兴趣区域包括水果的损伤部位、花萼部位和正常组织部位。
所述的不同感兴趣区域的温度数据包括热电堆传感器中每个传感元件多次采集的温度值。
对于所述步骤2)中每次采集的温度数据具体采用以下方式处理:
2.1)温度场压缩:
取热电堆传感器中每列传感元件每次采集的温度平均值形成一行矩阵,然后矩阵转置为列矩阵,再将列矩阵按采集的时间次序排列得到温度场压缩数据矩阵,作为压缩的温度场信号Tmi,m表示数据矩阵的行数,i表示数据矩阵的列数,即数据采集的次数;
2.2)温度场时序压缩:
对压缩的温度场信号Tmi以每相邻的八个列矩阵为一组,计算其中每行的平均值,将每相邻的八个列矩阵合并为一列得到温度场时序压缩数据矩阵,作为压缩的温度场时序信号Dmj,j表示压缩的温度场时序信号的列数;
2.3)特征峰提取:
对压缩的温度场时序信号Dmj的每一行分别进行傅氏变换,得到温度场傅氏序列Fmj,再计算得到温度场傅氏序列Fmj的幅值Amj,取幅值Amj中的最高峰、次高峰、第三高峰的值作为每行的特征元素记录到特征峰序列Bmk,k表示高峰种类,k=0,1,2分别表示最高峰、次高峰和第三高峰;
2.4)特征值计算:
取特征峰序列Bmk的每列平均值,得到特征峰均值序列BMn,n=0,1,2,n表示特征峰均值序列BMn的列数,将特征峰均值序列BMn中的所有特征峰均值相加得到第一特征值BS1,将最高峰、次高峰的特征峰均值相加得到第二特征值BS2。
将不同水果样品的不同感兴趣区域所有采集温度数据处理后得到的所述第一特征值BS1和第二特征值BS2输入到最小二乘法线性分类器中进行分类训练,得到水果表面损伤检测模型,由水果表面损伤检测模型对待测水果进行检测。
二、一种水果损伤检测装置:
包括托座、热电堆传感器、单片机和PC机,水果样品放置在托座顶端,托座底端中心安装有热电堆传感器,热电堆传感器穿过托座底端朝向水果样品底部,热电堆传感器顶部与水果样品的下部之间有间隙,热电堆传感器经单片机和PC机连接;热电堆传感器将采集到的原始数据传输给单片机,单片机将原始数据转换为温度数据并传输给PC机,PC机处理温度数据并显示。
所述的热电堆传感器采用红外阵列热电堆传感器,包含有像素IR阵列。
所述的热电堆传感器顶部与水果样品的下部之间的间隙为1~2cm。
本发明具有的有益的效果是:
本发明利用水果表面不同组织的热特性识别损伤部位,可靠性好,准确率高。
附图说明
图1是本发明装置的结构原理示意图。
图2是本发明托座和热电堆传感器的安装示意图。
图3是本发明的检测流程图。
图4是本发明实施例步骤E)得到的两个特征值的离散表示图。
图中:1、样品,2、托座,3、热电堆传感器,4、单片机,5、PC机。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示,本发明包括托座2、热电堆传感器3、单片机4和PC机5,水果样品1放置在托座2顶端,托座2底端中心安装有热电堆传感器3,热电堆传感器3穿过托座2底端朝向水果样品1底部,热电堆传感器3顶部与水果样品1的下部之间有间隙,热电堆传感器3经单片机4和PC机5连接;热电堆传感器3将采集到的原始数据传输给单片机4,单片机4将原始数据转换为温度数据并传输给PC机5,PC机5处理温度数据并显示。
热电堆传感器3采用红外阵列热电堆传感器,包含有像素IR阵列。如图2所示,热电堆传感器3一端插入托座2中,另一端通过电线连接在单片机4上。热电堆传感器3顶部与水果样品1的下部之间的间隙为1~2cm。
工作时,热电堆传感器采集样品原始数据,将数据传输至单片机4,单片机4接收原始数据并将其转换为温度数据,再将温度数据传输至PC机5进行处理,PC机5处理温度数据并显示。温度数据处理的过程是:首先对温度数据进行傅氏变换,然后提取峰值数据作简单加和运算后作为特征量,最后将特征量代入最小二乘分类器进行分类。
如图3所示,本发明的具体实施例及其实施过程如下:
在本例中,热电堆传感器3采用MLX90620,MLX90620采集的样本温度场数据为4行16列的矩阵形式,单片机4可采用Arduino MEGA2560,水果采用黄冠梨。
将黄冠梨样品1放置于托座2上,按每秒1次的速率分别采集损伤部位、正常组织部位和花萼部位温度,每个部位均采集1024组温度数据。对黄冠梨样本所采集的1024点数据作如下处理:
A)温度场压缩。取热电堆传感器中每列传感元件每次采集的温度平均值形成一行矩阵,然后矩阵转置为列矩阵,再将列矩阵按采集的时间次序排列得到温度场压缩数据矩阵,作为压缩的温度场信号Tmi(m=0,1…15;i=0,1…1023)。
B)温度场时序压缩。对压缩的温度场信号Tmi以每相邻的八个列矩阵为一组,计算其中每行的平均值,将每相邻的八个列矩阵合并为一列得到温度场时序压缩数据矩阵,作为压缩的温度场时序信号Dmj(m=0,1…15;j=0,1…127)。
C)特征峰提取。对压缩的温度场时序信号Dmj的每一行分别进行傅氏变换,得到温度场傅氏序列Fmj(m=0,1…15;j=0,1…127),再计算得到温度场傅氏序列Fmj的幅值Amj(m=0,1…15;j=0,1…127),取幅值Amj中的最高峰、次高峰、第三高峰的值作为每行的元素记录到特征峰序列Bmk(m=0,1…15;k=0,1,2),k表示高峰种类,k=0,1,2分别表示最高峰、次高峰和第三高峰。
D)特征值计算。取特征峰序列Bmk的每列平均值,形成得到特征峰均值序列BMn,n=0,1,2,n表示特征峰均值序列BMn的列数,将特征峰均值序列BMn中的所有特征峰均值BM0,BM1与BM2相加得到第一特征值BS1,将最高峰、次高峰的特征峰均值BM0与BM1相加得到第二特征值BS2。实例中,比如样本1损伤部位BS1=89.88,BS2=66.06;花萼部位BS1=43.31,BS2=33.51;正常部位BS1=69.40,BS2=48.09。
E)基于水果表面组织热特性的水果表面损伤检测模型建立。对多个不同黄冠梨样品的损伤部位、正常组织部位和花萼部位分别按上述步骤进行处理,得到一组第一特征值BS1和第二特征值BS2,分别以第一特征值BS1和第二特征值BS2为横轴和纵轴,将第一特征值BS1和第二特征值BS2逐点画在图4所示的坐标图上,用最小二乘法线性分类器进行分类训练建立区分损伤部位与正常部位和花萼部位的基于水果表面组织热特性的水果表面缺陷检测模型,水果表面损伤检测模型最终如公式(1)所示:
F=143-1.35×BS1-BS2 (1)
F)对待测黄冠梨样本按步骤1)至步骤4)进行处理,将第一特征值BS1和第二特征值BS2输入公式(1),对待测黄冠梨表面缺陷检测:
若水果损伤阈值F>0,则当前检测部位为损伤部位;若水果损伤阈值F≤0,则当前检测部位不为损伤部位。最终结果如下:
表1实验结果
损伤 | 正常、花萼 | |
损伤 | 5 | 0 |
正常、花萼 | 0 | 10 |
表1是本发明实施例对黄冠梨样本进行表面检测的结果,准确率为100%,可看出,本发明能可靠地利用水果表面不同组织的热特性实现水果表面损伤检测,准确率高,具有突出显著的技术效果,应用广泛。
Claims (4)
1.一种基于水果表面不同组织热特性的水果损伤检测方法,其特征在于该方法的步骤如下:
1)通过热电堆传感器采集水果样品的不同感兴趣区域的温度数据;
2)对温度数据,依次进行压缩、傅里叶变换分析后,提取曲线峰值作为特征值;
对于所述步骤2)中每次采集的温度数据具体采用以下方式处理:
2.1)温度场压缩:
取热电堆传感器中每列传感元件每次采集的温度平均值形成一行矩阵,然后矩阵转置为列矩阵,再将列矩阵按采集的时间次序排列得到温度场压缩数据矩阵,作为压缩的温度场信号Tmi,m表示数据矩阵的行数,i表示数据矩阵的列数,即数据采集的次数;
2.2)温度场时序压缩:
对压缩的温度场信号Tmi以每相邻的八个列矩阵为一组,计算其中每行的平均值,将每相邻的八个列矩阵合并为一列得到温度场时序压缩数据矩阵,作为压缩的温度场时序信号Dmj,j表示压缩的温度场时序信号的列数;
2.3)特征峰提取:
对压缩的温度场时序信号Dmj的每一行分别进行傅氏变换,得到温度场傅氏序列Fmj,再计算得到温度场傅氏序列Fmj的幅值Amj,取幅值Amj中的最高峰、次高峰、第三高峰的值作为每行的特征元素记录到特征峰序列Bmk,k表示高峰种类,k=0,1,2分别表示最高峰、次高峰和第三高峰;
2.4)特征值计算:
取特征峰序列Bmk的每列平均值,得到特征峰均值序列BMn,n=0,1,2,n表示特征峰均值序列BMn的列数,将特征峰均值序列BMn中的所有特征峰均值相加得到第一特征值BS1,将最高峰、次高峰的特征峰均值相加得到第二特征值BS2;
3)将特征值输入到最小二乘法线性分类器进行分类训练;
4)对于待测水果,重复步骤1)~2)得到其特征值,输入到分类训练后的最小二乘法线性分类器中进行判别得到损伤检测结果。
2.根据权利要求1所述的一种基于水果表面不同组织热特性的水果损伤检测方法,其特征在于:所述的感兴趣区域包括水果的损伤部位、花萼部位和正常组织部位。
3.根据权利要求1所述的一种基于水果表面不同组织热特性的水果损伤检测方法,其特征在于:所述的不同感兴趣区域的温度数据包括热电堆传感器中每个传感元件多次采集的温度值。
4.根据权利要求1所述的一种基于水果表面不同组织热特性的水果损伤检测方法,其特征在于:将不同水果样品的不同感兴趣区域所有采集温度数据处理后得到的所述第一特征值BS1和第二特征值BS2输入到最小二乘法线性分类器中进行分类训练,得到水果表面损伤检测模型,由水果表面损伤检测模型对待测水果进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510570827.0A CN105241555B (zh) | 2015-09-09 | 2015-09-09 | 基于水果表面不同组织热特性的水果损伤检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510570827.0A CN105241555B (zh) | 2015-09-09 | 2015-09-09 | 基于水果表面不同组织热特性的水果损伤检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105241555A CN105241555A (zh) | 2016-01-13 |
CN105241555B true CN105241555B (zh) | 2018-07-31 |
Family
ID=55039281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510570827.0A Active CN105241555B (zh) | 2015-09-09 | 2015-09-09 | 基于水果表面不同组织热特性的水果损伤检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105241555B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128249B (zh) * | 2019-12-26 | 2022-08-23 | 合肥美亚光电技术股份有限公司 | 大蒜的疤识别方法、系统及分选设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1430723A (zh) * | 2000-03-13 | 2003-07-16 | 奥特莱有限公司 | 用可见光/近红外光谱测量和相关水果特性的方法和装置 |
CN101713747A (zh) * | 2009-11-23 | 2010-05-26 | 华东交通大学 | 基于红外热成像技术的水果表面早期缺陷检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITPN20010032A1 (it) * | 2001-04-27 | 2002-10-27 | S C E Srl | Apparato portatile di misurazione non distruttiva della qualita' interna di prodotti vegetali |
-
2015
- 2015-09-09 CN CN201510570827.0A patent/CN105241555B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1430723A (zh) * | 2000-03-13 | 2003-07-16 | 奥特莱有限公司 | 用可见光/近红外光谱测量和相关水果特性的方法和装置 |
CN101713747A (zh) * | 2009-11-23 | 2010-05-26 | 华东交通大学 | 基于红外热成像技术的水果表面早期缺陷检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于DT-CWT和LS-SVM的苹果果梗/花萼和缺陷识别;宋怡焕 等;《农业工程学报》;20120531;第28卷(第9期);第114-118页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105241555A (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103439270B (zh) | 一种高光谱图像检测桃果实早期冷害的方法 | |
CN102749370B (zh) | 壳类农产品品质指标无损快速检测的方法 | |
CN103065149A (zh) | 网纹甜瓜果实表型提取与量化方法 | |
CN103698674A (zh) | 一种流动式电缆局部放电在线监测系统 | |
CN101710081A (zh) | 基于图像纹理与分形维数的机械零件表面缺陷检测方法 | |
CN108693448B (zh) | 一种应用于电力设备局部放电模式识别系统 | |
CN103344575A (zh) | 基于高光谱图像技术的干燥毛豆多品质无损检测方法 | |
CN103163217A (zh) | 声表面波谐振器串联检测系统及其检测方法 | |
CN104330711A (zh) | 一种饱和电抗器绝缘加速老化试验装置及试验方法 | |
CN109085244A (zh) | 一种基于压电阵列的非线性Lamb波结构疲劳损伤层析成像方法 | |
CN105241555B (zh) | 基于水果表面不同组织热特性的水果损伤检测方法及装置 | |
CN109342909A (zh) | 一种基于slle的电缆附件局部放电模式识别方法 | |
CN109541031A (zh) | 基于声学和振动特性的水果硬度检测方法 | |
CN102998350A (zh) | 利用电化学指纹图谱鉴别食用油和地沟油的方法 | |
CN202041614U (zh) | 一种超高压电缆线路绝缘缺陷局部放电信号识别装置 | |
CN108572174A (zh) | 一种农产品品质指标无损检测方法 | |
CN109272484B (zh) | 一种基于视频图像的降雨检测方法 | |
Lien et al. | Assessing guava maturity by statistical analyses of dropped fruit impact responses | |
CN104833724A (zh) | 一种禽蛋蛋壳裂纹检测方法与装置 | |
Long et al. | Online identification of apple scarring and stems/calyxes based on texture and edge gradient features | |
CN106596566A (zh) | 用红外图像检测及综合评估水果表面隐形损伤的方法 | |
CN104777446B (zh) | 一种电容型电流互感器在线故障诊断装置及方法 | |
CN102749426A (zh) | 定性无损快速检测花生新鲜度方法 | |
CN104921266B (zh) | 检测箭筈豌豆裂荚率的装置及其方法 | |
CN108573233A (zh) | 一种基于图像处理技术的电网陶瓷绝缘子识别方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210517 Address after: 310012 room 1102, block B, Lishui digital building, 153 Lianchuang street, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province Patentee after: Hangzhou nuotian Intelligent Technology Co.,Ltd. Address before: 310027 No. 38, Zhejiang Road, Hangzhou, Zhejiang, Xihu District Patentee before: ZHEJIANG University |