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

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

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

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T_mi，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T_mi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D_mj，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D_mj的每一行分别进行傅氏变换，得到温度场傅氏序列F_mj，再计算得到温度场傅氏序列F_mj的幅值A_mj，取幅值A_mj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B_mk，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B_mk的每列平均值，得到特征峰均值序列BM_n，n＝0,1,2，n表示特征峰均值序列BM_n的列数，将特征峰均值序列BM_n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T_mi(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T_mi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D_mj(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D_mj的每一行分别进行傅氏变换，得到温度场傅氏序列F_mj(m＝0,1…15；j＝0,1…127)，再计算得到温度场傅氏序列F_mj的幅值A_mj(m＝0,1…15；j＝0,1…127)，取幅值A_mj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B_mk(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B_mk的每列平均值，形成得到特征峰均值序列BM_n，n＝0,1,2，n表示特征峰均值序列BM_n的列数，将特征峰均值序列BM_n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T_mi，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T_mi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D_mj，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D_mj的每一行分别进行傅氏变换，得到温度场傅氏序列F_mj，再计算得到温度场傅氏序列F_mj的幅值A_mj，取幅值A_mj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B_mk，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B_mk的每列平均值，得到特征峰均值序列BM_n，n＝0,1,2，n表示特征峰均值序列BM_n的列数，将特征峰均值序列BM_n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。