CN105372203A - 基于多传感器融合的新鲜苹果损伤敏感度无损检测方法 - Google Patents
基于多传感器融合的新鲜苹果损伤敏感度无损检测方法 Download PDFInfo
- Publication number
- CN105372203A CN105372203A CN201510742702.1A CN201510742702A CN105372203A CN 105372203 A CN105372203 A CN 105372203A CN 201510742702 A CN201510742702 A CN 201510742702A CN 105372203 A CN105372203 A CN 105372203A
- Authority
- CN
- China
- Prior art keywords
- damage
- apple
- fresh
- hyperspectral image
- visible
- 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.)
- Granted
Links
- 230000006378 damage Effects 0.000 title claims abstract description 80
- 230000035945 sensitivity Effects 0.000 title claims abstract description 50
- 230000004927 fusion Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000009659 non-destructive testing Methods 0.000 title claims description 8
- 241000220225 Malus Species 0.000 claims abstract description 127
- 239000011159 matrix material Substances 0.000 claims abstract description 51
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 36
- 230000003595 spectral effect Effects 0.000 claims abstract description 28
- 235000021016 apples Nutrition 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims description 11
- 238000012843 least square support vector machine Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 abstract description 35
- 230000001066 destructive effect Effects 0.000 abstract description 3
- 238000012706 support-vector machine Methods 0.000 abstract description 3
- 238000012937 correction Methods 0.000 description 17
- 229910052736 halogen Inorganic materials 0.000 description 15
- 150000002367 halogens Chemical class 0.000 description 15
- 239000010453 quartz Substances 0.000 description 15
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 15
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 15
- 229910052721 tungsten Inorganic materials 0.000 description 15
- 239000010937 tungsten Substances 0.000 description 15
- 239000013307 optical fiber Substances 0.000 description 13
- 238000012935 Averaging Methods 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009658 destructive testing Methods 0.000 description 1
- 235000021022 fresh fruits Nutrition 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于多传感器融合的新鲜苹果损伤敏感度无损检测方法。该方法包括:a、用可视/近红外光谱系统采集苹果的光谱,提取光谱数据矩阵;b、用高光谱图像系统采集相同苹果的图像,利用广义高斯函数获得特征参数矩阵;c、用光谱数据矩阵和特征参数矩阵,构建特征融合矩阵;d、用破坏性仪器采集苹果样本的损伤敏感度指标;e、用最小二乘支持向量机构建苹果损伤敏感度的评价预估模型;f、采集可视/近红外光谱和高光谱图像,并输入到评价预估模型中,获得苹果损伤敏感度的评价结果。本发明通过可视/近红外光谱系统和高光谱图像系统多传感器融合及评价预估模型获得新鲜苹果的损伤敏感度评价结果;操作简单,实时性好,可靠性高。
Description
技术领域
本发明涉及一种新鲜苹果损伤敏感度无损检测方法,尤其是一种可视/近红外光谱和高光谱图像技术的多传感器集成的无损检测方法。
背景技术
苹果的外部损伤是影响其品质和市场认可程度的主要缺陷。损伤发生在苹果的采摘、包装、运输等过程中,尤其是从果园到市场的运输过程。随着时间的变化,损伤破坏苹果的细胞并使受伤的组织变得干燥,难以被消费者接受。在苹果的损伤检测过程中,虽然可以根据其损伤特点判别损伤程度,但是由于新鲜水果的机械损伤形成需要一定的时间,这给水果的损伤的快速探测和评估带来了困难。事先了解苹果在各个加工处理环节的损伤特点和可能性,为采取合适的操作、防护等措施提供信息,对于减少苹果损伤具有重要的价值。损伤敏感度被定义为单位碰撞或吸收能量下的损伤体积,由于其能够评价水果抵抗外力所导致的损伤潜力,已成为水果采摘后包装、运输过程的研究焦点。目前采用的损伤敏感度检测中,主要是采用类钟摆装置来检测苹果的损伤敏感度。该测量方法依据少量样本的破坏性试验,根据一些外部因素评估水果的损伤,而忽略了水果内在的一些固有的物理形态结构和化学成分。
发明内容
本发明的目的是克服现有技术中存在的不足,提出一种基于多传感器融合的新鲜苹果损伤敏感度无损检测方法,其采用可视/近红外光谱技术和高光谱图像散射技术的融合实现对新鲜苹果损伤敏感度的无损检测,实时性好,方便便捷及可靠性高。
按照本发明提供的技术方案,所述基于多传感器融合的新鲜苹果损伤敏感度无损检测方法,包括如下步骤:
a、选取新鲜苹果样本;b、将新鲜苹果样本放在可视/近红外光谱采集系统中,采集并获取对应的可视/近红外光谱,并提取不同光波长的光谱数据矩阵;c、将相同的样本放在高光谱散射图像采集系统中,采集并获取与可视/近红外同样位置的样本高光谱图像,利用广义高斯函数获得高光谱图像不同光波长的特征参数矩阵;d、利用步骤b和步骤c求得的光谱数据矩阵和高光谱图像特征参数矩阵,构建特征融合矩阵;e、利用类钟摆装置进行碰撞损伤实验对新鲜苹果进行损伤敏感度测试,得到对应新鲜苹果样本的损伤敏感度评价结果;f、利用步骤d所得的特征融合矩阵和最小二乘支持向量机建立新鲜苹果损伤敏感度指标的评价预估模型;g、利用可视/近红外光谱系统和高光谱图像系统采集待测新鲜苹果的可视/近红外光谱和高光谱图像,利用步骤d得到待测新鲜苹果的光谱数据矩阵和高光谱图像特征参数矩阵构建的特征融合矩阵输入到步骤f得到的评价预估模型中,获得新鲜苹果的损伤敏感度指标预测值。
所述的可视/近红外光谱采集系统包括采光室、电源、石英卤素钨灯、光纤、环形导管、镜头组、光谱仪,其中:所述环形导管与镜头组连接放在采光室内,通过光纤连接光谱仪;所述石英卤素钨灯与电源相连,并通过光纤连接至环形导管,形成系统的环形光源;所述系统光源照射在待测对象省,通过连接在镜头组上的光谱仪,采集待测对象的光谱。
所述可视/近红外光谱仪的覆盖波长是400-1000nm。所述环形导管的直径为25mm。所述可视/近红外光谱仪的分辨率是3.1nm。所述石英卤素钨灯的输出功率为100W。
所述可视/近红外光谱采集系统采集相应新鲜苹果样本的光谱步骤包括:
s1、将环形导管、镜头组放置在采光室内;s2、关掉光源,采集全黑标定光谱及光谱光强值TD;s3、打开光源,在采光室内放置白色标准校正白板,所述白色标准校正白板放置在环形导管上,获取校正光源影响的参考光谱及所述参考光谱的光强值TF;s4、移出采光室内的白色标准校正白板;s5、将实验或待测新鲜苹果放置在环形导管上,每个苹果连续采集p次光谱;s6、对每个苹果的p次光谱进行平均处理,即其中,T为p次光谱的平均光强值;Ti为第i次可视/近红外光谱的光强值;s7、利用全黑标定光谱及参考光谱,计算每个苹果的可视/近红外光谱的相对光强值其中,为每个苹果的光谱相对光强值;T为每个苹果的光谱平均光强值;TD为全黑标定光谱光强值;TF为白色标准校正白板光谱光强值;s8、根据可视/近红外光谱仪的光谱分辨率,提取每个苹果相对光谱对应不同光波长的数据矩阵RT,所述RT为 其中m为波段数,为第i个波段的光强值。
所述的高光谱图像采集系统包括采光室;所述采光室内设有CCD控制器、CCD数字照相机与聚焦透镜;所述CCD控制器与CCD数字照相机连接,所述的CCD控制器的输出端与计算机连接;所述CCD数字照相机上设置光谱仪,所述光谱仪的前端设有透镜;所述聚焦透镜通过光纤汇聚石英卤素钨灯发出的光线,并在采光室内形成1mm的点光源;石英卤素钨灯的电源端连接电源;所述系统光源照射在待测对象上,通过光谱仪与CCD数字照相机,采集待测对象的高光谱图像。
所述CCD照相机的覆盖的波长是400-1000nm。所述光谱仪的光谱分辨率为3.1nm。所述石英卤素钨灯的输出功率为20W。
所述高光谱图像采集系统采集相应新鲜苹果样本的高光谱图像步骤包括:
s9、将CCD控制器、CCD数字照相机、光谱仪及聚焦透镜放置在采光室内;s10、在采光室内盖上光谱仪前端的聚焦透镜镜头盖,采集全黑标定图像及图像光强值ID;s11、在采光室内放置白色标准校正白板,所述白色标准校正白板放置在CCD数字照相机、光谱仪及聚焦透镜下方,获取校正光源影响的参考图像及所述参考图像的光强值IF;s12、移出采光室内的白色标准校正白板;s13、将实验或待测新鲜苹果放置在CCD数字照相机、光谱仪及聚焦透镜下方,每个苹果连续采集q副图像;s14、对每个苹果的q副高光谱图像进行平均处理,即其中,I为q副光谱图像的平均光强值;Ij为第j副高光谱图像的光强值;s15、利用全黑标定图像及白色标准校正白板的参考图像,计算每个苹果的高光谱图像的相对光强值其中,为每个苹果的高光谱图像相对光强值;I为每个苹果的高光谱图像平均光强值;ID为全黑标定高光谱图像光强值;IF为白色标准校正白板高光谱图像光强值;s16、根据高光谱图像的空间分辨率和光谱分辨率,将每个苹果的高光谱图像相量化成对应不同光波长的数据矩阵RI,所述RI为 其中m为波段数,n为苹果空间采集位置点数,rij为第i个波段的第j个位置点的光强值;采用广义高斯函数对矩阵每一行进行拟合,即对每一个波段求取均值特征参数和形状特征参数α和σ,构建高光谱图像的特征参数矩阵
利用步骤b和步骤c求得的光谱数据矩阵RT和高光谱图像特征参数矩阵RI,构建特征融合矩阵 然后执行步骤。
所述步骤e中采用类钟摆装置进行碰撞损伤实验对苹果进行损伤敏感度测试;类钟摆中的木球以30度、60度、90度不同的能量高度摆动下落,碰撞结束后,样本放置于室温环境,24小时后对损伤面积和深度值进行测试;利用木球下落的高度计算碰撞能量;利用损伤面积和深度值计算损伤体积;通过计算损伤体积与碰撞能量的比值得到苹果损伤敏感度结果。
利用特征融合矩阵和损伤敏感度标准值建立建立新鲜苹果损伤敏感度指标的最小二乘支持向量机评价预估模型。
利用可视/近红外光谱采集系统和高光谱图像采集系统采集待测试苹果的光谱数据和高光谱图像数据,获得特征融合矩阵,将特征融合矩阵输入到最小二乘支持向量机评价预估模型,获得待测试苹果的损伤敏感度估计值。
本发明的优势:利用可视/近红外光谱系统和高光谱图像系统多传感器融合技术及破坏性仪器检测首先获得待检测苹果的损伤敏感度评价预估模型,通过可视/近红外光谱系统和高光谱图像系统多传感器融合技术及损伤敏感度评价预估模型获得新鲜苹果的损伤敏感度预估结果,能够在多数苹果无损的情况下,得到新鲜苹果的损伤敏感度预估结果。通过特征融合矩阵和支持向量机建立的预估模型,操作简单,实时性好,可靠性高。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明可视/近红外光谱采集系统的工作原理结构示意图。
图2为本发明高光谱图像采集系统的工作原理结构示意图。
图3为本发明检测方法流程示意图。
结合附图,本发明实施例中附图标记如下:
1、石英卤素钨_a;2、电源_a;3、新鲜苹果_a;4、环形导光管;5、镜头组_a;6、光谱仪_a;7、光纤_a;8、采光室_a;9、计算机;10、CCD控制器;11、CCD数字照相机;12、光谱仪_b;13、透镜组_b;14、新鲜苹果_b;15、电源_b;16、石英卤素钨灯_b;17、聚焦透镜;18、光纤_b;19、采光室_b。
具体实施方式
下面结合具体附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1所示:本发明包括石英卤素钨灯_a1、电源_a2、新鲜苹果_a3、环形导光管4、镜头组_a5、光谱仪_a6、光纤_a7。
如图1所示:新鲜苹果_a3、环形导光管4、镜头组_a5与光纤_a7,均设置在采光室_a8内部,避免外来光源的干扰;所述环形导管的直径为25mm,与镜头组和光纤依次配合连接。光谱仪_a6的波长范围为400-1000nm,光谱分辨率为3.1nm。石英卤素钨灯_a1与电源_a2相连,并通过光纤连接至环形导管4,形成系统光源;系统光源照射在待测新鲜苹果上,通过光谱仪_a6,采集新鲜苹果的可视/近红外光谱,所述石英卤素钨灯_a1的输出功率为100W。
图2显示了高光谱图像采集系统的工作原理结构示意图。
如图2所示:CCD控制器10、CCD数字照相机11、光谱仪_b12、透镜组_b13、新鲜苹果_b14与聚焦透镜17,均设置在采光室_a19内部,避免外来光源的干扰;所述CCD数字照相机11覆盖的波长为400-1000nm;所述光谱仪_b12的光谱分辨率为3.1nm。CCD控制器10、CCD数字照相机11、光谱仪_b12与透镜组_b13依次配合连接,且位于光源的上方;透镜组_b13设置在光谱仪_b12的前端,光谱仪_b12设置在CCD数字照相机11上,CCD数字照相机11的输出端与CCD控制器10相连,CCD控制器10的输出端与计算机9相连,用于向计算机9输出采集所得高光谱图像;石英卤素钨灯_b16与电源_b15相连,并通过光纤_b18连接在聚焦透镜17上,形成系统光源;系统光源照射在待测新鲜苹果上,通过光谱仪_b12与CCD数字照相机11,采集新鲜苹果的高光谱图像,所述石英卤素钨灯_b16的输出功率为20W。
如图3所示:所述检测新鲜苹果损伤敏感度的方法重要的步骤为构建新鲜苹果损伤敏感度的评价预估模型,对新鲜苹果可视/近红外光谱及高光谱图像特征参数的提取并构建特征融合矩阵。所述可视/近红外光谱采集系统和高光谱图像采集系统采集新鲜苹果可视/近红外光谱及高光谱图像的步骤包括:
s1、将环形导管4、镜头组_a5放置在采光室_a8内;所述采光室_a8为光学屏蔽装置,能够避免外来光源的干扰,确保可视/近红外光谱采集系统采集新鲜苹果光谱的准确度;
s2、关掉光源,采集全黑标定光谱及光谱光强值TD;
s3、打开光源,在采光室_a8内放置白色标准校正白板,所述白色标准校正白板放置在环形导管4上,获取校正光源影响的参考光谱及所述参考光谱的光强值TF;
s4、移出采光室_a8内的白色标准校正白板,便于在采光室_a8内对新鲜苹果_a3进行检测;
s5、将实验或待测新鲜苹果放置在环形导管4上,每个苹果连续采集p次光谱;所述环形导光管4将石英卤素钨灯_a1在新鲜苹果_a3上形成环形光源;所述透镜组_a5收集新鲜苹果_a3的反射光,通过光纤_a7传送给光谱仪_a6,生成可视/近红外光谱;
s6、对每个苹果的p次光谱进行平均处理,即
其中,T为p次光谱的平均光强值;Ti为第i次可视/近红外光谱的光强值;通过对同一苹果的p次光谱进行平均处理,减少了可视/近红外光谱采集装置采集苹果_a3光谱时产生的误差;
s7、利用全黑标定光谱及参考光谱,计算每个苹果的可视/近红外光谱的相对光强值
其中,为每个苹果的光谱相对光强值;T为每个苹果的光谱平均光强值;TD为全黑标定光谱光强值;TF为白色标准校正白板光谱光强值;利用TD和TF对苹果_a3的光谱进行校正,避免采集装置在采集苹果_a3时产生的误差;
s8、根据可视/近红外光谱仪的光谱分辨率,提取每个苹果_a3相对光谱对应不同光波长的数据矩阵RT,所述RT为
其中m为波段数,为第i个波段的光强值;
s9、将CCD控制器10、CCD数字照相机11、光谱仪_b12、透镜组_b13及聚焦透镜17放置在采光室_b19内;所述采光室_b19为光学屏蔽装置,能够避免外来光源的干扰,确保高光谱图像采集系统采集新鲜苹果高光谱图像的准确度;
s10、在采光室_b19内盖上光谱仪_b12前端的透镜组_b13的镜头盖,采集全黑标定图像及图像光强值ID;
s11、在采光室_b19内放置白色标准校正白板,所述白色标准校正白板放置在CCD控制10、CCD数字照相机11、光谱仪_b12及透镜组_b13的下方,获取校正光源波段影响的参考图像及所述参考图像的光强值IF;
s12、移出采光室_b19内的白色标准校正白板,便于在采光室_b19内对新鲜苹果样本_b14进行检测;
s13、将实验或待测新鲜苹果_b14放置在CCD数字照相机11、光谱仪_b12及透镜组_b13下方,每个苹果连续采集q副图像;所述聚焦透镜17通过光纤_b18将石英卤素钨灯_b16在苹果_b14上形成1mm的点光源;所述点光源照射在苹果_b14的赤道位置上,CCD控制器10、CCD数字照相机11、光谱仪_b12、通过透镜组_b13采集苹果_b14赤道位置处的高光谱图像;CCD数字照相机11将采集到的高光谱图像经过CCD控制器10传送到计算机9内,由计算机9对高光谱图像进行相应的处理;为避免CCD数字照相机11的检测饱和,点光源的照射点与样本表面线扫描位置之间的距离为1.5mm;
s14、对每个苹果的q副高光谱图像进行平均处理,即
其中,I为q副光谱图像的平均光强值;Ij为第j副高光谱图像的光强值;通过对同一苹果_b14的q副高光谱图像进行平均处理,减少了高光谱采集装置采集苹果_b14图像时产生的误差;
s15、利用全黑标定图像及白色标准校正白板的参考图像,计算每个苹果的高光谱图像的相对光强值
其中,为每个苹果的高光谱图像相对光强值;I为每个苹果的高光谱图像平均光强值;ID为全黑标定高光谱图像光强值;IF为白色标准校正白板高光谱图像光强值;利用全黑标定高光谱图像光强值ID及白色标准校正白板的高光谱图像光强值IF对苹果_b14的高光谱图像进行校正,避免计算机9及CCD数字照相机11采集苹果_a14的高光谱图像时产生的误差;
s16、根据高光谱图像的空间分辨率和光谱分辨率,将每个苹果的高光谱图像相量化成对应不同光波长的数据矩阵RI,所述RI为
其中m为波段数,n为苹果空间采集位置点数,rij为第i个波段的第j个位置点的光强值;
采用广义高斯函数对矩阵RI每一行进行拟合,即对每一个波段求取均值特征参数和形状特征参数α和σ,构建高光谱图像的特征参数矩阵
用b和步骤c求得的光谱数据矩阵RT和高光谱图像特征参数矩阵RI,构建特征融合矩阵
采用类钟摆装置进行碰撞损伤实验对苹果进行损伤敏感度测试;类钟摆中的木球以30度、60度、90度不同的能量高度摆动下落,碰撞结束后,样本放置于室温环境,24小时后对损伤面积和深度值进行测试;利用木球下落的高度计算碰撞能量;利用损伤面积和深度值计算损伤体积;通过计算损伤体积与碰撞能量的比值得到苹果损伤敏感度结果。
利用特征融合矩阵和损伤敏感度标准值建立建立新鲜苹果损伤敏感度指标的最小二乘支持向量机评价预估模型。
得到新鲜苹果样本的损伤敏感度预估模型后,利用可视/近红外光谱系统和高光谱图像系统采集待测新鲜苹果的可视/近红外光谱和高光谱图像,将所述的视/近红外光谱和高光谱图像进行处理后,求得光谱数据矩阵和高光谱图像特征参数矩阵构建的特征融合矩阵输入已建立的损伤敏感度评价预估模型中,即可得到新鲜苹果的损伤敏感度指标预测值。
如图3所示:所述进行多传感器融合的新鲜苹果损伤敏感度无损检测的步骤概括为:
a、选取新鲜苹果样本;
b、将新鲜苹果样本放在可视/近红外光谱采集系统中,采集并获取对应的可视/近红外光谱,并提取不同光波长的光谱数据矩阵;
c、相同的样本放在高光谱散射图像采集系统中,采集并获取与可视/近红外同样位置的样本高光谱图像,利用广义高斯函数获得高光谱图像不同光波长的特征参数矩阵;
d、利用步骤b和步骤c求得的光谱数据矩阵和高光谱图像特征参数矩阵,构建特征融合矩阵;
f、利用步骤d所得的特征融合矩阵和最小二乘支持向量机建立新鲜苹果损伤敏感度指标的评价预估模型;
g、利用可视/近红外光谱系统和高光谱图像系统采集待测新鲜苹果的可视/近红外光谱和高光谱图像,利用步骤d得到待测新鲜苹果的光谱数据矩阵和高光谱图像特征参数矩阵构建的特征融合矩阵输入到步骤f得到的评价预估模型中,获得新鲜苹果的损伤敏感度指标预测值。
本发明的优势:利用可视/近红外光谱系统和高光谱图像系统多传感器融合技术及破坏性仪器检测首先获得待检测苹果的损伤敏感度评价预估模型,通过可视/近红外光谱系统和高光谱图像系统多传感器融合技术及损伤敏感度评价预估模型获得新鲜苹果的损伤敏感度预估结果,能够在多数苹果无损的情况下,得到新鲜苹果的损伤敏感度预估结果。通过特征融合矩阵和支持向量机建立的预估模型,操作简单,实时性好,可靠性高。
Claims (2)
1.基于多传感器融合的新鲜苹果损伤敏感度无损检测方法,其特征是,所述检测方法包括如下步骤:
(a)选取新鲜苹果样本;
(b)将新鲜苹果样本放置在可视/近红外光谱采集系统中,采集对应新鲜苹果样本的可视/近红外光谱,并提取不同光波长的光谱数据矩阵;
(c)将相同的新鲜苹果样本放置在高光谱图像采集系统中,采集高光谱图像,利用广义高斯函数获得高光谱图像不同光波长的特征参数矩阵;
(d)利用(b)和(c)求得的光谱数据矩阵和高光谱图像特征参数矩阵,构建特征融合矩阵;
(e)利用类钟摆装置进行碰撞损伤实验对新鲜苹果进行损伤敏感度测试,得到对应新鲜苹果样本的损伤敏感度评价结果;
(f)利用最小二乘支持向量机结合特征融合矩阵构建新鲜苹果损伤敏感度的评价预估模型;
(g)利用可视/近红外光谱系统和高光谱图像系统采集待测新鲜苹果的可视/近红外光谱和高光谱图像,利用步骤(d)得到待测新鲜苹果的光谱数据矩阵和高光谱图像特征参数矩阵构建的特征融合矩阵输入到步骤(f)得到的评价预估模型中,获得相应新鲜苹果的损伤敏感度评价结果。
2.根据权利要求1所述基于多传感器融合的新鲜苹果损伤敏感度无损检测方法,其特征是:所述步骤(e)中采用类钟摆装置进行碰撞损伤实验对新鲜苹果进行损伤敏感度测试;类钟摆中的木球以30度、60度、90度不同的能量高度摆动下落,碰撞结束后,样本放置于室温环境,24小时后对损伤面积和深度值进行测试;利用木球下落的高度计算碰撞能量;利用损伤面积和深度值计算损伤体积;通过计算损伤体积与碰撞能量的比值得到新鲜苹果损伤敏感度结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510742702.1A CN105372203B (zh) | 2015-11-04 | 2015-11-04 | 基于多传感器融合的新鲜苹果损伤敏感度无损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510742702.1A CN105372203B (zh) | 2015-11-04 | 2015-11-04 | 基于多传感器融合的新鲜苹果损伤敏感度无损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105372203A true CN105372203A (zh) | 2016-03-02 |
CN105372203B CN105372203B (zh) | 2017-12-15 |
Family
ID=55374596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510742702.1A Active CN105372203B (zh) | 2015-11-04 | 2015-11-04 | 基于多传感器融合的新鲜苹果损伤敏感度无损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105372203B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106568784A (zh) * | 2016-11-09 | 2017-04-19 | 石河子大学 | 一种用于果蔬表面缺陷在线检测的多光谱成像系统及实现方法 |
CN107300536A (zh) * | 2017-08-25 | 2017-10-27 | 天津商业大学 | 基于高光谱的芒果冲击损伤后可溶性固形物含量预测方法 |
CN107843593A (zh) * | 2017-10-13 | 2018-03-27 | 上海工程技术大学 | 一种基于高光谱成像技术的纺织品材料识别方法及系统 |
CN108287581A (zh) * | 2018-01-17 | 2018-07-17 | 河南科技学院 | 一种用于果园昼夜温差智能调控系统及方法 |
CN109001148A (zh) * | 2018-08-24 | 2018-12-14 | 武汉轻工大学 | 一种近红外光谱典型相关分析融合的茶籽油多元掺伪检测方法 |
CN109827909A (zh) * | 2018-12-24 | 2019-05-31 | 核工业北京地质研究院 | 一种利用光谱数据筛选红富士苹果质量的方法 |
WO2019184709A1 (zh) * | 2018-03-29 | 2019-10-03 | 上海智瞳通科技有限公司 | 多传感器融合的数据处理方法、装置与多传感器融合方法 |
CN113406013A (zh) * | 2021-04-13 | 2021-09-17 | 江苏师范大学 | 基于高光谱和近红外融合的肉制品品质检测设备与方法 |
CN114332621A (zh) * | 2021-12-30 | 2022-04-12 | 华智生物技术有限公司 | 一种基于多模型特征融合的病虫害识别方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101008621A (zh) * | 2007-01-12 | 2007-08-01 | 浙江大学 | 基于多传感器信息融合的水果缺陷检测方法和装置 |
CN101832926A (zh) * | 2010-03-19 | 2010-09-15 | 江南大学 | 一种利用高光谱图像技术进行苹果粉质化无损检测方法 |
CN103344575A (zh) * | 2013-07-01 | 2013-10-09 | 江南大学 | 基于高光谱图像技术的干燥毛豆多品质无损检测方法 |
-
2015
- 2015-11-04 CN CN201510742702.1A patent/CN105372203B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101008621A (zh) * | 2007-01-12 | 2007-08-01 | 浙江大学 | 基于多传感器信息融合的水果缺陷检测方法和装置 |
CN101832926A (zh) * | 2010-03-19 | 2010-09-15 | 江南大学 | 一种利用高光谱图像技术进行苹果粉质化无损检测方法 |
CN103344575A (zh) * | 2013-07-01 | 2013-10-09 | 江南大学 | 基于高光谱图像技术的干燥毛豆多品质无损检测方法 |
Non-Patent Citations (6)
Title |
---|
EBRAHIM AHMADI ET AL.: "The effect of impact and fruit properties on the bruising of peach", 《JOURNAL OF FOOD ENGINEERING》 * |
GAMAL ELMASRY ET AL.: "Early detection of apple bruises on different background colors using hyperspectral imaging", 《LWT》 * |
M. VAN ZEEBROECK ET AL.: "Impact damage of apples during transport and handling", 《POSTHARVEST BIOLOGY AND TECHNOLOGY》 * |
杨婷婷 等: "近红外高光谱成像技术的桃轻微损伤早期检测", 《农机化研究》 * |
赵鑫: "光谱图像技术在水果内部品质检测中的研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
郭志明: "基于近红外光谱及成像的苹果品质无损检测方法和装置研究", 《中国博士学位论文全文数据库 农业科技辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106568784A (zh) * | 2016-11-09 | 2017-04-19 | 石河子大学 | 一种用于果蔬表面缺陷在线检测的多光谱成像系统及实现方法 |
CN107300536A (zh) * | 2017-08-25 | 2017-10-27 | 天津商业大学 | 基于高光谱的芒果冲击损伤后可溶性固形物含量预测方法 |
CN107300536B (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可溶性固形物含量预测方法 |
CN107843593A (zh) * | 2017-10-13 | 2018-03-27 | 上海工程技术大学 | 一种基于高光谱成像技术的纺织品材料识别方法及系统 |
CN108287581A (zh) * | 2018-01-17 | 2018-07-17 | 河南科技学院 | 一种用于果园昼夜温差智能调控系统及方法 |
US11675068B2 (en) | 2018-03-29 | 2023-06-13 | Shanghai YuGan Microelectronics Co., Ltd | Data processing method and device based on multi-sensor fusion, and multi-sensor fusion method |
WO2019184709A1 (zh) * | 2018-03-29 | 2019-10-03 | 上海智瞳通科技有限公司 | 多传感器融合的数据处理方法、装置与多传感器融合方法 |
CN109001148B (zh) * | 2018-08-24 | 2020-10-09 | 武汉轻工大学 | 一种近红外光谱典型相关分析融合的茶籽油多元掺伪检测方法 |
CN109001148A (zh) * | 2018-08-24 | 2018-12-14 | 武汉轻工大学 | 一种近红外光谱典型相关分析融合的茶籽油多元掺伪检测方法 |
CN109827909B (zh) * | 2018-12-24 | 2021-06-22 | 核工业北京地质研究院 | 一种利用光谱数据筛选红富士苹果质量的方法 |
CN109827909A (zh) * | 2018-12-24 | 2019-05-31 | 核工业北京地质研究院 | 一种利用光谱数据筛选红富士苹果质量的方法 |
CN113406013A (zh) * | 2021-04-13 | 2021-09-17 | 江苏师范大学 | 基于高光谱和近红外融合的肉制品品质检测设备与方法 |
CN114332621A (zh) * | 2021-12-30 | 2022-04-12 | 华智生物技术有限公司 | 一种基于多模型特征融合的病虫害识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105372203B (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105372203B (zh) | 基于多传感器融合的新鲜苹果损伤敏感度无损检测方法 | |
CN101832926B (zh) | 一种利用高光谱图像技术进行苹果粉质化无损检测方法 | |
CN103776531B (zh) | 近红外微弱脉冲光谱辐亮度校准装置 | |
CN105203464B (zh) | 基于高光谱成像技术检测花生中油酸含量分布的方法 | |
CN109187417B (zh) | 一种无人机载的太赫兹波及高光谱遥感农作物监测系统 | |
CN108827934B (zh) | 一种基于盲源分离拉曼散射图像的带包装食品品质无损检测方法 | |
CN111982835A (zh) | 一种基于硅基多光谱芯片的水果糖度无损检测装置及方法 | |
CN114202675A (zh) | 一种基于无人机多光谱遥感影像的作物生长参数测定方法及系统 | |
CN105115910A (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 | |
CN111289496A (zh) | 一种远距离变焦距激光诱导击穿光谱的检测方法及装置 | |
CN116026475A (zh) | 基于非制冷红外相机的气体预警和辐射校准系统及方法 | |
CN111272735B (zh) | 一种激光诱导击穿光谱的检测方法 | |
US9310249B2 (en) | Spectrophotometer for the automated optical characterization of solar collector tubes and method for the operation thereof | |
CN108195823B (zh) | 一种激光诱导击穿光谱检测系统 | |
CN113504185A (zh) | 结合libs定标的多光谱农产品重金属含量检测建模系统 | |
CN114166793B (zh) | 基于光谱波段重叠分离的叶片叶绿素a、b含量反演方法 | |
CN105115909B (zh) | 基于高光谱成像技术检测花生中脂肪含量分布的方法 | |
CN109141636A (zh) | 一种傅里叶式红外光谱仪等效噪声辐亮度测量方法 | |
CN103983430A (zh) | 日盲紫外像增强器带外相对光谱响应度测试装置及方法 | |
CN110160651B (zh) | 一种荧光高光谱测试系统 | |
CN114112985A (zh) | 一种近红外光谱仪及近红外在线检测方法 | |
CN208999307U (zh) | 一种多功能暗室荧光光谱测试仪装置 | |
Zhou et al. | Apple bruise detect with hyperspectral imaging technique | |
CN118129905B (zh) | 一种星载高光谱成像仪曲线型辐射定标方法及系统 | |
CN109724695B (zh) | 一种光谱仪波长标定装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |