CN105954205A - 基于光谱成像的青梅糖度与酸度快速无损检测装置 - Google Patents
基于光谱成像的青梅糖度与酸度快速无损检测装置 Download PDFInfo
- Publication number
- CN105954205A CN105954205A CN201610273207.5A CN201610273207A CN105954205A CN 105954205 A CN105954205 A CN 105954205A CN 201610273207 A CN201610273207 A CN 201610273207A CN 105954205 A CN105954205 A CN 105954205A
- Authority
- CN
- China
- Prior art keywords
- detection
- index
- region
- measurand
- light
- 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
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
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
一种基于声光可调滤光器光谱成像的青梅糖度与酸度快速无损检测装置,包括光室、成像系统、图像处理与检测运算单元和显示单元;光室由上下两部分组成,光室上部由带观察孔的半球型反射罩、高度调节套筒组成;光室下部是不透光空间。光室上部设有载物台与被测对象;光室下部设有镜面反射面、光源;光室上下部之间设有透光材料。对于成像系统所在空间,成像系统包括高灵敏度相机及其镜头,在镜头与相机之间设有可进行波段扫描的滤光器件;高灵敏度相机的数据输出端连接图像处理与检测运算单元的数据输入端;图像处理与检测运算单元的显示信号输出端连接显示单元的显示信号输入端;图像处理与检测运算单元的数据信号输出端连接外部设备接口。本发明检验结果准确、客观,表达方式直观,从而为青梅的生产、贮藏、运输与销售环节中质量安全监管提供保障手段。
Description
技术领域
本发明涉及一种针对青梅糖度与酸度检测的装置,采用基于声光可调滤光器光谱成像方式采集数据,显示青梅指标空间分布图,对空间分布图中的像素位置预测结果进行统计并显示各指标像素检测均值与分布范围,属于食品对象无损检测技术领域。
背景技术
青梅是营养价值较高的果实,具有独特的营养特色和生物学功能。目前我国青梅精深加工的高附加值产品主要有两类,制作梅精和制作发酵青梅酒,青梅果精深加工产品不同,对原料果的成分特点要求也不同。用于制作梅精的梅果有机酸成分含量要求尽可能高。酸高、糖低是青梅精制作对原料果成分特点的理想要求。用于酿造发酵青梅酒的梅果酸类物质含量不能过高,而其总糖含量则尽可能高些。酸低、糖高是酿造青梅酒工艺对梅果成分的理想要求。
目前水果内部品质分析方法存在破坏样品、操作复杂、耗时长、成本高和无法实现在线检测等不足。在实际生产中,由于受到地域、品种、光照,以及园艺管理、不同植株及不同部位果实成熟度个体差异等影响,同批采摘的梅果总酸度及总糖含量之间存在较大差异。理化测定法常用于测定青梅的糖度和酸度,用电极电位法测定总酸度,用苯酚-硫酸法测定总糖含量,但这种方法具有破坏性、随机性、主观性,检测效率较低,无法满足对原料果开展按成分检测分等的需求。对青梅糖度与酸度进行检测的无损快速手段目前仍处于缺失状态。
青梅果尺寸小、表面曲率大,在受到平行光照射时,入射角度的变化造成表面各点所受辐射强度随几何位置有明显差异,加上固定观测点到球形表面各点的观测角度变化,很难获得观测亮度均匀的球形目标图像,影响基于各波段光谱图像中空间各点观测亮度开展的光谱图像检测的准确性。
发明内容
为了提升青梅表面照明的均匀性,需要根据青梅果形与尺寸特征定制专用反射照明系统。青梅的糖度与酸度由于受到青梅自身组织成分的非均匀性及所受环境影响因素的非均匀性作用不可能均匀一致,所以对青梅品质的检测应当反映糖度与酸度在空间上的分布情况及在青梅表面各个像素点位置处预测数据的统计显示,而非仅采用平均值或代表值反映被测对象的整体情况。
本发明为解决青梅快速无损检测其品质特征指标程度在空间分布情况及在青梅表面各个像素点位置处预测数据的统计显示问题,提出了一种基于声光可调滤光器光谱成像的青梅糖度与酸度快速无损检测装置。
一种基于声光可调滤光器光谱成像的青梅糖度与酸度快速无损检测装置,包括光室、成像系统、图像处理与检测运算单元和显示单元;
所述光室内设有光源和用来安放被测对象的载物台;光载物台受光源的充分照明;光室设有观察孔,成像系统通过观察孔采集被测对象的图像;所述载物台的位置可调;
成像系统的数据输出端连接图像处理与检测运算单元的数据输入端;图像处理与检测运算单元的显示信号输出端连接显示单元的显示信号输入端;图像处理与检测运算单元的数据信号输出端连接外部设备接口。
所述载物台为圆形,其尺寸覆盖成像系统的整个视场;载物台的材质与被测对象在所用光源的照明下,反射率有显著差异,便于从视场中自动分割出被测对象。
方式A、所述光源为点光源;光室的结构为:光室的设有内部空腔;内部空腔由上下两部分构成,构成内部空腔上部的是半球型反射罩,构成内部空腔下部的是内凹的镜面反射面;内部空腔的上下两部分之间设有由透光材料制成的支撑板,载物台在该支撑板上;光源位置在支撑板与镜面反射面之间的空间内;
反射罩的内壁覆有反射涂层,该反射涂层的要求为:反射涂层在观测波段不能有强烈的光谱吸收;
制成支撑板的透光材料,该透光材料的透射率在观测波段不能有强烈的光谱吸收;
支撑板的下表面覆有辐射波段选择涂层,该辐射波段选择涂层在满足成像光谱范围要求的情况下排除成像无关波段(如紫外辐射和热辐射);
方式B、所述光源为面光源;面光源均匀分布在被测对象的周围空间;
(具体实施时候,光室的内部空腔可以为球形。面光源可以采用cob LED。各个cobLED均匀分布在球面上,该球面的球心位置即为被测对象位置。在cobLED与被测对象之间设有均光板,均光板呈球面,再在其内表面根据需要覆滤光膜。成像系统的镜头可以装设在球面上。)
方式C、所述光源为线光源;线光源均匀分布在测对象(6)的周围空间。
(具体实施时候,光室的内部空腔可以为球形。线光源可以采用LED灯带。各个LED灯带沿球面的经线均匀分布在球面上,该球面的球心位置即为被测对象位置。在LED灯带与被测对象之间设有均光板,均光板呈球面,再在其内表面贴附有均光板,再在均光板内表面根据需要覆滤光膜。成像系统的镜头可以装设在球面上。)
上述方式B和C中,“滤光膜”在满足成像光谱范围要求的情况下排除成像无关波段(如紫外辐射和热辐射);
方式A中:
所述成像系统和被测对象在同一直线上,且在观察孔的两侧;观察孔的轴线与该直线重合;
光源照明的角度满足:从下向上通过透光材料经反射罩表面均匀覆盖被测对象,避免光线直接进入成像系统的镜头。
载物台的位置可调,调节机构为高度调节套筒;高度调节套筒包括伸缩可调连接的上、下两段套筒,上、下两段套筒分别与半球形反射罩和下部光室密闭连接;高度调节套筒围成的空腔是光室的内部空腔的一部分。
所述成像系统包括高灵敏度相机及其镜头;高灵敏度相机可以同时满足辐射量最小和最大的光谱波段的成像要求;镜头是抗色散镜头,在镜头与相机之间设有可进行波段扫描的滤光器件;
镜头指向反射罩上的观察孔,高灵敏度相机)通过该观察孔采集被测对象的图像;
所述载物台的位置可调,调节方法为:
在调节载物台的位置时,边调节,边观察被测对象经成像系统等得到的亮度梯度等高线的形状;
若等高线呈平行同心分布规律,则表示中央区域亮度明显高于周围,检测区域亮度不均;
然后,反复调节载物台的位置,直到等高线不再呈现同心分布,则表明检测区域亮度均匀,可以开始光谱图像采集。
被测对象表面照明均匀度是通过采集被测对象表面图像,利用sobel算子计算检测区域各点梯度方向,通过亮度梯度等高线的形状特征评价被测区域的照明均匀度。
若等高线密集且呈平行同心分布,则检测区域亮度不均;若等高线稀疏且没有明显中心,则表示检测区域亮度均匀。
图像运算与检测单元根据成像系统采集的光谱图像进行空间分布检测,并显示各指标像素检测均值与分布范围,步骤包括:
1)建立传统检测指标区域光谱预测模型库
选取被测对象种群、部位、存储方式与环境下的检测对象组成某种群、部位、存储方式与环境的样本,样本中的对象目标质量特征的分布范围应覆盖拟检测范围的全部。质量特征总体程度在样本中尽量均匀分布,即样本中每个质量水平上的对象数量尽量一致。
多个样本组成样本库,以反映不同种群、部位、存储方式及环境下检测对象的情况。
样本库中的每个样本经过光谱采集、得到光谱图像存于光谱图像库中,光谱图像经光谱图像预处理、有效检测区域提取、有效检测区域光谱提取得到训练肉品平行样本的光谱信息存于光谱库中;对经过图像采集的样本通过传统的感官、理化及微生物检测获取传统检测标定值,存于传统检测指标库中;传统检测指标库与光谱库共同组成知识库。对知识库进行传统检测指标的区域光谱预测建模得到传统检测指标区域光谱预测模型,对知识库中针对多种传统检测指标或存储条件的数据进行区域光谱预测建模得到多套传统检测指标的区域光谱预测模型存储于传统检测指标区域光谱预测模型库中。
2)进行像素指标检测
对被测对象进行光谱图像采集、光谱图像预处理、有效检测区域提取得到被测对象的有效检测区域的光谱图像信息,根据传统检测指标区域光谱预测模型库中与被测对象相应的种群、部位、存储方式与环境的光谱预测模型进行样本光谱图像可视化检测最终得到品质指标的像素指标检测结果。
3)对像素指标检测结果进行统计验证
统计验证步骤是:先筛除方差分析不通过的指标预测模型,对通过方差分析的预测模型进行均值分析,并根据均值分析结果修正像素预测模型。方差分析为F分布假设检测;均值分析为T分布假设检测。
修正像素预测模型步骤是:得到所有像素预测均值与参考值之间的偏差,并根据此偏差对指标的像素检测结果进行修正。
4)评价像素预测模型检测精度
对通过统计验证的各像素预测模型检测精度进行评价,评价指标采用一个绝对检测精度指标和一个经过标准化的检测精度指标。绝对检测精度指标可以是、但不局限于指标像素预测均值与参考值之间的均方根误差(RMSE);经过标准化的检测精度指标是没有量纲的误差统计指标,可以是、但不局限于相关系数(r)或确定系数R2优选出最佳像素指标预测模型
5)像素指标预测结果显示
像素指标预测结果包括两部分,一部分是指标空间分布图,另一部分是分布图中的结果统计数据,包括全部像素位置的统计均值、25%和75%的百分位点。
6)有效检测区域提取操作
包括对光谱图像进行处理,从中提取出有效检测区域,排除光谱图像中无关或无效区域。无关区域指与某种检测指标不相关的区域。例如,但不局限于,背景区域与大部分检测指标之间无关。无效区域指与某项检测指标相关区域中由于某种或多种原因造成光谱图像检测区域的某些部分质量低于后续处理所需水平从而导致某相关检测区域中的局部无效。
7)有效检测区域光谱提取操作
包括根据光谱图像及其中提取出的有效区域,得到一条或多条具有代表性的光谱曲线反映该光谱图像中有效区域的光谱特征。代表性的光谱曲线提取方式可以但不局限于求取该区域的光谱均值曲线,或光谱中值曲线,或光谱最大值、最小值及均值曲线,或均值曲线及均值加减标准差曲线。
8)传统检测指标的光谱预测建模操作
先进行光谱预处理:例如(但不局限于),利用光谱数据的光谱平滑滤波及差分求导等操作提高光谱空间信噪比。
然后通过遗传算法与偏最小二乘回归方法的组合对光谱图像数据进行特征选择与特征提取并建立光谱数据与传统指标之间的回归模型。
所述预测结果包括两部分:
像素指标空间分布图及分布图中的结果统计数据。预测结果包括全部像素位置的统计均值、25%和75%的百分位点。
本装置以图像方式给出待测目标检测指标结果在被测目标上的空间分布情况,并对空间分布图中的像素位置预测结果进行统计,显示各指标像素检测均值与分布范围。空间分布情况指检测指标在被测对象上不同区域的数值分布情况,区域大小可选择并调节,当区域覆盖整个被测对象时,检测结果为一个数值即整个被测对象的检测平均值。检测结果以不同颜色区分检测数值大小,配以色彩与数值对照说明,检测数值与色彩对照方式可以选择并调节。对空间分布图中的像素位置预测结果进行统计并显示各指标像素检测均值与分布范围。
本发明的原理是(以方式A为例),本装置由光室、成像系统、图像处理与检测运算单元和显示单元组成。其中光室由上下两部分组成,光室上部由带观察孔的半球型反射罩、高度调节套筒组成;光室下部是不透光空间。光室上部设有载物台与被测对象;光室下部设有镜面反射面、光源;光室上下部之间设有透光材料。成像系统由高灵敏度相机、声光可调滤光器以及抗色散镜头组成。成像系统与图像处理与检测运算单元连接,传输光谱图像数据与系统控制信号。在图像处理与检测运算单元内进行光谱图像预处理、根据预置的检测模型对被测样本进行检测判断计算,检测结果一方面通过显示单元以图像方式显示在用户界面上,反映检测指标在被测样本上程度差异的空间分布情况以及各指标像素检测均值与分布范围。根据预置检测模型的参数配置,可以对被测对象单次扫面数据进行糖度或酸度的运算,由用户在界面上切换糖度及酸度的显示或显示多检测指标的综合评价结果。另一方面检测结果或控制输出信号通过外部设备接口向外部其他设备传输。
光源与被测对象空间形状与尺寸匹配,光源为卤素灯光源。光源的部分应确保被检测对象的图像采集面亮度尽量均匀一致,尽量避免阴影和耀斑。
载物台确保被测对象的检测工位定位,同时载物台尺寸应满足避免光线直接进入镜头及镜头后的成像系统。在图像采集过程中,载物台与成像系统之间保持相对静止。
有益效果
本发明可以对青梅等植物进行快速、无损、非接触的糖度与酸度检测。
本发明可以使青梅表面受到的辐射量均匀分布,确保指标空间分布检测的准确性与可靠性,从而得以可视化方式呈现检测结果,直观反映检测指标在青梅检测面上的程度差异的空间分布情况,对空间分布图中的像素位置预测结果进行统计,显示各指标像素检测均值与分布范围,比仅采用平均值或代表值反映被测对象的整体情况更加接近青梅表面指标空间分布的实际情况。
本发明可以用于青梅原果分类过程中对青梅果糖度与酸度的快速检测,检测过程中被测目标与成像系统之间没有相对运动,检测结果准确,表达方式直观,从而根据原果的类别实现不同的用途,选择不同的精深加工工艺及方法,减少添加剂的使用,提高产品品质。
附图说明
图1是本发明的系统结构框图;
图中,光室(1)、高灵敏度相机(2)、声光可调滤光器(3)、抗色散镜头(4)、带有观察孔的半球形反射罩(5)、被测对象(6)、载物台(7)、高度调节套筒(8)、透光材料制成的支撑板(9)、辐射波段选择涂层(10)、光源(11)、镜面反射面(12)、数据传输与系统控制通道(13)、外部设备接口(14)、图像处理与检测运算单元(15)、显示单元(16)。
图2(a)是青梅表面亮度分布梯度图(调整穹顶前的亮度梯度);
图2(b)青梅表面亮度分布梯度图(调整穹顶后的亮度梯度);
图3糖度预测模型预测结果图;
图4酸度预测模型预测结果图;
图5为。图像运算与检测单元根据成像系统采集的光谱图像进行空间分布检测的流程示意图。
具体实施方式
以结构较为复杂的方式A为例,一种基于声光可调滤光器光谱成像的青梅糖度与酸度快速无损检测装置,其特征是,包括光室、成像系统、图像处理与检测运算单元和显示单元;
光室由上下两部分组成,光室上部由带观察孔的半球型反射罩、高度调节套筒组成;光室下部是不透光空间;
光室上部设有载物台与被测对象;
光室下部设有镜面反射面、光源;
光室上下部之间设有透光材料;
对于成像系统所在空间,成像系统包括高灵敏度相机及其镜头;高灵敏度相机的镜头是抗色散镜头,在镜头与相机之间设有可进行波段扫描的滤光器件;镜头指向反射罩上的观察孔;高灵敏度相机通过该观察孔采集被测对象的图像;
所述高灵敏度相机的数据输出端连接图像处理与检测运算单元的数据输入端;图像处理与检测运算单元的显示信号输出端连接显示单元的显示信号输入端;图像处理与检测运算单元的数据信号输出端连接外部设备接口。
所述带观察孔的半球型反射罩内部有反射涂层,其反射率随波长变化函数符合光谱图像采集的波段要求。
所述透光材料透射率随波长变化函数符合光谱图像采集的波段要求。
所述透光材料下表面有辐射波段选择涂层。
所述辐射波段选择涂层在满足成像光谱范围要求的情况下排除成像无关波段,如紫外辐射和热辐射。
所述被测对象所在空间位于光源所在空间的上方;
所述成像系统和被测对象分别在反射罩观察孔所在位置的正上方和正下方;
光源照明的角度应满足:从下向上通过透光材料经反射罩表面均匀覆盖被测对象,避免光线直接进入镜头及镜头后的成像系统。
所述被测对象在载物台上。
所述载物台为圆形,尺寸覆盖采集设备的整个视场,材质应与被测对象差异显著便于从视场中自动分割出被测对象。
所述镜面反射面是标准抛物面。
所述光源为球形卤素灯灯泡。
所述球形卤素灯灯泡位于镜面反射面的焦点处。
所述高度调节套筒连接带观察孔的半球形反射罩和下部光室,通过伸缩可根据被测对象尺寸调节半球形反射罩的高度,精确调节被测对象表面照明均匀度。
所述均匀度通过采集被测对象表面图像,计算检测区域的亮度梯度,通过亮度梯度等高线的形状特征评价被测区域的照明均匀度。
所述半球形反射罩高度调节方法是:在调节半球形反射罩高度时,观察亮度梯度等高线的形状,若等高线呈平行同心分布规律则表示中央区域亮度明显高于周围,检测区域亮度不均;反复调节穹顶高度直到等高线不再呈现同心分布,表明检测区域亮度均匀,可以开始光谱图像采集。
图像运算与检测单元根据成像系统采集的光谱图像进行空间分布检测,并显示各指标像素检测均值与分布范围,其具体实施步骤包括(如图5所示):
1)建立传统检测指标的区域光谱预测模型库;
2)对被测对象进行光谱图像采集;
3)对步骤2)得到的光谱图像进行预处理;
4)对步骤3)得到的光谱图像,提取光谱图像中的有效检测区域;
5)利用步骤1)得到模型库中相应的区域光谱预测模型,对步骤4)得到的有效检测区域进行像素指标检测;
6)对步骤5)得到的像素指标检测结果进行统计验证,得到合格的像素指标预测模型;
7)对步骤6)得到的各个合格的像素指标预测模型检测精度进行评价,优选出最佳像素指标预测模型;
8)对步骤7)得到的最佳像素指标预测模型进行空间分布预测,显示预测结果;
所述被测对象是指有机生物;
所述光谱图像是指具备多个连续或非连续波段光谱信息的图像;光谱图像反映被测对象的空间信息以及光谱信息;光谱图像包括多光谱图像和高光谱图像;
所述步骤1)中,传统检测指标的区域光谱预测模型库的建立步骤包括:
101)建立样本库:
选取被测对象种群、部位、存储方式和环境下的检测对象,组成某种群、部位、存储方式和环境的样本;
多个样本组成样本库,以反映不同种群、部位、存储方式及环境下检测对象的情况;
102)建立知识库:
样本库中所有样本经过光谱采集,得到光谱图像,再存于光谱图像库中;
对光谱图像库中各个光谱图像对应的样本,获取样本的传统检测标定值,这些标定值存于传统检测指标库中;获取样本的传统检测标定值的方法为:采用传统理化检测方法获取;
光谱图像库中的光谱图像依次经光谱图像预处理、有效检测区域提取和有效检测区域光谱提取,得到样本的光谱信息存于光谱库中;
传统检测指标库与光谱库共同组成知识库;
103)建立传统检测指标区域光谱预测模型库,
对知识库中针对各种传统检测指标或存储条件的数据进行光谱预测建模,得到对应的多套传统检测指标的光谱预测模型,这些模型存储于传统检测指标光谱预测模型库中。
所述步骤102)中的光谱采集的方法、以及步骤2)中的光谱图像采集的方法是相同的;
所述步骤102)中的光谱图像预处理的方法、以及步骤3)中的光谱图像预处理的方法是相同的;
所述步骤102)中的有效检测区域提取的方法、以及步骤4)中的有效检测区域提取的方法是相同的。
光谱图像预处理方法为图像增强,通过均值滤波或中值滤波实现。根据光谱图像中噪声水平的高低及被测指标在空间细节方面的丰富程度,综合决定上述滤波器的模板尺寸。
有效检测区域提取的方法,是从光谱图像中排除光谱图像中无关或无效区域,提取出有效检测区域;
无关区域指与特定检测指标不相关的区域;
无效区域指与特定检测指标相关区域中,由于某种原因造成光谱图像检测区域的某些部分质量低于后续处理所需水平,从而导致相关检测区域中的局部无效。
有效检测区域提取的方法,步骤包括:
首先,根据被测对象与采集背景在特征波段图像中特征的差异(特征包括亮度、位置、面积、形态等),对光谱图像进行图像分割,从光谱图像中提取出有效检测区域;
然后,根据光谱图像及其中提取出的有效检测区域,得到一条或多条具有代表性的光谱曲线反映该光谱图像中有效区域的光谱特征;
所述具有代表性的光谱曲线的提取方法为求取有效检测区域的:
光谱均值曲线;
或光谱中值曲线;
或光谱最大值、最小值及均值曲线;
或均值曲线及均值加减标准差曲线。
所述步骤103)中,传统检测指标的光谱预测建模,其步骤包括:
先利用光谱反射率校正和光谱平滑滤波,提高光谱空间信噪比;反射率校正公式为:其中R为反射率校正后的光谱;Ro为待校正的被测对象特征光谱;Rw为标准99%反射率板的光谱,Rb为盖上镜头盖采集的暗噪光谱。
波长k处光谱平滑公式为:其中,hi为平滑系数,H为归一化因子,xk,smooth为波长k处平滑滤波处理后的光谱。
然后通过遗传算法与偏最小二乘回归方法的组合,即采用遗传算法对光谱图像数据提取特征波段X1,X2,…,Xn,并通过偏最小二乘回归方法确立针对各特征波段的回归系数β0,β1,…,βn,建立光谱数据与传统指标之间的回归模型,即其中是被测对象指标的预测值。
步骤5)中,像素指标检测的方法为:对被测对象进行光谱图像采集、光谱图像预处理、有效检测区域提取,得到被测对象的有效检测区域的光谱图像信息;据传统检测指标区域光谱预测模型库中与被测对象相应的种群、部位、存储方式与环境的光谱预测模型进行样本光谱图像可视化检测最终得到品质指标的像素指标检测结果。
步骤6)中,统计验证步骤是:先对像素指标检测结果进行方差分析,筛除方差分析不通过的检测结果所对应的指标预测模型;然后对通过方差分析的预测模型进行均值分析;根据均值分析结果修正像素预测模型;
方差分析为F分布假设检测;均值分析为T分布假设检测;
修正像素预测模型步骤是:得到所有像素预测均值与参考值之间的偏差,并根据此偏差对指标的像素检测结果进行修正。
步骤7)中,所述像素预测模型检测精度评价指标采用一个绝对检测精度指标和一个经过标准化的检测精度指标;
所述绝对检测精度指标包括检测区域内各像素位置处指标预测均值与参考值之间的均方根误差(RMSE);
所述经过标准化的检测精度指标是没有量纲的误差统计指标,包括相关系数(r)或确定系数R2;
相关系数r和确定系数R2可用来描述两个变量x、y之间的线性相关程度,公式为
像素指标检测结果与上述两类指标相比,优于指标值,则其对应的像素指标预测模型为最佳像素指标预测模型。例如,通过RMSE与r或R2的组合对像素指标预测均值与检测区域的参考值之间的符合程度进行量化统计,从而对像素预测模型精度进行评价。
步骤8)中,所述像素指标预测结果包括两部分:
一部分是像素指标空间分布图;
另一部分是分布图中的结果统计数据,包括全部像素位置的统计均值、25%和75%的百分位点。
下面结合一种实施例和附图详细说明本发明,但本发明的实施方式并不仅限于此种实施方式。
如图1所示,采用HAMAMATSU ORCA-R2作为高灵敏度相机。
Brimrose NR.55-1.0AOTF声光可调滤光器(带射频控制器)作为可进行波段扫描的滤光器件,采用NIKON AF-S DX尼克尔18-200mm f/3.5-5.6G ED VR II镜头作为抗色散镜头。
采用联想Idea Center K330作为图像处理与检测计算单元。
通过其千兆网卡与HAMAMATSU ORCA-R2相连,并通过其串口控制AOTF声光可调滤光器件的射频控制器连接。
利用Idea Center K330的网络接口作为外部设备接口。
利用Idea Center K330的显示器作为显示单元。
采用1只500W卤素灯作为光源。
将被测目标置于吸光材料的载物台上。
利用双层石英玻璃板作为透光材料。
利用中心开孔的半球形透明塑料内部包裹铝箔亚光面作为带中心观察孔的反射罩。
在光谱图像采集前,调整穹顶高度。图2(a)和(b)是调整穹顶前后青梅表面亮度分布梯度图。如所示,其中图2(a)为调整穹顶之前的亮度梯度,等亮度线从青梅中心向边缘呈同心逐步扩散,与青梅表面高度分布密切相关。图2(b)中青梅表面的等亮度线分布趋势围绕多个中心展开,高度差异已经不是影响亮度变化的主要原因,基本排除球状表面高度差异的影响,能够更好的分析青梅自身品质特征的空间分布规律。
因此,调整后的针对青梅设计的专用照明装置营造的照明场可以很好地满足空间均匀性要求,提高青梅表面亮度和照明均匀性。
得到糖度空间分布图中的像素位置预测结果,进行统计并显示糖度像素检测均值与分布范围。分布范围用25%和75%的百分位点表示。图3为糖度预测结果。
得到酸度空间分布图中的像素位置预测结果,进行统计并显示酸度像素检测均值与分布范围。分布范围用25%和75%的百分位点表示。图4为酸度预测结果。
Claims (10)
1.一种基于声光可调滤光器光谱成像的青梅糖度与酸度快速无损检测装置,其特征是,包括光室(1)、成像系统、图像处理与检测运算单元(15)和显示单元(16);
所述光室(1)内设有光源(11)和用来安放被测对象(6)的载物台(7);光载物台(7)受光源(11)的充分照明;光室(1)设有观察孔,成像系统通过观察孔采集被测对象(6)的图像;所述载物台(7)的位置可调;
成像系统的数据输出端连接图像处理与检测运算单元(15)的数据输入端;图像处理与检测运算单元(15)的显示信号输出端连接显示单元(16)的显示信号输入端;图像处理与检测运算单元(15)的数据信号输出端连接外部设备接口(14)。
2.根据权利要求1所述的检测装置,其特征是所述载物台(7)为圆形,其尺寸覆盖成像系统的整个视场;载物台(7)的材质与被测对象(6)在所用光源的照明下区别显著,便于从视场中自动分割出被测对象(6)。
3.根据权利要求1所述的检测装置,其特征是
方式A、所述光源为点光源;光室(1)的结构为:光室(1)的设有内部空腔;内部空腔由上下两部分构成,构成内部空腔上部的是半球型反射罩(5),构成内部空腔下部的是内凹的镜面反射面(12);内部空腔的上下两部分之间设有由透光材料制成的支撑板(9),载物台(7)在该支撑板上;光源位置在支撑板(9)与镜面反射面(12)之间的空间内;
反射罩(5)的内壁覆有反射涂层;
支撑板(9)的下表面覆有辐射波段选择涂层(10),该辐射波段选择涂层(10)在满足成像光谱范围要求的情况下排除成像无关波段;
或者
方式B、所述光源为面光源;面光源均匀分布在被测对象(6)的周围空间;
或者,
方式C、所述光源为线光源;线光源均匀分布在测对象(6)的周围空间。
4.根据权利要求3所述的检测装置,其特征是方式A中:
所述成像系统和被测对象(6)在同一直线上,且在观察孔的两侧;观察孔的轴线与该直线重合;
光源(11)照明的角度满足:从下向上通过透光材料(9)经反射罩(5)表面均匀覆盖被测对象(6),避免光线直接进入成像系统的镜头;
实现载物台(7)的位置可调的调节机构为高度调节套筒(8);高度调节套筒(8)包括伸缩可调连接的上、下两段套筒,上、下两段套筒分别与半球形反射罩(5)和下部光室(1)密闭连接;高度调节套筒(8)围成的空腔是光室(1)的内部空腔的一部分。
5.根据权利要求3所述的检测装置,其特征是所述方式B中,光室的内部空腔可以为球形;
面光源采用cob LED;各个cob LED均匀分布在球面上,该球面的球心位置即为被测对象位置;
在cob LED与被测对象之间设有均光板,均光板呈球面,再在其内表面根据需要覆滤光膜;成像系统的镜头装设在球面上;
滤光膜在满足成像光谱范围要求的情况下排除成像无关波段。
6.根据权利要求3所述的检测装置,其特征是所述方式C中,光室的内部空腔可以为球形;
线光源采用LED灯带;各个LED灯带沿球面的经线均匀分布在球面上,该球面的球心位置即为被测对象位置;
在LED灯带与被测对象之间设有均光板,均光板呈球面;再在均光板内表面根据需要覆滤光膜;成像系统的镜头可以装设在球面上;
滤光膜在满足成像光谱范围要求的情况下排除成像无关波段。
7.根据权利要求1所述的检测装置,其特征是所述成像系统包括高灵敏度相机(2)及其镜头;高灵敏度相机须同时满足辐射量最小和最大的光谱波段的成像要求;镜头是抗色散镜头(4),在镜头与相机之间设有可进行波段扫描的滤光器件;
镜头指向反射罩(5)上的观察孔,高灵敏度相机(2)通过该观察孔采集被测对象(6)的图像。
8.根据权利要求1所述的检测装置,其特征是所述载物台(7)的位置可调,调节方法为:
在调节载物台(7)的位置时,边调节,边观察被测对象经成像系统得到的亮度梯度等高线的形状;
若等高线呈平行同心分布规律,则表示中央区域亮度明显高于周围,检测区域亮度不均;
然后,反复调节载物台(7)的位置,直到等高线不再呈现同心分布,则表明检测区域亮度均匀,可以开始光谱图像采集。
9.根据权利要求1所述的检测装置,其特征是被测对象(6)表面照明均匀度是通过采集被测对象(6)表面图像,利用sobel算子计算检测区域各像素点梯度方向,通过亮度梯度等高线的形状特征评价被测区域的照明均匀度;
若等高线密集且呈平行同心分布,则检测区域亮度不均;
若等高线稀疏且没有明显中心,则表示检测区域亮度均匀。
10.根据权利要求1所述的检测装置,其特征是图像运算与检测单元根据成像系统采集的光谱图像进行空间分布检测,并显示各指标像素检测均值与分布范围,步骤包括:
1)建立传统检测指标区域光谱预测模型库
选取被测对象种群、部位、存储方式与环境下的检测对象组成某种群、部位、存储方式与环境的样本,样本中的对象目标质量特征的分布范围应覆盖拟检测范围的全部;质量特征总体程度在样本中尽量均匀分布,即样本中每个质量水平上的对象数量尽量一致;
多个样本组成样本库,以反映不同种群、部位、存储方式及环境下检测对象的情况;
样本库中的每个样本经过光谱采集、得到光谱图像存于光谱图像库中,光谱图像经光谱图像预处理、有效检测区域提取、有效检测区域光谱提取得到训练肉品平行样本的光谱信息存于光谱库中;对经过图像采集的样本通过传统的感官、理化及微生物检测获取传统检测标定值,存于传统检测指标库中;传统检测指标库与光谱库共同组成知识库。对知识库进行传统检测指标的区域光谱预测建模得到传统检测指标区域光谱预测模型,对知识库中针对多种传统检测指标或存储条件的数据进行区域光谱预测建模得到多套传统检测指标的区域光谱预测模型存储于传统检测指标区域光谱预测模型库中;票·
2)进行像素指标检测
对被测对象进行光谱图像采集、光谱图像预处理、有效检测区域提取得到被测对象的有效检测区域的光谱图像信息,根据传统检测指标区域光谱预测模型库中与被测对象相应的种群、部位、存储方式与环境的光谱预测模型进行样本光谱图像可视化检测最终得到品质指标的像素指标检测结果;
3)对像素指标检测结果进行统计验证
统计验证步骤是:先筛除方差分析不通过的指标预测模型,对通过方差分析的预测模型进行均值分析,并根据均值分析结果修正像素预测模型;方差分析为F分布假设检测;均值分析为T分布假设检测;
修正像素预测模型步骤是:得到所有像素预测均值与参考值之间的偏差,并根据此偏差对指标的像素检测结果进行修正;
4)评价像素预测模型检测精度
对通过统计验证的各像素预测模型检测精度进行评价,评价指标采用一个绝对检测精度指标和一个经过标准化的检测精度指标。绝对检测精度指标包括像素预测均值与参考值之间的均方根误差RMSE;经过标准化的检测精度指标是没有量纲的误差统计指标,包括相关系数r或确定系数R2优选出最佳像素指标预测模型;
5)像素指标预测结果显示
像素指标预测结果包括两部分:一部分是指标空间分布图;另一部分是分布图中的结果统计数据,包括全部像素位置的统计均值、25%和75%的百分位点;
6)有效检测区域提取操作
包括对光谱图像进行处理,从中提取出有效检测区域,排除光谱图像中无关或无效区域。无关区域指与某种检测指标不相关的区域;无效区域指与某项检测指标相关区域中由于某种或多种原因造成光谱图像检测区域的某些部分质量低于后续处理所需水平从而导致某相关检测区域中的局部无效;
7)有效检测区域光谱提取操作
包括根据光谱图像及其中提取出的有效区域,得到一条或多条具有代表性的光谱曲线反映该光谱图像中有效区域的光谱特征;代表性的光谱曲线提取方式包括求取该区域的光谱均值曲线,或光谱中值曲线,或光谱最大值、最小值及均值曲线,或均值曲线及均值加减标准差曲线;
8)传统检测指标的光谱预测建模操作
先进行光谱预处理:利用光谱数据的光谱平滑滤波及差分求导等操作提高光谱空间信噪比;
然后通过遗传算法与偏最小二乘回归方法的组合对光谱图像数据进行特征选择与特征提取并建立光谱数据与传统指标之间的回归模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610273207.5A CN105954205B (zh) | 2016-04-27 | 2016-04-27 | 基于光谱成像的青梅糖度与酸度快速无损检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610273207.5A CN105954205B (zh) | 2016-04-27 | 2016-04-27 | 基于光谱成像的青梅糖度与酸度快速无损检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105954205A true CN105954205A (zh) | 2016-09-21 |
CN105954205B CN105954205B (zh) | 2018-11-13 |
Family
ID=56916162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610273207.5A Active CN105954205B (zh) | 2016-04-27 | 2016-04-27 | 基于光谱成像的青梅糖度与酸度快速无损检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105954205B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111595790A (zh) * | 2020-05-30 | 2020-08-28 | 南京林业大学 | 基于高光谱图像的青梅糖酸度预测方法 |
CN111795932A (zh) * | 2020-06-15 | 2020-10-20 | 杭州电子科技大学 | 一种基于高光谱的杨梅果实糖酸度无损检测方法 |
CN112304896A (zh) * | 2020-10-29 | 2021-02-02 | 南京林业大学 | 一种基于近红外的便携式面粉多品质检测仪及检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021478A (zh) * | 2007-02-13 | 2007-08-22 | 江西农业大学 | 一种水果品质的激光诱导荧光高光谱图像检测方法和装置 |
CN201021922Y (zh) * | 2007-02-13 | 2008-02-13 | 江西农业大学 | 一种无损检测水果品质的装置 |
CN1995987B (zh) * | 2007-02-08 | 2010-05-12 | 江苏大学 | 基于高光谱图像技术的农畜产品无损检测方法 |
CN102539359A (zh) * | 2011-12-30 | 2012-07-04 | 南京林业大学 | 基于静态高光谱成像系统的肉品品质可视化检测装置 |
CN102564964A (zh) * | 2011-12-29 | 2012-07-11 | 南京林业大学 | 基于光谱图像的肉品品质可视化非接触检测方法 |
CN202330966U (zh) * | 2011-10-31 | 2012-07-11 | 傅凌进 | 一种无影漫射光照的影像采集装置 |
CN103472011A (zh) * | 2013-09-20 | 2013-12-25 | 华东交通大学 | 一种应用光学检测器的便携式水果内部品质检测装置 |
-
2016
- 2016-04-27 CN CN201610273207.5A patent/CN105954205B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1995987B (zh) * | 2007-02-08 | 2010-05-12 | 江苏大学 | 基于高光谱图像技术的农畜产品无损检测方法 |
CN101021478A (zh) * | 2007-02-13 | 2007-08-22 | 江西农业大学 | 一种水果品质的激光诱导荧光高光谱图像检测方法和装置 |
CN201021922Y (zh) * | 2007-02-13 | 2008-02-13 | 江西农业大学 | 一种无损检测水果品质的装置 |
CN202330966U (zh) * | 2011-10-31 | 2012-07-11 | 傅凌进 | 一种无影漫射光照的影像采集装置 |
CN102564964A (zh) * | 2011-12-29 | 2012-07-11 | 南京林业大学 | 基于光谱图像的肉品品质可视化非接触检测方法 |
CN102539359A (zh) * | 2011-12-30 | 2012-07-04 | 南京林业大学 | 基于静态高光谱成像系统的肉品品质可视化检测装置 |
CN103472011A (zh) * | 2013-09-20 | 2013-12-25 | 华东交通大学 | 一种应用光学检测器的便携式水果内部品质检测装置 |
Non-Patent Citations (1)
Title |
---|
蒋先刚: "《数字图像模式识别工程软件设计》", 30 April 2008 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111595790A (zh) * | 2020-05-30 | 2020-08-28 | 南京林业大学 | 基于高光谱图像的青梅糖酸度预测方法 |
CN111795932A (zh) * | 2020-06-15 | 2020-10-20 | 杭州电子科技大学 | 一种基于高光谱的杨梅果实糖酸度无损检测方法 |
CN111795932B (zh) * | 2020-06-15 | 2022-11-15 | 杭州电子科技大学 | 一种基于高光谱的杨梅果实糖酸度无损检测方法 |
CN112304896A (zh) * | 2020-10-29 | 2021-02-02 | 南京林业大学 | 一种基于近红外的便携式面粉多品质检测仪及检测方法 |
CN112304896B (zh) * | 2020-10-29 | 2022-10-18 | 南京林业大学 | 一种基于近红外的便携式面粉多品质检测仪及检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105954205B (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968080B (zh) | 一种基于高光谱和深度学习的肥城桃内外品质检测方法 | |
CN110132972B (zh) | 用于评估宝石的光学性质的设备和方法 | |
US10161796B1 (en) | LED lighting based multispectral imaging system for color measurement | |
Pu et al. | Soluble solids content and pH prediction and maturity discrimination of lychee fruits using visible and near infrared hyperspectral imaging | |
Wu et al. | Rapid prediction of moisture content of dehydrated prawns using online hyperspectral imaging system | |
CN110726722B (zh) | 用于宝石的荧光分级的设备和方法 | |
Li et al. | Pears characteristics (soluble solids content and firmness prediction, varieties) testing methods based on visible-near infrared hyperspectral imaging | |
Wang et al. | Smartphone imaging spectrometer for egg/meat freshness monitoring | |
CN105891123A (zh) | 基于高光谱透射成像的雨生红球藻色素含量可视化方法 | |
US11656178B2 (en) | UV-VIS spectroscopy instrument and methods for color appearance and difference measurement | |
Cheshkova | A review of hyperspectral image analysis techniques for plant disease detection and identif ication | |
Peirs et al. | Starch index determination of apple fruit by means of a hyperspectral near infrared reflectance imaging system | |
CN105954205A (zh) | 基于光谱成像的青梅糖度与酸度快速无损检测装置 | |
CN115032196A (zh) | 一种全划片高通量彩色病理成像分析仪器及方法 | |
Lu et al. | Rapid assessment of tomato ripeness using visible/near-infrared spectroscopy and machine vision | |
Yao et al. | Design and testing of an active light source apparatus for crop growth monitoring and diagnosis | |
Cheng et al. | Hyperspectral and imagery integrated analysis for vegetable seed vigor detection | |
US20140028857A1 (en) | High flux collimated illuminator and method of uniform field illumination | |
Chao et al. | Fast line-scan imaging system for broiler carcass inspection | |
Gonçalves et al. | An analytical method for determination of quality parameters in cotton plumes by digital image and chemometrics | |
CN114813593A (zh) | 基于高光谱成像技术的糟醅总酸含量的检测方法 | |
KR20020006856A (ko) | 비파괴 과일 선별장치 | |
US8213011B2 (en) | Spatial imaging/imaging spectroscopy system and method | |
Mahgoub et al. | Quantitative chemical near-infrared hyperspectral imaging of Islamic paper | |
Udayanga et al. | Dual mode multispectral imaging system for food and agricultural product quality estimation |
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: 20220908 Address after: 225300 No.18 Xingyuan Road, Taidong Industrial Park, Hailing District, Taizhou City, Jiangsu Province Patentee after: TAIZHOU HAIDA PLASTIC PACKAGE CO.,LTD. Address before: No. 159, dragon pan Road, Xuanwu District, Nanjing, Jiangsu Patentee before: NANJING FORESTRY University |