CN106596414B - 一种桃果实内部硬度空间分布成像的方法 - Google Patents
一种桃果实内部硬度空间分布成像的方法 Download PDFInfo
- Publication number
- CN106596414B CN106596414B CN201611001161.8A CN201611001161A CN106596414B CN 106596414 B CN106596414 B CN 106596414B CN 201611001161 A CN201611001161 A CN 201611001161A CN 106596414 B CN106596414 B CN 106596414B
- Authority
- CN
- China
- Prior art keywords
- slicing
- hardness
- fruit
- stripping
- peach fruits
- 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
- G01N21/17—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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种桃果实内部硬度空间分布成像的方法,解决现有桃果实硬度检测方法仅在表面检测,无法获得果胶在桃果实内部的空间分布情况的问题。本方法将桃果实样本切割成小块,分别获取各果实切块的硬度和光谱平均值,并建立关联模型,可以根据桃果实预测待测样本的各果实切块各侧面每个像素点的光谱值预测其每个像素点对应的硬度,根据桃果实待测样本果实切块每个像素点的空间分布坐标来建立硬度在桃果实待测样本中的像素级三维分布模型,实现桃果实内部硬度分布的空间可视化成像。
Description
技术领域
本发明属于光谱检测领域,涉及一种桃果实内部硬度空间分布成像的方法。
背景技术
桃[Prumus persica(L.)Batsch]是属于蔷薇科(Rosaceae),李属(Prunus L.)桃亚属(Amygdalus L.)的核果类植物。桃原产中国,是我国主要的水果种类之一。软化后的桃果实适口性和风味发生变化,达到理想食用状态。但另一方面软化后桃果实更容易遭受物理伤害和病原浸染,从而缩短贮藏寿命,使桃果产品在市场上的流通和供货期受到一定限制。因此需要深入研究桃果实成熟软化机制,为改进和完善现有桃果实采后物流方式提供理论依据和技术支持。
果实硬度是衡量果实成熟度和贮藏品质的重要指标之一。桃果实的硬度测量通常使用质构仪法,方法是在果实赤道面上选择一点,去皮,选择探头直径穿刺果实一定深度来测定硬度。质构仪法的局限性在于仅能获得被测的小块果实的整体硬度,属于单点测量,无法得知果实内部硬度的空间分布状况,且批量测量时对测定点的要求较高。
目前,高光谱成像技术对桃及其他水果的硬度检测已有报道,一般通过采用高光谱成像技术获取水果表面高光谱图像,从而实现水果硬度的快速无损检测。上述的表面无损检测均停留在果实表面,无法得到果实内部果实硬度状况。无法在果实生长发育和贮藏保鲜阶段对果实内部的硬度变化机制的进一步深入研究、乃至像素级的细化研究提供支持。
发明内容
本发明的目的在于针对现有桃果实硬度检测方法仅在表面检测,无法获得果胶在桃果实内部的空间分布情况的问题,提出一种桃果实内部硬度空间分布成像的方法,通过获取果实内部的高光谱图像,并进行数据处理后得到桃果实内部硬度空间分布分布图,为桃果实品质变化的深入研究提供了数据基础。
本发明解决其技术问题所采用的方案是:一种桃果实内部硬度空间分布成像的方法,其特征在于,包括以下步骤:
步骤1:建立基于桃果实光谱检测硬度含量的定量线性回归方程:
步骤1.1:采集n个桃果实样本分别记为M1、M2、M3、…、Mn;
步骤1.2:对于每一个桃果实样本Mi,1<i<n,去除果皮后,环绕果柄轴线将桃果实样本切开形成若干块扇形切块,并将各扇形切块顺着果柄轴线方向、垂直果柄轴线方向分别进行2-4等分切割,切块时候围绕果核进行,并且等分切割时不计算果核尺寸,最终形成m个果实切块,分别记为Mi,j,1<j<m;
步骤1.3:采集果实切块Mi,j的每个侧面的高光谱图像;
步骤1.4:采用国家标准方法测定每个果实切块Mi,j的硬度,并分别作为果实切块Mi,j的硬度参考值yi,j;依据国家标准《NY/T 2009-2011水果硬度的测定》;
步骤1.5:选取381nm、384nm、388nm、392nm、394nm、400nm、425nm、456nm、478nm、505nm、537nm、564nm、653nm、679nm、688nm、743nm、811nm、917nm波长为桃果实硬度检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像所有像素点在各个硬度特征波长的光谱平均值,分别记为
步骤1.6:采用多元线性回归将步骤1.5中果实切块Mi,j在各个硬度特征波长的光谱平均值与步骤1.4中的果实切块Mi,j的硬度参考值yi,j进行对应关联拟合,采用以下线性回归方程一进行关联拟合:
建立用于桃果实光谱检测硬度预测的定量线性回归方程二,为:
步骤2:获得待测桃内部果实的硬度分布图:
步骤2.1:选取桃果实待测样本N;
步骤2.2:对桃果实待测样本N进行切块,切块方法按照步骤1.2描述方法进行,共获得p个果实切块,分别记为Nz,1<z<p;记录下切块Nz在桃果实待测样本N中的空间坐标;
步骤2.3:采集果实切块Nz的各个侧面的高光谱图像,并分别获得图像中每个像素点在硬度特征波长381nm、384nm、388nm、392nm、394nm、400nm、425nm、456nm、478nm、505nm、537nm、564nm、653nm、679nm、688nm、743nm、811nm、917nm处的光谱值,分别记为 其中,(α,β,γ)为每个像素点的坐标信息,α为横坐标信息,β为纵坐标信息,γ为切面标识信息;
步骤2.4:将步骤2.3中的果实切块Nz的各个切面每个像素点在硬度特征波长处的光谱值分别代入步骤1.6中的定量线性回归方程二中,分别得到每个像素点的对应的硬度信息计算值yz,(α,β,γ),并根据每个像素点在所在侧面的高光谱图像中的空间坐标,分别形成果实切块Nz的各个侧面的硬度分布图;
步骤2.5:根据步骤2.4获得的果实切块Nz的各个侧面的硬度分布图,以及果实切块Nz在桃果实待测样本N中的空间坐标,采用双三次插值算法分别获得桃果实待测样本N内部硬度的网格状空间立体分布图,实现桃内部果实硬度空间可视化成像。
作为优选,步骤1.2中,每个果实切块至少有两个相对的侧面面积均不少于1cm2。
本发明将桃果实样本切割成小块,分别获取各果实切块的硬度和光谱平均值,并建立关联模型,可以根据桃果实预测待测样本的各果实切块各侧面每个像素点的光谱值预测其每个像素点对应的硬度,根据桃果实待测样本果实切块每个像素点的空间分布坐标来建立硬度在桃果实待测样本中的像素级三维分布模型,实现桃果实内部硬度分布的空间可视化成像。
具体实施方式
下面通过具体实施例对本发明做进一步说明。
实施例:一种桃果实内部硬度空间分布成像的方法,其特征在于,包括以下步骤:
步骤1:建立基于桃果实光谱检测硬度含量的定量线性回归方程:
步骤1.1:采集n个桃果实样本分别记为M1、M2、M3、…、Mn;
步骤1.2:对于每一个桃果实样本Mi,1<i<n,去除果皮后,环绕果柄轴线将桃果实样本切开形成若干块扇形切块,并将各扇形切块顺着果柄轴线方向、垂直果柄轴线方向分别进行2-4等分切割,切块时候围绕果核进行,并且等分切割时不计算果核尺寸,最终形成m个果实切块,分别记为Mi,j,1<j<m;每个果实切块至少有两个相对的侧面面积均不少于1cm2。
步骤1.3:采集果实切块Mi,j的每个侧面的高光谱图像;
步骤1.4:采用国家标准方法测定每个果实切块Mi,j的硬度,并分别作为果实切块Mi,j的硬度参考值yi,j;
步骤1.5:选取381nm、384nm、388nm、392nm、394nm、400nm、425nm、456nm、478nm、505nm、537nm、564nm、653nm、679nm、688nm、743nm、811nm、917nm波长为桃果实硬度检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像所有像素点在各个硬度特征波长的光谱平均值,分别记为
步骤1.6:采用多元线性回归将步骤1.5中果实切块Mi,j在各个硬度特征波长的光谱平均值与步骤1.4中的果实切块Mi,j的硬度参考值yi,j进行对应关联拟合,采用以下线性回归方程一进行关联拟合:
建立用于桃果实光谱检测硬度预测的定量线性回归方程二,为:
步骤2:获得待测桃内部果实的硬度分布图:
步骤2.1:选取桃果实待测样本N;
步骤2.2:对桃果实待测样本N进行切块,切块方法按照步骤1.2描述方法进行,共获得p个果实切块,分别记为Nz,1<z<p;记录下切块Nz在桃果实待测样本N中的空间坐标;
步骤2.3:采集果实切块Nz的各个侧面的高光谱图像,并分别获得图像中每个像素点在硬度特征波长381nm、384nm、388nm、392nm、394nm、400nm、425nm、456nm、478nm、505nm、537nm、564nm、653nm、679nm、688nm、743nm、811nm、917nm处的光谱值,分别记为 其中,(α,β,γ)为每个像素点的坐标信息,α为横坐标信息,β为纵坐标信息,γ为切面标识信息;
步骤2.4:将步骤2.3中的果实切块Nz的各个切面每个像素点在硬度特征波长处的光谱值分别代入步骤1.6中的定量线性回归方程二中,分别得到每个像素点的对应的硬度信息计算值yz,(α,β,γ),并根据每个像素点在所在侧面的高光谱图像中的空间坐标,分别形成果实切块Nz的各个侧面的硬度分布图;
步骤2.5:根据步骤2.4获得的果实切块Nz的各个侧面的硬度分布图,以及果实切块Nz在桃果实待测样本N中的空间坐标,采用双三次插值算法分别获得桃果实待测样本N内部硬度的网格状空间立体分布图,实现桃内部果实硬度空间可视化成像。
Claims (2)
1.一种桃果实内部硬度空间分布成像的方法,其特征在于,包括以下步骤:
步骤1:建立基于桃果实光谱检测硬度的定量线性回归方程:
步骤1.1:采集n个桃果实样本分别记为M1、M2、M3、…、Mn;
步骤1.2:对于每一个桃果实样本Mi,1≤i≤n,去除果皮后,环绕果柄轴线将桃果实样本切开形成若干块扇形切块,并将各扇形切块顺着果柄轴线方向、垂直果柄轴线方向分别进行2-4等分切割,切块时候围绕果核进行,并且等分切割时不计算果核尺寸,最终形成m个果实切块,分别记为Mi,j,1≤j≤m;
步骤1.3:采集果实切块Mi,j的每个侧面的高光谱图像;
步骤1.4:采用国家标准方法测定每个果实切块Mi,j的硬度,并分别作为果实切块Mi,j的硬度参考值yi,j;
步骤1.5:选取381nm、384nm、388nm、392nm、394nm、400nm、425nm、456nm、478nm、505nm、537nm、564nm、653nm、679nm、688nm、743nm、811nm、917nm波长为桃果实硬度检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像所有像素点在各个硬度特征波长的光谱平均值,分别记为
步骤1.6:采用多元线性回归将步骤1.5中果实切块Mi,j在各个硬度特征波长的光谱平均值与步骤1.4中的果实切块Mi,j的硬度参考值yi,j进行对应关联拟合,采用以下线性回归方程一进行关联拟合:
建立用于桃果实光谱检测硬度预测的定量线性回归方程二,为:
步骤2:获得待测桃内部果实的硬度分布图:
步骤2.1:选取桃果实待测样本N;
步骤2.2:对桃果实待测样本N进行切块,切块方法按照步骤1.2描述方法进行,共获得p个果实切块,分别记为Nz,1≤z≤p;记录下切块Nz在桃果实待测样本N中的空间坐标;
步骤2.3:采集果实切块Nz的各个侧面的高光谱图像,并分别获得图像中每个像素点在硬度特征波长381nm、384nm、388nm、392nm、394nm、400nm、425nm、456nm、478nm、505nm、537nm、564nm、653nm、679nm、688nm、743nm、811nm、917nm处的光谱值,分别记为 其中,(α,β,γ)为每个像素点的坐标信息,α为横坐标信息,β为纵坐标信息,γ为切面标识信息;
步骤2.4:将步骤2.3中的果实切块Nz的各个切面每个像素点在硬度特征波长处的光谱值分别代入步骤1.6中的定量线性回归方程二中,分别得到每个像素点的对应的硬度信息计算值yz,(α,β,γ),并根据每个像素点在所在侧面的高光谱图像中的空间坐标,分别形成果实切块Nz的各个侧面的硬度分布图;
步骤2.5:根据步骤2.4获得的果实切块Nz的各个侧面的硬度分布图,以及果实切块Nz在桃果实待测样本N中的空间坐标,采用双三次插值算法分别获得桃果实待测样本N内部硬度的网格状空间立体分布图,实现桃内部果实硬度空间可视化成像。
2.根据权利要求1所述的一种桃果实内部硬度空间分布成像的方法,其特征在于,步骤1.2中,每个果实切块至少有两个相对的侧面面积均不少于1cm2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611001161.8A CN106596414B (zh) | 2016-11-14 | 2016-11-14 | 一种桃果实内部硬度空间分布成像的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611001161.8A CN106596414B (zh) | 2016-11-14 | 2016-11-14 | 一种桃果实内部硬度空间分布成像的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106596414A CN106596414A (zh) | 2017-04-26 |
CN106596414B true CN106596414B (zh) | 2019-03-29 |
Family
ID=58591311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611001161.8A Active CN106596414B (zh) | 2016-11-14 | 2016-11-14 | 一种桃果实内部硬度空间分布成像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106596414B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108645839B (zh) * | 2018-06-19 | 2019-11-22 | 浙江大学 | 一种桃整果软化程度的细胞快速统计评价方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252971A (zh) * | 2011-04-06 | 2011-11-23 | 食品行业生产力促进中心 | 一种芒果硬度快速检测方法 |
CN103411973A (zh) * | 2013-09-03 | 2013-11-27 | 西北农林科技大学 | 一种基于高光谱的酿酒葡萄果皮中花色苷含量测定的方法 |
CN103808669A (zh) * | 2014-01-26 | 2014-05-21 | 沈阳农业大学 | 一种基于高光谱成像技术的苹果虫眼快速无损检测方法 |
CN103822879A (zh) * | 2014-02-24 | 2014-05-28 | 西北农林科技大学 | 一种基于高光谱成像技术的猕猴桃膨大果无损检测方法 |
CN104359838A (zh) * | 2014-11-11 | 2015-02-18 | 上海理工大学 | 一种无损检测梨的硬度方法 |
CN105606473A (zh) * | 2016-01-20 | 2016-05-25 | 华中农业大学 | 一种基于机器视觉的红提葡萄硬度无损检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3857191B2 (ja) * | 2001-09-10 | 2006-12-13 | 東罐興業株式会社 | 青果物の内部品質検査方法及び装置 |
-
2016
- 2016-11-14 CN CN201611001161.8A patent/CN106596414B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252971A (zh) * | 2011-04-06 | 2011-11-23 | 食品行业生产力促进中心 | 一种芒果硬度快速检测方法 |
CN103411973A (zh) * | 2013-09-03 | 2013-11-27 | 西北农林科技大学 | 一种基于高光谱的酿酒葡萄果皮中花色苷含量测定的方法 |
CN103808669A (zh) * | 2014-01-26 | 2014-05-21 | 沈阳农业大学 | 一种基于高光谱成像技术的苹果虫眼快速无损检测方法 |
CN103822879A (zh) * | 2014-02-24 | 2014-05-28 | 西北农林科技大学 | 一种基于高光谱成像技术的猕猴桃膨大果无损检测方法 |
CN104359838A (zh) * | 2014-11-11 | 2015-02-18 | 上海理工大学 | 一种无损检测梨的硬度方法 |
CN105606473A (zh) * | 2016-01-20 | 2016-05-25 | 华中农业大学 | 一种基于机器视觉的红提葡萄硬度无损检测方法 |
Non-Patent Citations (6)
Title |
---|
Analysis of spatially resolved hyperspectral scattering images for assessing apple fruit firmness and soluble solids content;Yankun Peng et al.;《Postharvest Biology and Technology》;20081231;第48卷;第52-62页 |
Determination of apple firmness using hyperspectral imaging technique and multivariate calibrations;Zhao Jiewen et al.;《农业工程学报》;20091130;第25卷(第11期);第226-231页 |
Hyperspectral Scattering for assessing Peach Fruit Firmness;Renfu Lu et al.;《Biosystems Engineering》;20061231;第93卷(第2期);第161-171页 |
基于可见-近红外高光谱成像技术的梨硬度和可溶性固体含量的预测;候宝路 等;《激光杂志》;20151231;第36卷(第10期);第70-74页 |
基于高光谱技术苹果硬度快速无损检测方法的建立;彭彦昆 等;《食品安全质量检测学报》;20121231;第3卷(第6期);第667-671页 |
高光谱成像结合人工神经网络无损检测桃的硬度;郭文川 等;《光学精密工程》;20150630;第23卷(第6期);第1530-1537页 |
Also Published As
Publication number | Publication date |
---|---|
CN106596414A (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11454594B2 (en) | Method for identifying frostbite condition of grain seeds using spectral feature wavebands of seed embryo hyperspectral images | |
CN110781889B (zh) | 一种基于深度学习的蓝莓果实中总糖含量的无损检测方法 | |
CN110715918B (zh) | 单籽粒玉米淀粉含量拉曼高光谱分级方法 | |
CN106596414B (zh) | 一种桃果实内部硬度空间分布成像的方法 | |
Ma et al. | A method of calculating phenotypic traits for soybean canopies based on three-dimensional point cloud | |
CN110610438B (zh) | 一种农作物冠层叶柄夹角计算方法及系统 | |
Shu et al. | Assessing maize lodging severity using multitemporal UAV-based digital images | |
Ma et al. | Rapid measurement for 3D geometric features of maize ear based on image processing | |
CN109556542B (zh) | 复杂点阵镂空结构ct尺寸测量方法 | |
Islam et al. | A ground-based platform for reliable estimates of fruit number, size, and color in stone fruit orchards | |
Li et al. | A self-developed system for visual detection of vegetable seed vigor index | |
CN110609011A (zh) | 单籽粒玉米种子淀粉含量近红外高光谱检测方法及系统 | |
CN111562273A (zh) | 基于高光谱的鱼水射流除鳞轻微损伤可视化方法 | |
Serouart et al. | Analyzing changes in maize leaves orientation due to GxExM using an automatic method from RGB images | |
CN116011881A (zh) | 一种基于像元尺度的黑土农田生产力评价方法及系统 | |
Venkatesan et al. | Characterization of barnyard millet cultivars using seed image analysis | |
Sardar | Fruit quality estimation by color for grading | |
Behtari et al. | Predicting germination of Medicago sativa and Onobrychis viciifolia seeds by using image analysis | |
CN110308139B (zh) | 基于激光诱导击穿光谱的水稻种子活力分级检测方法 | |
CN110163459A (zh) | 一种构建多指标评价模型对小麦品质分级的方法 | |
Deng et al. | Seed vigor assessment for Cunninghamia lanceolata and Pinus massoniana using image processing | |
CN109816668B (zh) | 遥感影像非监督分割评价方法和装置 | |
CN106644958B (zh) | 一种桃果实内部果胶含量空间分布成像的方法 | |
Lu et al. | Root phenotypic detection of different vigorous maize seeds based on Progressive Corrosion Joining algorithm of image | |
CN106644957B (zh) | 一种枇杷采后果肉可溶性固形物分布成像的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |