CN108663333A - 用于检测冰箱内食物的高光谱成像组件与冰箱 - Google Patents
用于检测冰箱内食物的高光谱成像组件与冰箱 Download PDFInfo
- Publication number
- CN108663333A CN108663333A CN201710190254.8A CN201710190254A CN108663333A CN 108663333 A CN108663333 A CN 108663333A CN 201710190254 A CN201710190254 A CN 201710190254A CN 108663333 A CN108663333 A CN 108663333A
- Authority
- CN
- China
- Prior art keywords
- food
- refrigerator
- spectrum image
- light
- light spectrum
- 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.)
- Pending
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 148
- 238000001228 spectrum Methods 0.000 title claims abstract description 126
- 238000001514 detection method Methods 0.000 claims abstract description 101
- 230000001681 protective effect Effects 0.000 claims abstract description 50
- 230000005540 biological transmission Effects 0.000 claims abstract description 26
- 230000003595 spectral effect Effects 0.000 claims abstract description 21
- 238000009833 condensation Methods 0.000 claims abstract description 15
- 230000005494 condensation Effects 0.000 claims abstract description 15
- 238000003384 imaging method Methods 0.000 claims abstract description 8
- 238000004020 luminiscence type Methods 0.000 claims description 9
- 239000000758 substrate Substances 0.000 claims description 9
- 238000003909 pattern recognition Methods 0.000 claims description 8
- 230000004308 accommodation Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 9
- 238000007710 freezing Methods 0.000 description 6
- 230000008014 freezing Effects 0.000 description 6
- 238000005057 refrigeration Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004611 spectroscopical analysis Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000005304 optical glass Substances 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241001672694 Citrus reticulata Species 0.000 description 1
- 244000287680 Garcinia dulcis Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000002309 gasification Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 235000013311 vegetables Nutrition 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
-
- 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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
- G01N2021/3155—Measuring in two spectral ranges, e.g. UV and visible
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)
- Cold Air Circulating Systems And Constructional Details In Refrigerators (AREA)
Abstract
本发明提供了一种用于检测冰箱内食物的高光谱成像组件与冰箱,光谱成像相机,具有朝向冰箱内检测区的成像镜头,用于拍摄放置于检测区内的被检食物,得到被检食物的高光谱数据,以供对被检食物进行检测;以及光源装置,包括LED阵列组件和防护罩,其中LED阵列组件为光谱成像相机提供拍摄光线,防护罩,设置于LED阵列组件的外侧,并包括防护罩外框以及安装于防护罩外框内的透光防护板,其中透光防护板可述LED阵列组件的光线照出,防护罩外框内设置有环绕透光防护板外周的光源加热丝,以防止透光防护板因冰箱内的低温环境而凝露,保证了高光谱数据的指令,满足了综合利用图像信息和光谱信息进行食物检测的要求,识别准确率高。
Description
技术领域
本发明涉及储物技术领域,特别是涉及一种用于检测冰箱内食物的高光谱成像组件与冰箱。
背景技术
随着社会的进步和人们生活水平的提高,消费者在购买食品时不仅关注食品的营养价值与安全,还会考虑价格、口感、外观及新鲜程度等因素,而冰箱的角色也从单纯的存储保鲜逐渐转变为食材管理中心和家庭营养中心,这也对冰箱提出了新的挑战,同时,这也为各种智能识别技术应用在冰箱上提供了契机。了解冰箱中存放食材种类的方式,也从打开冰箱门实际查看变为了智能化识别。利用自动识别技术,在家用冰箱上实现食品的种类识别功能,已经成为智能化冰箱的发展趋势。
自动识别技术就是应用特定识别装置,将被识别物品接近识别装置,自动获取被识别物品的相关信息,并提供给计算机处理系统来完成相关后续处理的一种技术。目前应用于冰箱的自动识别技术包括射频识别和图像识别等,射频识别是在放进冰箱的食材上张贴射频识别码,利用安装在冰箱上的射频识别装置进行识别,该技术需要所购置的食材本身含有射频识别码,而目前市场上的大部分食品都不含有射频识别码,特别是蔬菜、水果,更是不含有识别码,因此该技术受到了很大的应用限制。
图像识别技术也已应用于冰箱上,但是正确识别率较低,由于该技术主要是依赖于对食材图像颜色或者食材形状、纹理的不同进行识别,因此对于颜色、形状相近的食材很难正确识别,比如桔子和橙子很难区别,识别结果为柑类,因此该技术的正确率需要进一步提高,现有技术中对冰箱内食物缺乏准确的检测手段。
发明内容
本发明的一个目的是要提供一种准确率高的用于检测冰箱内食物的高光谱成像组件与冰箱。
本发明首先提供了一种用于检测冰箱内食物的高光谱成像组件,其包括:光谱成像相机,具有朝向冰箱内检测区的成像镜头,用于拍摄放置于检测区内的被检食物,得到被检食物的高光谱数据,以供对被检食物进行检测;以及光源装置,包括LED阵列组件和防护罩,其中LED阵列组件为光谱成像相机提供拍摄光线,防护罩,设置于LED阵列组件的外侧,并包括防护罩外框以及安装于防护罩外框内的透光防护板,其中透光防护板可述LED阵列组件的光线照出,防护罩外框内设置有环绕透光防护板外周的光源加热丝,以防止透光防护板因冰箱内的低温环境而凝露。
可选地,LED阵列组件由设定数量的LED排布形成,各个LED的发光中心波长配置为不同,并使得LED阵列组件的发光光谱范围达到400nm至1100nm。
可选地,LED阵列组件还包括:基板;并且设定数量的LED,均匀分布于基板的一侧。
可选地,基板与透光防护板均为圆形;防护罩外框为圆环形,限定出透光防护板的容纳空间,沿防护罩外框的内缘周向开有凹槽,镜头加热丝设置于凹槽内。
可选地,成像镜头包括镜头外框以及安装于镜头外框内的镜片组件,镜头外框内设置有环绕镜片组件外周的镜头加热丝,以防止镜片组件因所述冰箱内的低温环境而凝露。
可选地,镜头外框为圆环形,限定出圆形的镜片组件容纳空间,沿镜头外框的内缘周向开有凹槽,所述镜头加热丝设置于所述凹槽内。
可选地,光谱成像相机拍摄的高光谱数据包括设定数量的三元数据组,每个三元数据组中包括一个像素点的两个图像像素元素和一个光谱波长元素,每个像素点具有多组三元数据组;其中图像像素元素供提取出检测用的图像特征信息,光谱波长元素供提取出检测用的特征光谱信息。
根据本发明的另一个方面,还提供了一种冰箱。该冰箱包括:箱体,其内限定有储物间室,储物间室内形成有用于放置被检食物的检测区;上述介绍的任一种的用于检测冰箱内食物的高光谱成像组件,设置于储物间室内,并用于拍摄被检食物的高光谱数据;类型检测装置,配置成利用光谱成像相机拍摄的高光谱数据识别出被检食物的类型。
可选地,类型检测装置还配置成:获取食物类型识别模型,食物类型识别模型预先按照不同种类的食物的高光谱数据训练得到;从光谱成像相机拍摄的高光谱数据中提取出食物类型识别模型所需的图像特征信息和特征光谱信息;将食物类型识别模型所需的图像特征信息和特征光谱信息输入食物类型识别模型;由食物类型识别模型进行模式识别,确定出被检食物的类型。
可选地,上述冰箱还包括:新鲜度检测装置,配置成获取被检食物的高光谱数据,获取适用于被检食物的新鲜度检测模型,使用新鲜度检测模型对光谱成像相机拍摄的高光谱数据进行分类,从而确定出被检食物的新鲜度,其中新鲜度检测模型预先按照不同品质的食物的高光谱数据训练得到。
本发明的用于检测冰箱内食物的高光谱成像组件与冰箱,在冰箱内部设置光谱成像相机,拍摄得到食物的高光谱数据,综合利用图像信息和光谱信息进行食物的种类识别,识别准确率高。针对检测对高光谱数据的光谱范围要求,采用了包括LED阵列等的光源装置提供拍摄光线,利用LED阵列中不同发光中心波长的LED满足光谱成像相机的拍摄要求,使得高光谱数据能够满足食物种类检测的宽光谱要求。同时为了防止光源装置的透光防护板因所述冰箱内的低温环境而凝露,防护罩外框内设置有环绕透光防护板外周的光源加热丝,在光源装置的透光防护板因冰箱内的低温环境而凝露时,光源加热丝启动加热,使得凝露迅速气化,保持光源装置的透光效果。
进一步地,本发明的用于检测冰箱内食物的高光谱成像组件与冰箱,光谱成像相机的成像镜头的镜头外框内设置有环绕镜片组件外周的镜头加热丝,以防止镜片组件因冰箱内的低温环境而凝露。在镜片组件表面因低温出现凝露时,镜头加热丝启动加热,使得该凝露迅速气化,保持镜片组件的透光效果。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本发明一个实施例的用于检测冰箱内食物的高光谱成像组件的示意功能框图;
图2是根据本发明一个实施例的用于检测冰箱内食物的高光谱成像组件中的光源装置爆炸示意图;
图3是根据本发明一个实施例的用于检测冰箱内食物的高光谱成像组件中的防护罩外框的剖视图;
图4是根据本发明一个实施例的用于检测冰箱内食物的高光谱成像组件中的光谱成像相机爆炸示意图;
图5是根据本发明一个实施例的冰箱的功能框图;
图6是根据本发明一个实施例的冰箱的结构示意图;
图7是图6所示的冰箱的局部示意图;
图8是根据本发明另一实施例的冰箱的示意图;以及
图9是图8所示的冰箱的局部示意图。
具体实施方式
本实施例提供了一种用于检测冰箱内食物的高光谱成像组件以及具有该用于检测冰箱内食物的高光谱成像组件的冰箱,利用高光谱成像技术实现食物的检测。图1是根据本发明一个实施例的用于检测冰箱内食物的高光谱成像组件200的示意功能框图。
本实施例的用于检测冰箱内食物的高光谱成像组件200一般性地可以包括:光谱成像相机210。光谱成像相机210用于拍摄放置于检测区内的被检食物,得到被检食物的高光谱数据。高光谱数据用于对被检食物进行检测,例如识别被检食物的类型,以及检测食物的新鲜度等。
在本实施例的用于检测冰箱内食物的高光谱成像组件200中,光源装置220与光谱成像相机210对应设置,用于为光谱成像相机210提供拍摄光线。光源装置220也设置于冰箱10的箱体110内部,其包括LED阵列组件221,并利用LED阵列组件221为光谱成像相机210提供拍摄光线。
在本实施例的用于检测冰箱内食物的高光谱成像组件200中,使用LED阵列组件221作为光源。利用LED阵列组件221为光谱成像相机210提供拍摄光线。一般LED的发光特性为虽然发光并非单一波长,但波长具有正态分布的特点,在最大光谱能量(功率)处的波长成为峰值波长,亦称为发光中心波长。LED具有以发光中心波长为中心的光谱辐射带宽,光谱能量向两侧逐渐衰减。发光中心波长在一般照明的应用中其意义并不是十分明显,然而对于光谱成像相机210而言,较窄的光谱范围会影响高光谱数据的质量,造成检测不准确。
图2是根据本发明一个实施例的用于检测冰箱内食物的高光谱成像组件200中的光源装置220爆炸示意图。为了使LED阵列组件221满足光谱范围400-1100nm的要求,LED阵列组件221由设定数量的LED223排布形成,各个LED223的发光中心波长配置为不同,并使得LED阵列组件221的发光光谱范围达到400nm至1100nm。例如LED阵列组件221可以由至少70个LED223组成,每个LED的发光中心波长相差10nm,从而使得LED阵列组件221的发光光谱范围达到400nm至1100nm。
LED阵列组件221还包括:基板222。LED223均匀分布于基板222的一侧。LED阵列组件221的发光区可以设置为圆形等形状,为光谱成像相机210提供宽发光光谱范围的拍摄光线。防护罩224用于保护LED223。光源装置220还包括防护罩224。
防护罩224设置于LED阵列组件221的外侧,并包括防护罩外框225以及安装于防护罩外框225内的透光防护板226。图3是根据本发明一个实施例的用于检测冰箱内食物的高光谱成像组件200中的防护罩外框225的剖视图。透光防护板226设置于LED223的一侧,可供LED阵列组件221的光线照出,防护罩外框225内设置有环绕透光防护板226外周的光源加热丝227由于被遮挡,图中未示出),以防止透光防护板226因冰箱内的低温环境而凝露。
透光防护板226采用的一般为光学玻璃,会因冰箱内的低温环境而凝露,为了保证光源的透光性,可以在拍摄高光谱数据前启动光源加热丝。基板222与透光防护板226均为圆形;防护罩外框225为圆环形,限定出透光防护板226的容纳空间,沿防护罩外框225的内缘周向开有凹槽228,镜头加热丝227设置于凹槽228内。凹槽228可以对应设置盖板(图中未示出)来进行封闭。
图4是根据本发明一个实施例的用于检测冰箱内食物的高光谱成像组件200中的光谱成像相机210爆炸示意图。光谱成像相机210包括具有朝向冰箱内检测区的成像镜头211以及机身212。成像镜头211包括镜头外框212以及安装于镜头外框212内的镜片组件213。镜头外框212内设置有环绕镜片组件213外周的镜头加热丝(由于遮挡未示出),以防止镜片组件213因冰箱内的低温环境而凝露。由于光谱成像相机210布置于冰箱的间室内部,镜片组件213的最外侧使用的光学玻璃镜头在低温环境中容易出现凝露,导致拍摄的高光谱数据质量下降,此时镜头加热丝启动发热,使得凝露,从而保证透光效果。镜头加热丝可以在拍摄高光谱数据前一定时间启动。
镜头加热丝与镜头加热丝227的布置结构类似,镜头外框212也可以为圆环形,限定出圆形的镜片组件213容纳空间,沿镜头外框212的内缘周向开有凹槽,镜头加热丝设置于凹槽内。
光谱成像相机210拍摄的高光谱数据为一系列三元数据组,每个三元数据组中包括一个像素点的两个图像像素元素和一个光谱波长元素,每个像素点具有多组三元数据组。因此高光谱数据同时获得每个像素点的连续光谱数据和每个光谱波段的连续图像数据。高光谱图像是连续波长的光学图像,光谱范围可以设置为200nm到2500nm,具有更高的光谱分辨率,分辨率可达到2~3nm。高光谱数据可以用三维数据块来表示,其中二维是图像像素信息(x,y),第三维是波长信息(λ)。分辨率为x×y像素的图像检测器阵列在n个波长处获得的数据立方是x×y×λ的三维阵列。图像像素元素供提取出检测用的图像特征信息,光谱波长元素供提取出检测用的特征光谱信息。
为了满足食物检测的要求,优选利用光谱范围为400nm至1100nm的光谱数据,这是由于通过大量的研究上述光谱范围内的光谱数据有利于对食物300的识别和检测。光谱成像相机210拍摄的高光谱数据中每个像素点的光谱波长的分辨率要求小于或等于2nm,从而满足种类识别的要求。
由于检测区130一般为封闭的,因此需要设置光源装置220为光谱成像相机210提供拍摄光线。由于所需的光谱范围较宽,目前一般的光源无法满足这一要求。虽然传统的热光源的光谱范围较宽,但是其能耗较高,而且发光时发出的热量也会影响冰箱的正常制冷,破坏食物的储藏环境。因此光源装置220的光源挑选LED阵列组件221。
本实施例的用于检测冰箱内食物的高光谱成像组件200一般安装于冰箱储物间室的内部。图5是根据本发明一个实施例的冰箱10的功能框图。图6是根据本发明一个实施例的冰箱10的结构示意图。图7是图6所示的冰箱10的局部示意图。
本实施例的冰箱10一般性地可以包括:箱体110、门体120、本实施例的用于检测冰箱内食物的高光谱成像组件200、类型检测装置240、新鲜度检测装置250。
用于检测冰箱内食物的高光谱成像组件200可以根据检测触发信号启动,启动后首先使光源加热丝227以及镜头加热丝启动,等待一定时间待凝露消除后进行拍摄。检测触发信号以是用户通过冰箱10的特定按键的按压操作、通过与冰箱10绑定的移动终端下发的指令、冰箱10对门体120关闭或开启的信号、定时触发信号等。
类型检测装置240配置成利用光谱成像相机210拍摄的高光谱数据识别出被检食物300的类型。
类型检测装置240识别出的被检食物300的类型可以通过冰箱10的显示屏上显示,也可以向与冰箱10绑定的移动终端发送包括上述被检食物300的类型的消息。根据确定出的食物类型,可以建立该食物300的储藏档案,记录食物300的储藏信息(例如保质期、保存环境),为冰箱的智能食材管理提供数据基础。由于综合使用了图像和光谱两项特征,显著提高了识别正确率。
箱体110内限定有至少一个前侧敞开的储物间室,通常为多个,如冷藏室、冷冻室、变温室等等。具体的储物间室的数量和功能可以根据预先的需求进行配置,在一些实施例中,冷藏室的保藏温度可为2~9℃,或者可为4~7℃;冷冻室的保藏温度可为-22~-14℃,或者可为-20~16℃。冷冻室设置于冷藏室的下方,变温室设置于冷冻室和冷藏室之间。冷冻室内的温度范围一般在-14℃至-22℃。变温室可根据需求进行调整,以储存合适的食物,或者作为保鲜储藏室。
门体120,设置于箱体110前侧,用于开闭储物间室。例如门体120可以通过铰接的方式设置箱体110前部的一侧,通过枢转的方式开闭储物间室,门体120的数量可以与储物间室的数量匹配,从而可以将储物间室逐一单独开启。例如可以为冷藏室、冷冻室、变温室分别设置冷藏室门体、冷冻室门体、变温室门体。在一些可选实施例中,门体120也可以采用平开门、对开门、侧滑门、抽拉门等形式。
储物间室由制冷系统提供冷量,以实现冷藏、冷冻、变温的储物环境。制冷系统可为由压缩机、冷凝器、节流装置和蒸发器等构成的制冷循环系统。蒸发器配置成直接或间接地向储物间室内提供冷量。例如压缩式直冷冰箱中,蒸发器可设置于冰箱内胆的后壁面外侧或内侧。压缩式风冷冰箱中,箱体110内还具有蒸发器室,蒸发器室通过风路系统与储物间室连通,且蒸发器室内设置蒸发器,出口处设置有风机,以向储物间室进行循环制冷。由于上述箱体110、门体120、制冷系统本身是本领域技术人员习知且易于实现的,为了不掩盖和模糊本申请的发明点,后文对箱体110、门体120、制冷系统本身不做赘述。
储物间室内形成有检测区130,该检测区130可以作为一个单独的储物间室,在另一些可选实施例中,检测区130可以是某一储物间室的某一层,例如可以为冷藏间室的某一层。检测区130也可以直接作为食物300的储藏区。
由于检测区130的空间有限,为了保证光谱成像相机210能够拍摄到检测区130内放置的食物300的全貌。光谱成像相机210优选使用广角镜头或者鱼眼镜头,并且设置于检测区130的正上方。光源装置220设置于检测区130的顶壁后部,向斜下方提供拍摄光线。LED阵列组件221可以跟随光谱成像相机210同时启动,从而在封闭的检测区130内中提供光线。
图8是根据本发明另一实施例的冰箱10的示意图,图9是图8所示的冰箱10的局部示意图。本实施例的冰箱10中针对冰箱内部空间狭小,光谱成像相机210难于拍摄检测区130全貌的问题,通过设置反光镜260,利用拍摄反射图像的方式得到反映检测区130全貌的高光谱数据。
反射镜260和光谱成像相机210相对设置于储物间室内部,反射镜260和光谱成像相机210之间的区域可作为检测区130。光谱成像相机210,可以配置成对反射镜260进行拍摄,以得到反射镜260对检测区130的反射图像的高光谱数据。由于冰箱内部的空间比较狭小,而且储物间室为了便于储物一般为扁平分层结构,在这种空间狭小的扁平区域内,现有的光谱成像相机210很难拍摄检测区的全貌,因此在本实施例中,通过拍摄反射镜260的反射图像,可以有效地解决这一问题。在一些可选实施例中,反射镜260可以选择使用凸镜,以反射整个检测区130。光源装置220也设置于检测区130的顶壁后部,向斜下方提供拍摄光线。
反射镜260设置于检测区130的顶部(例如储藏间室的顶壁上),并且光谱成像相机210设置于检测区130的底部(例如储藏间室的底壁中)。光谱成像相机210所在的区域可以设置为空白区,防止用户将待识别食物300放置在光谱成像相机210的上方,遮挡镜头。
无论是光谱成像相机210采用角镜头或者鱼眼镜头,还是采用反射镜260的反射方式,光谱成像相机均可以得到反映检测区130全貌的高光谱数据,从而满足了对被检食物300的拍摄要求。
在光谱成像相机210进行拍摄时启动光谱成像相机210以及LED阵列组件221,以使光谱成像相机210拍摄得到被检食物300的高光谱数据。还配置成:在光谱成像相机210完成拍摄后,LED阵列组件221和光谱成像相机210关闭。
类型检测装置240的进行类型识别的过程可以为获取食物类型识别模型,从光谱成像相机拍摄的高光谱数据中提取出食物类型识别模型所需的图像特征信息和特征光谱信息;将食物类型识别模型所需的图像特征信息和特征光谱信息输入食物类型识别模型;由食物类型识别模型进行模式识别,确定出被检食物的类型。
类型检测装置240使用的食物类型识别模型预先按照不同种类的食物的高光谱数据训练得到。食物类型识别模型可以通过以下方式训练得出:预先选择一定数量的食物及其高光谱数据作为训练样本,利用这些训练样本对判决函数进行训练得到。在识别过程中,类型检测装置240将图像特征信息和特征光谱信息输入识别模型,按照不同的规则将其划分到与其最接近的分类中,完成类型的确定。其可以使用匹配算法包括:最小距离法,最大似然法,马氏距离法、神经网络(BP)、支持向量机(SVM)、Adaboost等。
类型检测装置240同样可以借助于云技术,利用云端进行类型识别。例如在获取到光谱成像相机210拍摄的高光谱数据后,冰箱10的类型检测装置240进行初步处理后,将经过初步处理后的高光谱数据上传至云端,由云端完成食物类型识别模型的模式识别步骤,然后将被检食物300的类型提供给冰箱10或者与冰箱10绑定的移动终端,以供向用户提供。食物类型识别模型保存在云端,减小了冰箱10的数据处理压力。
类型检测装置240对高光谱数据进行分割、分类,从而自动确定物品的类型。在使用云识别技术时,类型检测装置240可以利用冰箱10的数据传输功能向布置有食物类型识别模型的云端设备发送图像特征信息和特征光谱信息,以由云端设备使用食物类型识别模型对图像特征信息和特征光谱信息进行匹配。
新鲜度检测装置250。新鲜度检测装置250配置成获取被检食物300的高光谱数据,获取适用于被检食物300的新鲜度检测模型,使用新鲜度检测模型对光谱成像相机210拍摄的高光谱数据进行分类,从而确定出被检食物300的新鲜度,其中新鲜度检测模型预先按照不同品质的食物的高光谱数据训练得到。
由于不同食物的高光谱数据的差异性也较大,因此类型检测装置240可以预先利用光谱成像相机拍摄的高光谱数据识别出被检食物的类型,以供确定与被检食物的类型对应的新鲜度检测模型。
在检测区130存在多种食物的情况下,类型检测装置240也可以检测到多种食物,从而对各种食物分别进行新鲜度检测,例如分别使用各种食物对应的新鲜度检测模型分别进行新鲜度测量,从而得到多种食物的各自的新鲜度。
新鲜度检测装置250使用的新鲜度检测模型可以通过对大量不同新鲜度的食物的高光谱数据进行训练得出,其可以采用的训练算法可以包括神经网络(BP)、支持向量机(SVM)、Adaboost。可以预先按照食物的类型训练处多种不同的新鲜度检测模型,例如针对各种肉类、各种水果、各种蔬菜分别训练出相应的新鲜度检测模型。
在进行新鲜度检测时,新鲜度检测装置250可以执行如下步骤:从光谱成像相机210拍摄的高光谱数据中提取出新鲜度检测模型所需的图像特征信息和特征光谱信息,将新鲜度检测模型所需的图像特征信息和特征光谱信息输入新鲜度检测模型,由新鲜度检测模型进行模式识别,得到被检食物的新鲜度。
新鲜度检测装置250还可以借助于云技术实现检测,例如在获取到光谱成像相机210拍摄的高光谱数据后,冰箱10的数据处理装置经过初步处理后,将经过初步处理后的高光谱数据上传至云端,由云端完成新鲜度检测模型的模式识别步骤,然后将被检食物300的新鲜度提供给冰箱10或者与冰箱10绑定的移动终端,以供向用户提供。
上述新鲜度可以反映食物的酸败程度、霉变程度、脱水程度等。在新鲜度超过设定的程度后,可以及时对用户进行提醒。
在使用冰箱10的新鲜度检测功能时,一个具体的实例为:用户在检测区130内放置一个苹果后,通过冰箱10上的按钮或者移动终端下发识别指令,从而触发启动光谱成像相机210以及LED阵列组件221。光谱成像相机210对检测区130进行拍摄,得到包括苹果在内的高光谱数据。经过初步处理,可以提取出被检食物300(苹果)的食物类型识别模型所需的图像特征信息和特征光谱信息,类型检测装置240获取食物类型识别模型,并将食物类型识别模型所需的图像特征信息和特征光谱信息输入食物类型识别模型;由食物类型识别模型进行模式识别,得到被检食物300的类型,也即确定被检食物为苹果。新鲜度检测装置250,确定苹果的新鲜度检测模型,从光谱成像相机210拍摄的高光谱数据中提取出新鲜度检测模型所需的图像特征信息和特征光谱信息,将新鲜度检测模型所需的图像特征信息和特征光谱信息输入苹果新鲜度检测模型,由苹果新鲜度检测模型进行模式识别,得到苹果的新鲜度。新鲜度通过冰箱10的显示屏或者与冰箱10绑定的移动终端向用户报告,在苹果的新鲜程度下降到一定程度时,可以向用户进行报警。
上述实例中以苹果为例进行介绍,在具体实施本实施例时,用于检测冰箱内食物的高光谱成像组件200可以对检测区130放置的各种食物进行类型检测,并进一步检测新鲜度,LED阵列组件221充分保证了光谱成像相机210拍摄出光谱范围满足要求的高光谱图像。并且由于综合利用图像信息和光谱信息进行食物的种类识别,识别准确率高,为冰箱10提供了食材管理的数据基础。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (10)
1.一种用于检测冰箱内食物的高光谱成像组件,包括:
光谱成像相机,具有朝向冰箱内检测区的成像镜头,用于拍摄放置于所述检测区内的被检食物,得到所述被检食物的高光谱数据,以供对所述被检食物进行检测;以及
光源装置,包括LED阵列组件和防护罩,其中
所述LED阵列组件为所述光谱成像相机提供拍摄光线,
所述防护罩,设置于所述LED阵列组件的外侧,并包括防护罩外框以及安装于所述防护罩外框内的透光防护板,其中所述透光防护板可供所述LED阵列组件的光线照出,所述防护罩外框内设置有环绕所述透光防护板外周的光源加热丝,以防止所述透光防护板因所述冰箱内的低温环境而凝露。
2.根据权利要求1所述的高光谱成像组件,其中
所述LED阵列组件由设定数量的LED排布形成,各个所述LED的发光中心波长配置为不同,并使得所述LED阵列组件的发光光谱范围达到400nm至1100nm。
3.根据权利要求2所述的高光谱成像组件,其中所述LED阵列组件还包括:
基板;并且
所述设定数量的LED,均匀分布于基板的一侧。
4.根据权利要求3所述的高光谱成像组件,其中
所述基板与所述透光防护板均为圆形;
所述防护罩外框为圆环形,限定出所述透光防护板的容纳空间,沿所述防护罩外框的内缘周向开有凹槽,所述镜头加热丝设置于所述凹槽内。
5.根据权利要求1所述的高光谱成像组件,其中
所述成像镜头包括镜头外框以及安装于所述镜头外框内的镜片组件,所述镜头外框内设置有环绕所述镜片组件外周的镜头加热丝,以防止所述镜片组件因所述冰箱内的低温环境而凝露。
6.根据权利要求5所述的高光谱成像组件,其中,
所述镜头外框为圆环形,限定出圆形的镜片组件容纳空间,沿所述镜头外框的内缘周向开有凹槽,所述镜头加热丝设置于所述凹槽内。
7.根据权利要求1所述的高光谱成像组件,其中
所述光谱成像相机拍摄的高光谱数据包括设定数量的三元数据组,每个所述三元数据组中包括一个像素点的两个图像像素元素和一个光谱波长元素,每个像素点具有多组所述三元数据组;其中所述图像像素元素供提取出检测用的图像特征信息,所述光谱波长元素供提取出检测用的特征光谱信息。
8.一种冰箱,包括:
箱体,其内限定有储物间室,所述储物间室内形成有用于放置被检食物的检测区;
根据权利要求1至7中任一项所述的用于检测冰箱内食物的高光谱成像组件,设置于所述储物间室内,并用于拍摄所述被检食物的高光谱数据;
类型检测装置,配置成利用所述光谱成像相机拍摄的高光谱数据识别出所述被检食物的类型。
9.根据权利要求8所述的冰箱,其中所述类型检测装置还配置成:
获取食物类型识别模型,所述食物类型识别模型预先按照不同种类的食物的高光谱数据训练得到;
从所述光谱成像相机拍摄的高光谱数据中提取出所述食物类型识别模型所需的图像特征信息和特征光谱信息;
将所述食物类型识别模型所需的图像特征信息和特征光谱信息输入所述食物类型识别模型;
由所述食物类型识别模型进行模式识别,确定出所述被检食物的类型。
10.根据权利要求8所述的冰箱,还包括:
新鲜度检测装置,配置成获取所述被检食物的高光谱数据,获取适用于所述被检食物的新鲜度检测模型,使用所述新鲜度检测模型对所述光谱成像相机拍摄的高光谱数据进行分类,从而确定出所述被检食物的新鲜度,其中所述新鲜度检测模型预先按照不同品质的食物的高光谱数据训练得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710190254.8A CN108663333A (zh) | 2017-03-27 | 2017-03-27 | 用于检测冰箱内食物的高光谱成像组件与冰箱 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710190254.8A CN108663333A (zh) | 2017-03-27 | 2017-03-27 | 用于检测冰箱内食物的高光谱成像组件与冰箱 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108663333A true CN108663333A (zh) | 2018-10-16 |
Family
ID=63785691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710190254.8A Pending CN108663333A (zh) | 2017-03-27 | 2017-03-27 | 用于检测冰箱内食物的高光谱成像组件与冰箱 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108663333A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111343330A (zh) * | 2019-03-29 | 2020-06-26 | 阿里巴巴集团控股有限公司 | 一种智能手机 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609152A (zh) * | 2012-01-22 | 2012-07-25 | 南京先能光电有限公司 | 大视场角图像检测电子白板图像采集方法及装置 |
CN103063134A (zh) * | 2012-12-26 | 2013-04-24 | 浙江大学 | 碎石几何特征采集系统及采集方法 |
CN103278464A (zh) * | 2013-04-18 | 2013-09-04 | 北京工商大学 | 鱼肉检测方法和装置 |
CN105717051A (zh) * | 2016-04-22 | 2016-06-29 | 合肥美菱股份有限公司 | 一种快速检测果蔬新鲜度的系统及冰箱 |
CN206039124U (zh) * | 2016-08-29 | 2017-03-22 | 合肥华凌股份有限公司 | 摄像头模组结构及冰箱 |
-
2017
- 2017-03-27 CN CN201710190254.8A patent/CN108663333A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609152A (zh) * | 2012-01-22 | 2012-07-25 | 南京先能光电有限公司 | 大视场角图像检测电子白板图像采集方法及装置 |
CN103063134A (zh) * | 2012-12-26 | 2013-04-24 | 浙江大学 | 碎石几何特征采集系统及采集方法 |
CN103278464A (zh) * | 2013-04-18 | 2013-09-04 | 北京工商大学 | 鱼肉检测方法和装置 |
CN105717051A (zh) * | 2016-04-22 | 2016-06-29 | 合肥美菱股份有限公司 | 一种快速检测果蔬新鲜度的系统及冰箱 |
CN206039124U (zh) * | 2016-08-29 | 2017-03-22 | 合肥华凌股份有限公司 | 摄像头模组结构及冰箱 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111343330A (zh) * | 2019-03-29 | 2020-06-26 | 阿里巴巴集团控股有限公司 | 一种智能手机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108662842A (zh) | 冰箱内食物的检测系统与冰箱 | |
CN108663331A (zh) | 检测冰箱内食物新鲜度的方法与冰箱 | |
CN108662843A (zh) | 冰箱内食物的检测系统与冰箱 | |
CN106871568A (zh) | 冰箱内部食物的种类识别方法与冰箱 | |
CN106705564B (zh) | 冰箱的控制方法及冰箱 | |
US11060735B2 (en) | Connected food preparation system and method of use | |
US10330377B2 (en) | Refrigeration appliance comprising a camera module | |
CN106871569A (zh) | 冰箱内部食物的种类识别方法与冰箱 | |
Pu et al. | Soluble solids content and pH prediction and maturity discrimination of lychee fruits using visible and near infrared hyperspectral imaging | |
CN110966833A (zh) | 检测冰箱内食材信息的方法及冰箱 | |
CN109655414B (zh) | 电子设备、信息推送方法及相关产品 | |
CN105717051A (zh) | 一种快速检测果蔬新鲜度的系统及冰箱 | |
CN111279792A (zh) | 监控系统以及食物制备系统 | |
CN105358925A (zh) | 制冷器具系统 | |
CN104897581A (zh) | 基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法及装置 | |
CN204115391U (zh) | 一种智能调温冰箱 | |
CN111258858A (zh) | 冰箱及其控制方法 | |
CN110017659A (zh) | 家用制冷器具设备 | |
CN105136709B (zh) | 一种测量冷冻肉的冷冻参数的方法及装置 | |
CN110966835B (zh) | 检测冰箱内食材营养成分的方法与冰箱 | |
CN108663333A (zh) | 用于检测冰箱内食物的高光谱成像组件与冰箱 | |
CN108663332A (zh) | 用于检测冰箱内食物的高光谱成像组件与冰箱 | |
JP2012112802A (ja) | 炊飯米飯の外観評価装置、および、炊飯米飯の外観評価方法 | |
CN108351151A (zh) | 冰箱 | |
US11928769B2 (en) | Employing controlled illumination for hyperspectral or multispectral imaging of food in an appliance |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181016 |