CN109100311B - 草莓成熟度快速识别方法及装置 - Google Patents
草莓成熟度快速识别方法及装置 Download PDFInfo
- Publication number
- CN109100311B CN109100311B CN201810760046.1A CN201810760046A CN109100311B CN 109100311 B CN109100311 B CN 109100311B CN 201810760046 A CN201810760046 A CN 201810760046A CN 109100311 B CN109100311 B CN 109100311B
- Authority
- CN
- China
- Prior art keywords
- strawberry
- maturity
- average absorbance
- absorbance
- strawberries
- 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
- 235000016623 Fragaria vesca Nutrition 0.000 title claims abstract description 171
- 235000011363 Fragaria x ananassa Nutrition 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 48
- 244000307700 Fragaria vesca Species 0.000 title 1
- 241000220223 Fragaria Species 0.000 claims abstract description 225
- 238000002835 absorbance Methods 0.000 claims abstract description 156
- 235000021012 strawberries Nutrition 0.000 claims abstract description 55
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 229930002877 anthocyanin Natural products 0.000 description 3
- 235000010208 anthocyanin Nutrition 0.000 description 3
- 239000004410 anthocyanin Substances 0.000 description 3
- 150000004636 anthocyanins Chemical class 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000701 chemical imaging Methods 0.000 description 2
- 229930002875 chlorophyll Natural products 0.000 description 2
- 235000019804 chlorophyll Nutrition 0.000 description 2
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Human Resources & Organizations (AREA)
- Immunology (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Biochemistry (AREA)
- Mining & Mineral Resources (AREA)
- Analytical Chemistry (AREA)
- Economics (AREA)
- Pathology (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Multimedia (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明实施例提供一种草莓成熟度快速识别方法及装置，该方法包括获取草莓在绿光下的第一平均吸光度以及在红光下的第二平均吸光度；通过所述第一平均吸光度、所述第二平均吸光度以及已训练的成熟度指标衡量模型，得到草莓的成熟度。本发明实施例提供的草莓成熟度快速识别方法及装置通过第一平均吸光度、第二平均吸光度以及已训练得到的成熟度指标衡量模型相结合，得到草莓成熟度指标，通过草莓成熟度指标判断得出草莓成熟度，识别方法简单、快速、使用方便、成本低廉，适于向果农推广。
Description
技术领域
本发明涉及水果检测领域，尤其涉及一种草莓成熟度快速识别方法及装置。
背景技术
草莓是我国广泛种植的一种水果，深受消费者的喜爱，同时草莓的种植也为果农带来了很高的经济利益。但草莓存在成熟周期短、保质期短等特点，因此准确判定草莓成熟度、选取合适的采摘时机，对果农而言是一个非常关键的问题。
而对草莓成熟度的识别，传统的方法多是凭借肉眼观测，准确度较低。近年来借助计算机等多领域技术辅助识别草莓成熟度成为人们研究的热点。现有技术中，已经实现通过对草莓中叶绿素含量与花青素含量进行光谱数据建模，来对草莓成熟度进行分类，更加科学合理的识别草莓成熟度。
但上述通过光谱数据建模来识别草莓成熟度的方法，在光谱数据获取中使用了高光谱成像系统，使得该识别方法，实现成本昂贵、便利性较低，不适于向果农推广，在实地采摘中使用。
发明内容
针对背景技术中现有技术存在的缺陷，本发明提供了一种草莓成熟度快速识别方法及装置。
第一方面，本发明提供的一种草莓成熟度快速识别方法，该方法包括：
获取草莓在绿光下的第一平均吸光度以及在红光下的第二平均吸光度；
通过所述第一平均吸光度、所述第二平均吸光度以及已训练的成熟度指标衡量模型，得到草莓的成熟度。
第二方面，本发明提供的一种草莓成熟度快速识别装置，该装置包括：
获取模块，用于获取草莓在绿光下的第一平均吸光度以及在红光下的第二平均吸光度；
判断模块，用于通过所述第一平均吸光度、所述第二平均吸光度以及已训练的成熟度指标衡量模型，得到草莓的成熟度。
本发明实施例提供的草莓成熟度快速识别方法及装置通过第一平均吸光度、第二平均吸光度以及已训练得到的成熟度指标衡量模型相结合，得到草莓成熟度指标，通过草莓成熟度指标判断得出草莓成熟度，识别方法简单、快速、使用方便、成本低廉，适于向果农推广。
附图说明
图1为本发明实施例提供的草莓成熟度快速识别方法流程示意图；
图2为本发明实施例提供的草莓成熟度快速识别装置结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
刚采摘下来的草莓是一种鲜美可口的水果，很受人们喜爱，但是草莓的成熟周期和保质期都很短，如果成熟的草莓没有及时得到采摘，就会很容易坏掉或者不再鲜美可口，因此对果农而言，在草莓最好的成熟期进行采摘，是很重要的事情。
但是目前对草莓成熟度的识别，多是采用传统方法，凭借肉眼观测，经验估计，但准确度较低，容易误判。而近年来兴起的借助计算机等多领域技术辅助识别草莓成熟度的方法，一般需要进行光谱数据建模，借助高光谱成像系统，分析草莓中叶绿素与花青素的含量，操作过于复杂，实现成本昂贵、便利性较低，不适于向果农推广，在实地采摘中使用。
而在对草莓成熟度进行大量观察、计算与对比中发现，草莓的吸光度与草莓成熟程度存在某些特定的关联，而对于草莓吸光度的获取也可以通过一些比较简单的方法实现，因此通过草莓吸光度来准确获得草莓成熟度，成为适于向果农推广的识别方法。
为了实现上述方法，通过草莓吸光度来准确获得草莓成熟度，本发明实施例提供了一种草莓成熟度快速识别方法，图1为本发明实施例提供的草莓成熟度快速识别方法流程示意图，如图1所示，该方法包括：
步骤10、获取草莓在绿光下的第一平均吸光度以及在红光下的第二平均吸光度；
步骤11、通过第一平均吸光度、第二平均吸光度以及已训练的成熟度指标衡量模型，得到草莓的成熟度。
具体地，上述本发明实施例提供的草莓成熟度快速识别方法具体为首先获取待识别的草莓在绿光下的第一平均吸光度，该第一平均吸光度为草莓对绿光的平均吸光度，其中该绿光波长范围为530nm～540nm，同时获取该草莓在红光下的第二平均吸光度，该第二平均吸光度为该草莓对红光的平均吸光度，其中该红光波长范围为665nm～675nm，然后通过第一平均吸光度、第二平均吸光度和已训练的用于判断草莓成熟度的成熟度指标衡量模型，判断得到草莓的成熟度，其中该成熟度指标衡量模型是通过大量草莓成熟度的分析、计算、训练得到的，能够反映草莓在上述绿光和红光下的平均吸光度与草莓成熟度对应关系的成熟度指标衡量模型，通过上述第一平均吸光度和第二平均吸光度得到草莓成熟度指标，通过草莓成熟度指标结合该成熟度指标衡量模型，综合分析得到该草莓成熟度。
本发明实施例提供的草莓成熟度快速识别方法及装置通过第一平均吸光度、第二平均吸光度以及已训练得到的成熟度指标衡量模型相结合，得到草莓成熟度指标，通过草莓成熟度指标结合成熟度指标衡量模型得出草莓成熟度，识别方法简单、使用方便、成本低廉，适于向果农推广。
在上述实施例的基础上，本发明实施例提供的草莓成熟度快速识别方法，在获取草莓在绿光下的第一平均吸光度以及红光下的第二平均吸光度前，包括：
对草莓成长阶段中的成熟度按成熟度指标进行分级，并获取草莓在各级成熟度指标下的第一平均吸光度和第二平均吸光度；
以成熟度指标以及对应的第一平均吸光度和第二平均吸光度作为样本进行训练，得到成熟度指标衡量模型。即本发明实施例提供的草莓成熟度快速识别方法，在对草莓正式识别之前，需要得到草莓识别用到的成熟度指标衡量模型，因此在正式识别草莓之前，首先需要设置草莓的成熟度指标，例如成熟、接近成熟、未成熟等，然后对草莓成长阶段中成熟程度按照上述成熟度指标进行分级，比如一级为成熟，二级为接近成熟，三级为未成熟等，并通过实验、计算等获取草莓在各个成熟级别下所对应的第一平均吸光度和第二平均吸光度，最后以大量的上述实验和计算结果为样本，训练得到能够反映草莓在上述绿光和红光下的平均吸光度与草莓成熟度对应关系的成熟度指标衡量模型。该成熟度指标衡量模型训练得到后，方便在对草莓成熟度识别时，快速识别判断草莓成长阶段的成熟度。
在上述实施例的基础上，本发明实施例提供的草莓成熟度快速识别方法，在获取草莓在绿光下的第一平均吸光度以及在红光下的第二平均吸光度前，还包括：
采用反射全部可见光的背景板，经绿光滤光片拍摄获取待识别草莓在绿光下的第一图像，经红光滤光片拍摄获取待识别草莓在红光下的第二图像。即待识别草莓放置在反射全部可见光背景板上，也就是说明该背景板反射白光，经绿光滤光片拍摄获取第一图像，经红光滤光片拍摄获取第二图像，其中作为上述背景板的物体可以为白纸或白板等能够反射全部可见光，可以用于上述实验即可。拍摄器材可以为智能手机，相机等能够拍摄图像的器材即可，例如在获取第一图像时，可将白纸作为背景，利用智能手机，调节拍照模式为普通模式，拍摄时草莓所在环境的光照强度设置为200Lx～300Lx，以自然光或白炽灯作为光源，在手机拍照镜头前加装绿光滤光片，如此拍摄获得取待识别草莓在绿光下的第一图像，同理，在获取第二图像时，对同一颗草莓，以白纸作为背景，利用同一个智能手机，调节拍照模式为普通模式，拍摄时草莓所在环境的光照强度设置为200Lx～300Lx，以自然光或白炽灯作为光源，即在与上述获取第一图像时，相同的拍摄环境下，在手机拍照镜头前加装红光滤光片，且手机与草莓的垂直距离与获取第一图像时相同。
具体地，上述实施例中的绿光滤光片为535nm窄带带通滤光片，红光滤光片为670nm窄带带通滤光片。即拍摄第一图像用到的绿光滤光片可以为透射波长为535nm绿光的窄带带通滤光片，用于获取绿光下草莓的第一图像，即获取草莓中的花青素图像；拍摄第二图像用到的红光滤光片可以为透射波长为670nm红光的窄带带通滤光片，用于获取红光下草莓的第二图像，即获取草莓中的叶绿色图像。
在上述实施例的基础上，本发明实施例提供的草莓成熟度快速识别方法中的获取草莓绿光下的第一平均吸光度以及红光下的第二平均吸光度，具体为：
根据第一图像中草莓区域各像素点吸光度和各像素点的第一组合面积得到第一平均吸光度，根据第二图像中草莓区域各像素点吸光度和各像素点的第二组合面积得到第二平均吸光度。即通过上述拍摄获取的第一图像和第二图像分别获取用于判断草莓成熟度的第一平均吸光度和第二平均吸光度，其中，第一图像中草莓区域各像素点吸光度之和除以各像素点组合成的第一组合面积，得到第一平均吸光度：
第二图像中草莓区域各像素点吸光度之和除以各像素点组合成的第二组合面积，得到第二平均吸光度：
如此得到第一平均吸光度和第二平均吸光度。
在上述实施例的基础上，本发明实施例提供的草莓成熟度快速识别方法，在根据第一图像中草莓区域各像素点吸光度和各像素点的第一组合面积得到第一平均吸光度，根据第二图像中草莓区域各像素点的吸光度和各像素点的第二组合面积得到第二平均吸光度前，包括：
以第一图像中的背景灰度值作为第一入射光灰度值，草莓区域各像素点灰度值作为第一透射光灰度值，通过第一入射光灰度值和第一透射光灰度值，获得第一图像中草莓区域各像素点吸光度；
以第二图像中的背景灰度值作为第二入射光灰度值，草莓区域各像素点灰度值作为第二透射光灰度值，通过第二入射光灰度值和第二透射光灰度值，获得第二图像中草莓区域各像素点吸光度。即以第一图像中的全反射可见光的背景材料中的背景灰度值作为第一入射光灰度值，草莓区域各像素点灰度值作为第一透射光灰度值，通过吸光度公式，计算得到第一图像中草莓区域各像素点吸光度：
如此通过上述方法，计算得到第一图像中草莓区域各像素点吸光度和第二图像中草莓区域各像素点吸光度，其中，第一图像和第二图像中的背景灰度值以及草莓区域各像素点灰度值可通过能够获取图像中灰度值的手机软件获取，且通过上述灰度值获取得到的草莓图像各像素点吸光度可用来表征草莓图像各像素点对应的草莓实际位置的草莓吸光度。
在上述实施例的基础上，本发明实施例提供的草莓成熟度快速识别方法，各图像中用于计算第一平均吸光度和第二平均吸光度的草莓区域为草莓区域中最大直径圆区域。即在各图像中草莓区域内，找到最大直径圆草莓区域，获取该最大直径圆草莓区域中的各像素点吸光度，然后通过该最大直径圆草莓区域中的各像素点吸光度之和除以该圆的面积，得到对应的第一平均吸光度和第二平均吸光度，其中，该圆直径可以为150个像素点，即上述实施例中用于计算第一平均吸光度时用到的第一组合面积S1为以150个像素点为半径的圆面积。
同理，用于计算第二平均吸光度时用到的第二组合面积S2为半径为150个像素点的圆面积。如此通过最大直径圆草莓区域各像素点吸光度来获取平均吸光度，使得获取的平均吸光度更加准确、有效。
在上述实施例的基础上，本发明实施例提供的草莓成熟度快速识别方法中的成熟度指标具体为：
C＝3.247+(-3.66)*i1+0.685*i2+0.921*i3+0.419*i4+(-0.452)*i5，其中：
C为草莓成熟度指标，i1为第一平均吸光度，i2为第二平均吸光度，i3为第一平均吸光度的平方，i4为第二平均吸光度的平方，i5为第一平均吸光度与第二平均吸光度的乘积。即通过第一平均吸光度、第二平均吸光度以及成熟度指标计算模型，计算得到成熟度指标C，该成熟度指标计算模型是以大量的草莓成熟度实验和计算结果为样本，训练得到反映第一平均吸光度、第二平均吸光度和草莓成熟度指标关系的草莓成熟度指标计算模型。
在上述实施例的基础上，本发明实施例提供的草莓成熟度快速识别方法中的对草莓成长阶段中的成熟度按成熟度指标进行分级，具体包括：
当草莓成熟度指标大于等于0小于1.5时，草莓成熟；
当草莓成熟度指标大于等于1.5小于2.5时，草莓接近成熟；
当草莓成熟度指标大于2.5时，草莓未成熟。即对通过上述实施例得到的草莓成熟度指标按照草莓成长阶段真实的成熟情况，分为3个级别，分别为草莓成熟、草莓接近成熟和草莓未成熟。通过获取的草莓成熟度指标与上述分级类型相对比，即可得出该草莓的生长状况是成熟、接近成熟还是未成熟。例如如果通过上述实施例得到的草莓成熟度指标C为1.0，则该草莓成熟；如果草莓成熟度指标C为3.0，则该草莓未成熟，其中该成熟度指标的具体分级，也是根据上述实施例中以大量的草莓成熟度实验以及计算结果为样本，进行草莓成熟度分析获得，即通过大量的草莓成熟度指标以及对应的草莓成熟程度，进行分类、对比等来确定、获得上述成熟度指标的具体分级。
本发明实施例还提供了一种草莓成熟度快速识别装置，图2为本发明实施例提供的草莓成熟度快速识别装置结构示意图，如图2所示，该装置包括获取模块21和判断模块22，其中，获取模块21用于获取草莓在绿光下的第一平均吸光度以及在红光下的第二平均吸光度；判断模块22用于通过第一平均吸光度、第二平均吸光度以及已训练的成熟度指标衡量模型，得到草莓的成熟度。
具体地，上述本发明实施例提供的草莓成熟度快速识别装置具体包括获取模块21和判断模块22，首先获取模块21获取待识别的草莓在绿光下的第一平均吸光度，该第一平均吸光度为草莓对绿光的平均吸光度，其中该绿光波长范围为530nm～540nm，同时获取该草莓在红光下的第二平均吸光度，该第二平均吸光度为该草莓对红光的平均吸光度，其中该红光波长范围为665nm～675nm，然后判断模块22通过第一平均吸光度、第二平均吸光度和已训练的用于判断草莓成熟度的成熟度指标衡量模型，判断得到草莓的成熟度，其中该成熟度指标衡量模型是通过大量草莓成熟度的分析、计算、训练得到的能够反映草莓在上述绿光和红光下的平均吸光度与草莓成熟度对应关系的成熟度指标衡量模型，通过上述第一平均吸光度和第二平均吸光度得到草莓成熟度指标，通过草莓成熟度指标结合该成熟度指标衡量模型，综合分析得到该草莓成熟度。
本发明实施例提供的草莓成熟度快速识别装置通过第一平均吸光度、第二平均吸光度以及已训练得到的成熟度指标衡量模型相结合，得到草莓成熟度指标，通过草莓成熟度指标判断得出草莓成熟度，识别方法简单、使用方便、成本低廉，适于向果农推广。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种草莓成熟度快速识别方法，其特征在于，包括：
获取草莓在绿光下的第一平均吸光度以及在红光下的第二平均吸光度；
通过所述第一平均吸光度、所述第二平均吸光度以及已训练的成熟度指标衡量模型，得到草莓的成熟度；
其中，所述获取草莓在绿光下的第一平均吸光度以及在红光下的第二平均吸光度前，还包括：
采用反射全部可见光的背景板，经绿光滤光片拍摄获取待识别草莓在所述绿光下的第一图像，经红光滤光片拍摄获取待识别草莓在所述红光下的第二图像；
所述获取草莓绿光下的第一平均吸光度以及红光下的第二平均吸光度，具体为：
根据所述第一图像中草莓区域各像素点吸光度和各像素点的第一组合面积得到所述第一平均吸光度，根据所述第二图像中草莓区域各像素点的吸光度和各像素点的第二组合面积得到所述第二平均吸光度；
其中，所述根据所述第一图像中草莓区域各像素点吸光度和各像素点的第一组合面积得到所述第一平均吸光度，根据所述第二图像中草莓区域各像素点吸光度和各像素点的第二组合面积得到所述第二平均吸光度前，包括：
以所述第一图像中的背景灰度值作为第一入射光灰度值，草莓区域各像素点灰度值作为第一透射光灰度值，通过所述第一入射光灰度值和所述第一透射光灰度值，获得所述第一图像中草莓区域各像素点吸光度；
以所述第二图像中的背景灰度值作为第二入射光灰度值，草莓区域各像素点灰度值作为第二透射光灰度值，通过所述第二入射光灰度值和所述第二透射光灰度值，获得所述第二图像中草莓区域各像素点吸光度。
2.根据权利要求1所述的草莓成熟度快速识别方法，其特征在于，在所述获取草莓在绿光下的第一平均吸光度以及红光下的第二平均吸光度前，包括：
对草莓成长阶段中的所述成熟度按成熟度指标进行分级，并获取草莓在各级所述成熟度指标下的所述第一平均吸光度和所述第二平均吸光度；
以所述成熟度指标以及对应的所述第一平均吸光度和所述第二平均吸光度作为样本进行训练，得到所述成熟度指标衡量模型。
3.根据权利要求1所述的草莓成熟度快速识别方法，其特征在于，所述草莓区域为所述草莓区域中最大直径圆区域。
4.根据权利要求2所述的草莓成熟度快速识别方法，其特征在于，所述成熟度指标具体为：
C＝3.247+(-3.66)*i1+0.685*i2+0.921*i3+0.419*i4+(-0.452)*i5，其中：
C为所述草莓成熟度指标，i1为所述第一平均吸光度，i2为所述第二平均吸光度，i3为所述第一平均吸光度的平方，i4为所述第二平均吸光度的平方，i5为所述第一平均吸光度与所述第二平均吸光度的乘积。
5.根据权利要求4所述的草莓成熟度快速识别方法，其特征在于，所述对草莓成长阶段中的所述成熟度按成熟度指标进行分级，具体包括：
当所述草莓成熟度指标大于等于0小于1.5时，草莓成熟；
当所述草莓成熟度指标大于等于1.5小于2.5时，草莓接近成熟；
当所述草莓成熟度指标大于2.5时，草莓未成熟。
6.根据权利要求1所述的草莓成熟度快速识别方法，其特征在于，所述绿光滤光片为535nm带通滤光片，所述红光滤光片为670nm带通滤光片。
7.一种草莓成熟度快速识别装置，用于执行权利要求1-6任一所述的草莓成熟度快速识别方法，其特征在于，包括：
获取模块，用于获取草莓在绿光下的第一平均吸光度以及在红光下的第二平均吸光度；
判断模块，用于通过所述第一平均吸光度、所述第二平均吸光度以及已训练的成熟度指标衡量模型，得到草莓的成熟度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810760046.1A CN109100311B (zh) | 2018-07-11 | 2018-07-11 | 草莓成熟度快速识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810760046.1A CN109100311B (zh) | 2018-07-11 | 2018-07-11 | 草莓成熟度快速识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109100311A CN109100311A (zh) | 2018-12-28 |
| CN109100311B true CN109100311B (zh) | 2020-07-28 |
Family
ID=64846046
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810760046.1A Active CN109100311B (zh) | 2018-07-11 | 2018-07-11 | 草莓成熟度快速识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109100311B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113984657A (zh) * | 2021-09-26 | 2022-01-28 | 淮阴工学院 | 基于光谱技术的便携式苹果糖度仪及苹果糖度测量方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07128226A (ja) * | 1993-10-29 | 1995-05-19 | Hitachi Ltd | バナナ果実熟成検査装置 |
| JPH10160670A (ja) * | 1996-12-02 | 1998-06-19 | Sumitomo Metal Mining Co Ltd | 青果物の非破壊食味特性測定方法 |
| CN102735621A (zh) * | 2011-04-13 | 2012-10-17 | 广东工业大学 | 一种基于颜色传感器的水果成熟度检测方法 |
| CN102818777A (zh) * | 2012-08-24 | 2012-12-12 | 北京农业智能装备技术研究中心 | 一种基于光谱和颜色测量的水果成熟度评价方法 |
| CN103616346A (zh) * | 2013-11-22 | 2014-03-05 | 江苏科技大学 | 丰水梨品质快速检测方法 |
| CN106092678A (zh) * | 2016-06-01 | 2016-11-09 | 四川农业大学 | 一种脱落酸促进草莓果实成熟和品质的处理方法 |
| CN106932361A (zh) * | 2017-03-21 | 2017-07-07 | 江苏省农业科学院 | 桃果实成熟度预测模型的建立方法 |
-
2018
- 2018-07-11 CN CN201810760046.1A patent/CN109100311B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07128226A (ja) * | 1993-10-29 | 1995-05-19 | Hitachi Ltd | バナナ果実熟成検査装置 |
| JPH10160670A (ja) * | 1996-12-02 | 1998-06-19 | Sumitomo Metal Mining Co Ltd | 青果物の非破壊食味特性測定方法 |
| CN102735621A (zh) * | 2011-04-13 | 2012-10-17 | 广东工业大学 | 一种基于颜色传感器的水果成熟度检测方法 |
| CN102818777A (zh) * | 2012-08-24 | 2012-12-12 | 北京农业智能装备技术研究中心 | 一种基于光谱和颜色测量的水果成熟度评价方法 |
| CN103616346A (zh) * | 2013-11-22 | 2014-03-05 | 江苏科技大学 | 丰水梨品质快速检测方法 |
| CN106092678A (zh) * | 2016-06-01 | 2016-11-09 | 四川农业大学 | 一种脱落酸促进草莓果实成熟和品质的处理方法 |
| CN106932361A (zh) * | 2017-03-21 | 2017-07-07 | 江苏省农业科学院 | 桃果实成熟度预测模型的建立方法 |
Non-Patent Citations (1)
| Title |
|---|
| "基于计算机视觉的草莓等级判别研究";苟爽 等;《安徽农业科学》;20151231;第43卷(第21期);第372页第2.2节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109100311A (zh) | 2018-12-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cubero et al. | A new method for pedicel/peduncle detection and size assessment of grapevine berries and other fruits by image analysis | |
| Stajnko et al. | Modelling apple fruit yield using image analysis for fruit colour, shape and texture | |
| Nuske et al. | Yield estimation in vineyards by visual grape detection | |
| CN105021529B (zh) | 融合光谱和图像信息的作物病虫害识别和区分方法 | |
| US20200150051A1 (en) | Method for identifying frostbite condition of grain seeds using spectral feature wavebands of seed embryo hyperspectral images | |
| Sahu et al. | Identification and classification of mango fruits using image processing | |
| CN109100323B (zh) | 一种苹果水心病的透射光谱无损定量评价方法 | |
| CN103034838A (zh) | 一种基于图像特征的特种车辆仪表类型识别与标定方法 | |
| KR101822410B1 (ko) | 작물 영상을 사용한 작물 생육 진단 장치 | |
| CN111199192A (zh) | 一种采用平行线取样的田间红提葡萄整体成熟度检测方法 | |
| CN110781889A (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 | |
| CN105004722A (zh) | 一种烟叶成熟度快速检测方法 | |
| CN110243805A (zh) | 基于拉曼高光谱成像技术的鱼刺检测方法 | |
| Tardáguila et al. | Applications of computer vision techniques in viticulture to assess canopy features, cluster morphology and berry size | |
| CN111060455B (zh) | 面向东北冷凉区的遥感图像作物标记方法和装置 | |
| CN201041553Y (zh) | 基于多光谱成像技术的水果品质无损检测系统 | |
| CN109100311B (zh) | 草莓成熟度快速识别方法及装置 | |
| CN109738438B (zh) | 一种小麦叶片衰老程度快速测量方法 | |
| Islam et al. | A ground-based platform for reliable estimates of fruit number, size, and color in stone fruit orchards | |
| CN109946246A (zh) | 一种苹果可溶性固形物的检测方法及装置 | |
| CN108535250A (zh) | 基于Streif指数的‘富士’苹果成熟度无损检测方法 | |
| Li et al. | Development of a real-time fruit recognition system for pineapple harvesting robots | |
| Puchalski et al. | Image analysis for apple defect detection | |
| Xing et al. | Application of computer vision technology in agricultural products and food inspection | |
| CN110118735A (zh) | 一种检测香梨公母的高光谱成像检测方法及装置 |
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 |