CN109115708A - 一种苹果内部多品质一体化无损检测系统及方法 - Google Patents
一种苹果内部多品质一体化无损检测系统及方法 Download PDFInfo
- Publication number
- CN109115708A CN109115708A CN201811145053.7A CN201811145053A CN109115708A CN 109115708 A CN109115708 A CN 109115708A CN 201811145053 A CN201811145053 A CN 201811145053A CN 109115708 A CN109115708 A CN 109115708A
- Authority
- CN
- China
- Prior art keywords
- apple
- quality
- internal
- module
- light source
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 81
- 230000010354 integration Effects 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title abstract description 8
- 230000003595 spectral effect Effects 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 238000012937 correction Methods 0.000 claims abstract description 10
- 230000002452 interceptive effect Effects 0.000 claims abstract description 8
- 239000002253 acid Substances 0.000 claims description 27
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 239000003990 capacitor Substances 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000003556 assay Methods 0.000 claims description 3
- 239000011324 bead Substances 0.000 claims description 3
- 235000009508 confectionery Nutrition 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000005622 photoelectricity Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 241001122767 Theaceae Species 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 7
- 239000000463 material Substances 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 abstract description 4
- 241000220225 Malus Species 0.000 description 64
- 235000013399 edible fruits Nutrition 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 244000269722 Thea sinensis Species 0.000 description 2
- 235000021016 apples Nutrition 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012372 quality testing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000985 reflectance spectrum Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
- -1 tungsten halogen Chemical class 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G01N21/35—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
Abstract
本发明属于助于测定材料的化学或物理性质来测试或分析材料技术领域,公开了一种苹果内部多品质一体化无损检测系统及方法、判别模型;LED光源模块,用于实现LED光源发出稳定定量的光,照射进苹果内部,经过漫反射到达光电二极管;光谱检测模块,用于获取到实际有效的电压值;用户交互模块,用于进行白板矫正和检测类型的选择;显示苹果的内部品质指标以及用户建议;显示设备的使用说明以及口感评价标准;核心处理器模块,用于接受光谱检测模块得到的十个波段的电压值,根据电压计算出对应的光强值,结合判别模型,给出苹果的内部品质信息,并给综合口感评价结果。本发明具有无损、速度快、效率高、成本低、重复性好、无需进行样品预处理。
Description
技术领域
本发明属于助于测定材料的化学或物理性质来测试或分析材料技术领域,尤其涉及一种苹果内部多品质一体化无损检测系统及方法、处理器。
背景技术
目前,业内常用的现有技术是这样的:中国是世界上主要的苹果生产国之一,苹果产量约占世界总产量的55%,其中2016年我国苹果产量在4388.23万吨,但鲜苹果出口量仅为132.2万吨。从苹果出口率来看,出口量仅占总产量的3.01%,与法国、智利等苹果出口率近50%的国家相比,我国苹果的出口率明显较低。出口率较低的原因一方面是其他国家有较高的质量检疫标准,另一方面则是由于自身品质良莠参差,未能实现根据果实的内在品质等参数进行品质分级,无法满足国外高端市场对果品品质的要求。与此同时,随着人们生活水平的不断提高,国内外消费者对苹果的品质有了更高的要求,苹果的消费已经从“数量型”转向“质量型”,这使得优质高品质的苹果不仅销路好、经济效益高,国际竞争力也强。经过市场调查和查阅相关文献,了解到与苹果品质密切相关的三个指标为苹果糖度值,酸度值,硬度值,因此,苹果的品质检测(糖度、酸度、硬度)已成为当下苹果产业发亟待解决的重大问题。目前针对苹果品质检测的设备一般为单一指标,多为有损检测。其技术主要有:生物阻抗性、折光特性,机器视觉、高光谱等原理,其中生物阻抗性设计的输入参数较多,折光特性检测需要将其榨汁后检测,为有损检测,只能用于抽检。机器视觉检测分析耗时、复杂,并且检测精度受颜色影响较大,高光谱检测设备较大,对检测环境要求高,系统成本高。光特性多应用全波段建模,含有较多的冗余信息,系统成本高。
综上所述,现有技术存在的问题是:
(1)生物阻抗性设计的输入参数较多,折光特性检测需要将其榨汁后检测,为有损检测,只能用于抽检。
(2)机器视觉检测分析耗时、复杂,并且检测精度受颜色影响较大,高光谱检测设备较大,对检测环境要求高,系统成本高。
(3)光特性多应用全波段建模,含有较多的冗余信息,系统成本高,实验室阶段,不适合推广。
为解决以上问题:需要优化设计光路;设计实验方案,提取与糖度、酸度、硬度最相关的十个特征波段;融合机器学习算法进行建模。基于优化的光路、利用窄带光源的光电传感器的方式,最后融合机器学习模型,在保证较好的精度的同时,大大降低了成本,具有快速,无损,高效的特点。
发明内容
针对现有技术存在的问题,本发明提供了一种苹果内部多品质一体化无损检测系统及方法。
本发明是这样实现的,一种苹果内部多品质一体化无损检测系统,所述苹果内部多品质一体化无损检测系统包括:
LED光源模块,用于实现LED光源发出稳定定量的光,照射进苹果内部,经过漫反射到达光电二极管;
光谱检测模块,用于获取到实际有效的电压值;
用户交互模块,用于进行白板矫正和检测类型的选择;显示苹果的内部品质指标以及用户建议;显示设备的使用说明以及口感评价标准;
核心处理器模块,用于接受ADS1115光谱采样模块得到的十个波段的电压值,根据电压值利用权利要求6里面的推导公式计算出对应的光强值,利用提前移植好的光强值与苹果内部信息的关联性模型,结合权利要求7中的内部品质信息判别模型,给出苹果的内部品质信息,由获得的内部品质基本信息,再结合权利要求7中的口感模型,给出综合口感评价结果。
进一步,所述LED光源模块,光源采用半波带宽为20nm,中心波长分别为420nm、480nm、550nm、590nm、660nm、690nm、700nm、940nm、980nm、 1045nm的窄带LED光源,采用输出电流可调的BP1361恒流驱动芯片。
进一步,所述光谱检测模块在电压输入端采用电阻R2和电容C4组成的RC 低通滤波器,消除电源带来的高频噪声;采用运放芯片OP07将采样电阻R3端的电压V0进行放大,在输出电压Vout端接滤波电容C3,获取到实际有效的电压值。
进一步,所述用户交互模块包括:
主界面单元,用于显示设备的主界面;
初始化界面模块,用于设置用户初始化界面,进行白板矫正和检测类型的选择;
检测与分析界面模块,用于显示苹果的内部品质指标以及用户建议;
实时数据界面模块,用于显示十个波段的光强值;
帮助文档界面模块,用于显示设备的使用说明以及口感评价标准。
本发明的另一目的在于提供一种运行所述苹果内部多品质一体化无损检测系统的苹果内部多品质一体化无损检测方法,所述苹果内部多品质一体化无损检测方法包括以下步骤:
步骤一,进行白板矫正和检测类型的选择;
步骤二,LED光源发出稳定定量的光,照射进苹果内部,经过漫反射到达光电二极管;
步骤三,获取到实际有效的电压值;
步骤四,接受光谱检测得到的十个波段的电压值,根据电压计算出对应的光强值,结合内部品质信息判别模型,给出苹果的内部品质信息,由获得的内部品质基本信息,再结合口感模型,给出综合口感评价结果。
进一步,所述苹果内部多品质一体化无损检测方法的光电二极管的特性是:V=P×β×R其中V为采样电阻两端电压,单位为V;P为单位波长的光强度值,单位为W;R为采样电阻值,单位为Ω;β为光电二极管的感光系数,单位为A/W;
光源的波段范围为420-1050nm,其中420-940为线性关系,公式为:β=0.41(λ-400)/540+0.2;
980-1050为另一个线性关系,公式为:β=0.255(λ-990)/60+0.65;其中,公式为:λ为波长;
V=P×R×β;
计算出光源的总强度:
进一步,所述苹果内部多品质一体化无损检测方法的光电转换电压差值为 V,单位为mv,Vλ为依次点亮各波段光源获得的对应转换电压值Vn与未点亮光源之前获得的转化电压值V0,Vλ=Vn-V0;
YSSC为糖度值,单位为,Brix、Yacid酸度值,单位为mg/g、Yacid硬度值,单位为N/cm2。V420、V480、V550、V580、V640、V690、V700、V940、V980、V1045依次为波段420nm、480nm、 550nm、590nm、660nm、690nm、700nm、940nm、980nm、1045nm灯珠的光强值所对应的电压值;
获得的电压值与对应的苹果糖度、酸度、硬度值,利用多元线性回归模型进行建模,判别模型为:
YSSC=13.793-0.01719V420-0.03557V480-0.00028V550-0.00048V580-0.00032V640 -0.00691V690-0.00147V700-0.00225V940-0.00655V980-0.01053V1045
Yacid=0.10805-0.00811V420+0.06370V480+0.00099V550+0.00015V590-0.00007V660+0.00017V690-0.00008V700+0.00019V940-0.00017V980+0.00006V1045
基于以上模型得到苹果的糖度、酸度、硬度值,进而利用口感评价模型进行分级,判别模型为:
0<糖酸比<20,为不佳、20<糖酸比<30,为偏酸、30<糖酸比<50,为优良、糖酸比>50为趋甜,糖酸比单位为。Brix.g/mg;0<硬度<5,为偏软、5<硬度<12,为适中、12>硬度,为偏硬,硬度单位为N/cm2。
本发明的另一目的在于提供一种实现所述苹果内部多品质一体化无损检测方法的计算机程序。
本发明的另一目的在于提供一种实现所述苹果内部多品质一体化无损检测方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的苹果内部多品质一体化无损检测方法。
本发明的另一目的在于提供一种将信息存储在二维码中,可实现用户实时查看的功能。
综上所述,本发明的优点及积极效果为:基于优化的光路设计如图6所示,利用窄带LED加光电二极管的方式,内嵌机器学习模型和口感评价模型,该技术具有无损、速度快、效率高、成本低、重复性好、无需进行样品预处理、体积小便携、适合现场检测和在线分析等独特优势,不仅可以检测苹果的内部信息,而且可以给出苹果的口感评价信息,方便消费者购买。目前也没有利用该技术的相关应用。
附图说明
图1是本发明实施例提供的苹果内部多品质一体化无损检测系统结构示意图;
图中:1、LED光源模块;2、光谱检测模块;3、用户交互模块;4、核心处理器模块。
图2是本发明实施例提供的苹果内部多品质一体化无损检测方法流程图。
图3是本发明实施例提供的苹果内部多品质一体化无损检测系统原理示意图。
图4是本发明实施例提供的苹果内部多品质一体化无损检测方法实现流程图。
图5是本发明实施例提供的不同苹果的光谱图像曲线示意图。
图6是本发明实施例提供的反射光路结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对生物阻抗性设计的输入参数较多,折光特性检测需要将其榨汁后检测,为有损检测,只能用于抽检;机器视觉检测分析耗时、复杂;生光特性多应用全波段建模,含有较多的冗余信息,系统成本高。本发明可实现快速自动检测苹果的内部品质(糖度、酸度、硬度),并给出苹果的口感评价信息。具有超低的成本,操作简单,检测速度快,运行可靠等特点,适合推广应用。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的苹果内部多品质一体化无损检测系统包括:
LED光源模块1,用于实现LED光源发出稳定定量的光,照射进苹果内部,经过漫反射到达光电二极管。
光谱检测模块2,用于获取到实际有效的电压值。
用户交互模块3,用于进行白板矫正和检测类型的选择;显示苹果的内部品质指标以及用户建议;显示设备的使用说明以及口感评价标准。
核心处理器模块4,用于接受光谱检测模块2得到的十个波段的电压值,根据电压计算出对应的光强值,结合内部品质信息判别模型,给出苹果的内部品质信息,由获得的内部品质基本信息,再结合口感模型,给出综合口感评价结果。
在本发明的优选实施例中,LED光源模块1,光源采用半波带宽为20nm,中心波长分别为420nm、480nm、550nm、590nm、660nm、690nm、700nm、940nm、 980nm、1045nm的窄带LED光源,采用输出电流可调的BP1361恒流驱动芯片,工作时,BP1361和电感、电流采样电阻形成一个自振荡的连续电感电流模式的降压型恒流LED控制器,恒流控制器与处理器连接,通过输出不同占空比(频率为1000Hz)的PWM信号调光驱动芯片的输出电流,从而实现LED光源发出稳定定量的光,照射进苹果内部,经过漫反射到达光电二极管。
在本发明的优选实施例中,光谱检测模块2,采用美国HDORLABS公司的 FDS10*10型光电二极管,光电转化电路如图3所示。首先在电压输入端采用电阻R2和电容C4组成的RC低通滤波器,消除电源带来的高频噪声,其次采用运放芯片OP07将采样电阻R3端的电压V0进行放大,而在输出电压Vout端接滤波电容C3,最终获取到实际有效的电压值。
在本发明的优选实施例中,用户交互模块3,设备的主界面,主要是设备的欢迎界面;用户初始化设置界面,主要是进行白板矫正和检测类型的选择;检测与分析界面,主要显示苹果的内部品质指标以及用户建议。实时数据界面,主要显示十个波段的光强值;帮助文档界面,主要显示设备的使用说明以及口感评价标准。
在本发明的优选实施例中,核心处理器模块4,以英国生产的Raspberry Pi 3b+为核心处理器,接受光谱检测模块得到的十个波段的电压值,根据电压计算出对应的光强值,结合判别模型,给出苹果的内部品质信息,由获得的内部品质基本信息,再结合口感模型,给出综合口感评价结果。
如图2所示,本发明实施例提供的苹果内部多品质一体化无损检测方法包括以下步骤:
S201:进行白板矫正和检测类型的选择;
S202:LED光源发出稳定定量的光,照射进苹果内部,经过优化的漫反射光路到达光电二极管;
S203:处理器获取到实际有效的电压值,根据电压计算出对应的光强值;
S204:根据光强值,结合内部品质信息判别模型,给出苹果的内部品质信息,由获得的内部品质基本信息,再结合口感模型,给出综合口感评价结果。
在本发明的优选实施例中,光电二极管的特性是:V=P×β×R其中V为采样电阻两端电压,单位为V;P为单位波长的光强度值,单位为W;R为采样电阻值,单位为Ω;β为光电二极管的感光系数,单位为A/W。
光源的波段范围为420-1050nm,其中420-940nm为线性关系,公式为:β=0.41(λ-400)/540+0.2;
980-1050nm为另一个线性关系,公式为:β=0.255(λ-990)/60+0.65;其中,公式为:λ为波长;
因此,V=P×R×β;
由此可以计算出光源的总强度:
本发明基于可见/近红外光谱的果品品质检测原理主要是近红外区域光谱照射至水果后在其内部发生不同程度的吸收、散射、透射与折射,水果内有机物分子对可见/近红外光光谱各个波长具有不同的吸收率,在光谱图像中表现为波峰与波谷,光谱图像中便携带了水果内部信息,进而通过研究光谱图像,即可从中提取出这些信息,光电转换电压差值为V,单位为mv,Vλ为依次点亮各波段光源获得的对应转换电压值Vn与未点亮光源之前获得的转化电压值V0,即 Vλ=Vn-V0;
YSSC为糖度值,单位为。Brix、Yacid酸度值,单位为mg/g、Yacid硬度值,单位为N/cm2。V420、V480、V550、V580、V640、V690、V700、V940、V980、V1045依次为波段420nm、480nm、 550nm、590nm、660nm、690nm、700nm、940nm、980nm、1045nm灯珠的光强值所对应的电压值。
进而将所获得的电压值与对应的苹果糖度、酸度、硬度值,利用多元线性回归模型进行建模,判别模型为:
YSSC=13.793-0.01719V420-0.03557V480-0.00028V550-0.00048V580-0.00032V640 -0.00691V690-0.00147V700-0.00225V940-0.00655V980-0.01053V1045
Yacid=0.10805-0.00811V420+0.06370V480+0.00099V550+0.00015V590-0.00007V660+0.00017V690-0.00008V700+0.00019V940-0.00017V980+0.00006V1045
基于以上模型得到苹果的糖度、酸度、硬度值,进而利用口感评价模型进行分级,判别模型为:
0<糖酸比<20,为不佳、20<糖酸比<30,为偏酸、30<糖酸比<50,为优良、糖酸比>50为趋甜,糖酸比单位为。Brix.g/mg;0<硬度<5,为偏软、5<硬度<12,为适中、12>硬度,为偏硬,硬度单位为N/cm2。
本发明可将用户交互模块、LED光源模块、光谱检测模块等集成于一体,二维码打印模块为方便打印通过线外置连接。
本发明基于可见/近红外光谱的果品品质检测原理主要是近红外区域光谱照射至水果后在其内部发生不同程度的吸收、散射、透射与折射,水果内有机物分子对可见/近红外光光谱各个波长具有不同的吸收率,从而在光谱图像中表现为波峰与波谷,因此光谱图像中便携带了水果内部信息,进而通过研究光谱图像,即可从中提取出这些信息,试验采用光谱信息采集软件采用配套的 SpectraSuite软件,光源采用HL-2000卤钨灯与海洋光学光谱仪USB2000+构建了苹果内部品质信息漫反射平台,利用该平台对500个苹果样本进行漫反射光谱采集,不同苹果的光谱图像曲线如图5所示。
分析图5可知,在光谱仪可响应的波段范围内,对苹果的内部品质(糖度、酸度、硬度)采用多种特征波段提取方法,最终优选出了与苹果这三个指标最相关的十个特征波段,依次为:420nm、480nm、550nm、590nm、660nm、690nm、 700nm、940nm、980nm、1045nm。不同糖度、酸度和硬度对这些波段的吸收反射情况不一样。因此依据上述原理,已知十个波段光谱反射值结合机器学习模型可得出苹果的内部品质(糖度、酸度、硬度)。进而给出综合口感评价。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种苹果内部多品质一体化无损检测系统,其特征在于,所述苹果内部多品质一体化无损检测系统包括:
LED光源模块,用于实现LED光源发出稳定定量的光,照射进苹果内部,经过漫反射到达光电二极管;
光谱检测模块,用于获取到实际有效的电压值;
用户交互模块,用于进行白板矫正和检测类型的选择;显示苹果的内部品质指标以及用户建议;显示设备的使用说明以及口感评价标准;
核心处理器模块,用于接受光谱检测模块得到的十个波段的电压值,根据电压计算出对应的光强值,结合内部品质判别模型,给出苹果的内部品质信息,结合口感模型,给出综合口感评价结果。
2.如权利要求1所述的苹果内部多品质一体化无损检测系统,其特征在于,所述LED光源模块,光源采用半波带宽为20nm,中心波长分别为420nm、480nm、550nm、590nm、660nm、690nm、700nm、940nm、980nm、1045nm的窄带LED光源,采用输出电流可调的BP1361恒流驱动芯片。
3.如权利要求1所述的苹果内部多品质一体化无损检测系统,其特征在于,所述光谱检测模块在电压输入端采用电阻R2和电容C4组成的RC低通滤波器,消除电源带来的高频噪声;采用运放芯片OP07将采样电阻R3端的电压V0进行放大,在输出电压Vout端接滤波电容C3,获取到实际有效的电压值。
4.如权利要求1所述的苹果内部多品质一体化无损检测系统,其特征在于,所述用户交互模块包括:
主界面模块,用于显示设备的主界面;
初始化界面模块,用于用户进行白板矫正和检测类型的选择;
检测与分析界面模块,用于显示苹果的内部品质指标以及用户建议;
实时数据界面模块,用于显示十个波段的光强值;
帮助文档界面模块,用于显示设备的使用说明以及口感评价标准。
5.一种运行权利要求1所述苹果内部多品质一体化无损检测系统的苹果内部多品质一体化无损检测方法,其特征在于,所述苹果内部多品质一体化无损检测方法包括以下步骤:
步骤一,进行白板矫正和检测类型的选择;
步骤二,LED光源发出稳定定量的光,照射进苹果内部,经过漫反射到达光电二极管;
步骤三,获取到实际有效的电压值;
步骤四,接受光谱检测得到的十个波段的电压值,根据电压计算出对应的光强值,结合内部品质信息判别模型,给出苹果的内部品质信息,由获得的内部品质基本信息,再结合口感模型,给出综合口感评价结果。
6.如权利要求5所述的苹果内部多品质一体化无损检测方法,其特征在于,所述苹果内部多品质一体化无损检测方法的光电二极管的特性是:V=P×β×R其中V为采样电阻两端电压,单位为V;P为单位波长的光强度值,单位为W;R为采样电阻值,单位为Ω;β为光电二极管的感光系数,单位为A/W;
光源的波段范围为420-1050nm,其中420-940为线性关系,公式为:β=0.41(λ-400)/540+0.2;
980-1050为另一个线性关系,公式为:β=0.255(λ-990)/60+0.65;其中,公式为:λ为波长;
V=P×R×β;
计算出光源的总强度:
7.如权利要求5所述的苹果内部多品质一体化无损检测方法,其特征在于,所述苹果内部多品质一体化无损检测方法的光电转换电压差值为V,单位为mv,Vλ为依次点亮各波段光源获得的对应转换电压值Vn与未点亮光源之前获得的转化电压值V0,Vλ=Vn-V0;
YSSC为糖度值,单位为,Brix、Yacid酸度值,单位为mg/g、Yacid硬度值,单位为N/cm2;V420、V480、V550、V580、V640、V690、V700、V940、V980、V1045依次为波段420nm、480nm、550nm、590nm、660nm、690nm、700nm、940nm、980nm、1045nm灯珠的光强值所对应的电压值;
获得的电压值与对应的苹果糖度、酸度、硬度值,利用多元线性回归模型进行建模,判别模型为:
YSSC=13.793-0.01719V420-0.03557V480-0.00028V550-0.00048V580-0.00032V640-0.00691V690-0.00147V700-0.00225V940-0.00655V980-0.01053V1045
Yacid=0.10805-0.00811V420+0.06370V480+0.00099V550+0.00015V590-0.00007V660+0.00017V690-0.00008V700+0.00019V940-0.00017V980+0.00006V1045
基于以上模型得到苹果的糖度、酸度、硬度值,进而利用口感评价模型进行分级,判别模型为:
0<糖酸比<20,为不佳、20<糖酸比<30,为偏酸、30<糖酸比<50,为优良、糖酸比>50为趋甜,糖酸比单位为。Brix.g/mg;0<硬度<5,为偏软、5<硬度<12,为适中、12>硬度,为偏硬,硬度单位为N/cm2。
8.一种实现权利要求5~7任意一项所述苹果内部多品质一体化无损检测方法的计算机程序。
9.一种实现权利要求5~7任意一项所述苹果内部多品质一体化无损检测方法的信息数据处理终端。
10.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求5-7任意一项所述的苹果内部多品质一体化无损检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811145053.7A CN109115708A (zh) | 2018-09-29 | 2018-09-29 | 一种苹果内部多品质一体化无损检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811145053.7A CN109115708A (zh) | 2018-09-29 | 2018-09-29 | 一种苹果内部多品质一体化无损检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109115708A true CN109115708A (zh) | 2019-01-01 |
Family
ID=64857425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811145053.7A Pending CN109115708A (zh) | 2018-09-29 | 2018-09-29 | 一种苹果内部多品质一体化无损检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109115708A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109856073A (zh) * | 2019-03-13 | 2019-06-07 | 西北农林科技大学 | 便携式猕猴桃膨大果快速无损检测方法和装置 |
CN110263969A (zh) * | 2019-05-07 | 2019-09-20 | 西北农林科技大学 | 一种货架期苹果品质动态预测系统及预测方法 |
CN112097908A (zh) * | 2020-08-11 | 2020-12-18 | 中国农业大学 | 一种与智能手机匹配的水果内部品质检测传感器及其方法 |
CN113655017A (zh) * | 2021-06-30 | 2021-11-16 | 浙江大学 | 一种智能手机连用的无损糖度检测装置及其检测方法 |
EP4070076A4 (en) * | 2019-12-04 | 2024-01-17 | Profileprint Pte Ltd | SYSTEM AND METHOD FOR NON-DESTRUCTIVE RAPID FOOD PROFILING USING ARTIFICIAL INTELLIGENCE |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08201290A (ja) * | 1995-01-24 | 1996-08-09 | Kishimoto Akira | 林檎の内部品質検査方法及びその装置 |
KR20030062859A (ko) * | 2002-01-21 | 2003-07-28 | 한국식품개발연구원 | 휴대식 비파괴 과실품질 측정계 |
JP2003329582A (ja) * | 2002-05-15 | 2003-11-19 | Tokan Kogyo Co Ltd | リンゴの内部品質検査方法 |
CN101625314A (zh) * | 2009-07-29 | 2010-01-13 | 北京航空航天大学 | 一种高等植物生化参数非接触监测装置 |
CN101696935A (zh) * | 2009-10-27 | 2010-04-21 | 中国农业大学 | 基于高光谱空间散射曲线的苹果硬度无损检测方法 |
KR20110111970A (ko) * | 2010-04-06 | 2011-10-12 | (주)해아림 | 과일당도측정 집적광센서 및 측정방법 |
CN104931439A (zh) * | 2015-06-05 | 2015-09-23 | 西北农林科技大学 | 苹果霉心病检测仪 |
CN105866050A (zh) * | 2016-05-24 | 2016-08-17 | 西北农林科技大学 | 一种低成本苹果霉心病无损快速检测设备 |
CN205762405U (zh) * | 2016-05-24 | 2016-12-07 | 西北农林科技大学 | 用于在线无损检测苹果霉心病设备的分选装置 |
CN208999301U (zh) * | 2018-09-29 | 2019-06-18 | 西北农林科技大学 | 一种苹果内部多品质一体化无损检测装置 |
-
2018
- 2018-09-29 CN CN201811145053.7A patent/CN109115708A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08201290A (ja) * | 1995-01-24 | 1996-08-09 | Kishimoto Akira | 林檎の内部品質検査方法及びその装置 |
KR20030062859A (ko) * | 2002-01-21 | 2003-07-28 | 한국식품개발연구원 | 휴대식 비파괴 과실품질 측정계 |
JP2003329582A (ja) * | 2002-05-15 | 2003-11-19 | Tokan Kogyo Co Ltd | リンゴの内部品質検査方法 |
CN101625314A (zh) * | 2009-07-29 | 2010-01-13 | 北京航空航天大学 | 一种高等植物生化参数非接触监测装置 |
CN101696935A (zh) * | 2009-10-27 | 2010-04-21 | 中国农业大学 | 基于高光谱空间散射曲线的苹果硬度无损检测方法 |
KR20110111970A (ko) * | 2010-04-06 | 2011-10-12 | (주)해아림 | 과일당도측정 집적광센서 및 측정방법 |
CN104931439A (zh) * | 2015-06-05 | 2015-09-23 | 西北农林科技大学 | 苹果霉心病检测仪 |
CN105866050A (zh) * | 2016-05-24 | 2016-08-17 | 西北农林科技大学 | 一种低成本苹果霉心病无损快速检测设备 |
CN205762405U (zh) * | 2016-05-24 | 2016-12-07 | 西北农林科技大学 | 用于在线无损检测苹果霉心病设备的分选装置 |
CN208999301U (zh) * | 2018-09-29 | 2019-06-18 | 西北农林科技大学 | 一种苹果内部多品质一体化无损检测装置 |
Non-Patent Citations (2)
Title |
---|
宫元娟;裴军强;李宏博;冯雨龙;宁晓峰;: "便携式苹果品质快速无损检测系统设计", 沈阳农业大学学报, no. 02, 15 April 2017 (2017-04-15) * |
张海辉;陈克涛;苏东;胡瑾;张佐经;: "基于特征光谱的苹果霉心病无损检测设备设计", 农业工程学报, no. 18, 23 September 2016 (2016-09-23) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109856073A (zh) * | 2019-03-13 | 2019-06-07 | 西北农林科技大学 | 便携式猕猴桃膨大果快速无损检测方法和装置 |
CN110263969A (zh) * | 2019-05-07 | 2019-09-20 | 西北农林科技大学 | 一种货架期苹果品质动态预测系统及预测方法 |
EP4070076A4 (en) * | 2019-12-04 | 2024-01-17 | Profileprint Pte Ltd | SYSTEM AND METHOD FOR NON-DESTRUCTIVE RAPID FOOD PROFILING USING ARTIFICIAL INTELLIGENCE |
CN112097908A (zh) * | 2020-08-11 | 2020-12-18 | 中国农业大学 | 一种与智能手机匹配的水果内部品质检测传感器及其方法 |
CN113655017A (zh) * | 2021-06-30 | 2021-11-16 | 浙江大学 | 一种智能手机连用的无损糖度检测装置及其检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109115708A (zh) | 一种苹果内部多品质一体化无损检测系统及方法 | |
Wang et al. | Fruit quality evaluation using spectroscopy technology: a review | |
WO2018044972A1 (en) | A personal liquid analysis system | |
Giovenzana et al. | Wavelength selection with a view to a simplified handheld optical system to estimate grape ripeness | |
CN107449749A (zh) | 水质检测设备及其水质检测系统 | |
CN103281459A (zh) | 一种可测水果甜度和ph值的手机 | |
CN101876630A (zh) | 一种基于led组合光源的便携式水果品质无损检测装置 | |
CN106770067A (zh) | 便携式猕猴桃糖度无损检测装置 | |
CN113607676A (zh) | 基于异形比色皿和近红外图像的牛奶成分快速检测方法 | |
Fatchurrahman et al. | Comparison performance of visible-nir and near-infrared hyperspectral imaging for prediction of nutritional quality of goji berry (Lycium barbarum L.) | |
CN206387724U (zh) | 便携式猕猴桃糖度无损检测装置 | |
Zhang et al. | Nondestructive determination of SSC in an apple by using a portable near-infrared spectroscopy system | |
Wang et al. | Flexible Vis/NIR wireless sensing system for banana monitoring | |
Fauch et al. | Recovery of reflection spectra in a multispectral imaging system with light emitting diodes | |
Huang et al. | Wood quality of Chinese zither panel based on convolutional neural network and near-infrared spectroscopy | |
CN209858408U (zh) | 水质检测设备 | |
CN107356536B (zh) | 葡萄酒品质检测方法、服务器及光谱测量设备 | |
CN106092918A (zh) | 一种微型紫外‑可见/红外无损检测光谱仪 | |
CN206756686U (zh) | 一种外输原油含水监测仪 | |
CN107132197B (zh) | 一种食醋总酸含量的检测方法及装置 | |
Pan et al. | Improvement of the prediction of a visual apple ripeness index under seasonal variation by NIR spectral model correction | |
CN109238973A (zh) | 一种检测苹果可溶性固形物含量和含水量的方法 | |
Zhan et al. | Determination of SSC and TA content of pear by Vis-NIR spectroscopy combined CARS and RF algorithm | |
KR100336603B1 (ko) | 근적외선을 이용한 과일당도 판정방법 및 그 장치 | |
CA3029604A1 (fr) | Sonde a vin |
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 |