CN109827965A - 一种水果表面腐烂自动化识别方式 - Google Patents
一种水果表面腐烂自动化识别方式 Download PDFInfo
- Publication number
- CN109827965A CN109827965A CN201910206079.6A CN201910206079A CN109827965A CN 109827965 A CN109827965 A CN 109827965A CN 201910206079 A CN201910206079 A CN 201910206079A CN 109827965 A CN109827965 A CN 109827965A
- Authority
- CN
- China
- Prior art keywords
- fruit
- image
- sample
- characteristic value
- automatic identification
- 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
Abstract
本发明涉及一种水果表面腐烂自动化识别方式,步骤包括:制作稀有气体光源;用稀有气体产生的色光照射样本水果,已知样本水果的表面腐烂等级程度,获取样本图像后,建立具有表面腐烂程度标签的水果样本图像数据库;采集到的样本图像进行预处理,作为训练数据,提取训练数据的特征值,将特征值导入计算机系统内,作为中心数据库;得到的色光照射待测水果,并收集图像,提取图像中的特征值;由于水果腐烂程度的差异,得到特征值之间的差异,将差异与标签对应,得到待测水果的表面腐烂程度。本发明使用稀有气体通电后的光辐照水果,并结合样本水果和待测水果特征源图像的特征值,判断检测水果表面缺陷程度的方法,实现无损检测。
Description
技术领域
本发明涉及农产品无损检测领域,尤其是涉及一种水果表面腐烂自动化识别方式。
背景技术
水果,是指多汁且主要味觉为甜味和酸味,可食用的植物果实。水果不但含有丰富的营养,而且能够促进消化。研究表明,水果腐烂程度越高,链格孢毒素含量越高,离病斑越远的部分,含量则越低。如果机械损伤和冷害的水果,只要没长时间放置,滋生微生物的话,还是可以吃;而对于霉变腐烂的水果,如果霉变的部分不是很严重,挖去病斑外2cm处,剩余部分还可以食用,如果霉变超过水果三分之一甚至一半以上,就不宜食用了。
水果缺陷石水果自动分级系统中的重要依据之一,种类有碰伤、压伤、擦伤、刺伤、磨伤、裂伤、刨伤、虫咬、腐烂、果锈、日灼和病害等。近年来,国内外学者对水果缺陷检测展开了许多研究,采用了机器视觉、近红外光谱等技术。近红外光谱技术的弊端是不能采集被测对象的空间信息,只能在一个区域中来进行检测,这样可能造成较大的误差。针对水果两种缺陷:外部缺陷和内部缺陷,外部缺陷检测常规方法采用人工目测或是机器视觉的方法,而内部缺陷需要通过光谱数据来进行判断。
申请号为2006100502836的发明专利申请保护了一种基于图像的水果表面检测缺陷检测方法,由编码器、水果输送装置、屏蔽箱、激光投射器、摄像机、图像采集卡、计算机和水果表面缺陷检测软件。水果品质检测软件能够实现激光图像获取、激光图像统计特征计算和水果表面状态推断功能。用水果激光图像的灰度平均值、标准差值和信息熵值推断激光照射表面是正常水果表面还是缺陷表面,从而完成对水果表面状态的检测。该发明的有益效果是:用激光照射水果后,水果正常表面和缺陷表面的激光图像差异明显,从而提高机器视觉的水果表面缺陷的检测能力。人工检测和机器视觉仅仅只能检测外部缺陷,而不能检测内部缺陷如水心病等 ;内部缺陷检测常采用破坏性方法进行抽检,水果一旦被破坏,就失去商业价值,且这种方法并不能保证未抽检到的水果无缺陷。因此,研究快速检测水果缺陷技术的方法和装置是实现水果产后加工处理的一项重要工作。
快速自动化检测水果表面腐烂的难点在于早期真菌感染的水果在霉状物长出前其表皮颜色与正常水果几乎无任何颜色上的差异。因此,采用传统的RGB机器视觉检测方法很难对其有效检测出来。
发明内容
本发明提供了一种水果表面腐烂自动化识别方式,利用稀有气体通电制造光源对水果表面辐照,再收集图像信号,提取图像特征值,然后将这些实测水果收集到的特征参数与已经建立的对比样本相比,可以得到实测水果表面腐烂的等级程度,以实现水果表面腐烂程度的在线监测。
本发明的技术方案:
一种水果表面腐烂自动化识别方式,其特征在于,包括如下步骤:
步骤S1,制作光源,将氖气通入灯管内,通电产生色光;
步骤S2,用步骤S1得到的色光照射样本水果,已知样本水果的表面腐烂等级程度,获取样本图像后,建立具有表面腐烂程度标签的水果样本图像数据库;
步骤S3,将步骤S2采集到的样本图像进行预处理,作为训练数据,提取训练数据的特征值,将特征值导入计算机系统内,作为中心数据库;
步骤S4,用步骤S1得到的色光照射待测水果,并收集图像,将图像进行预处理,提取图像中的特征值;
步骤S5,将步骤S4得到特征值与步骤S3得到的特征值进行比对,由于水果腐烂程度的差异,得到特征值之间的差异,将差异与标签对应,得到待测水果的表面腐烂程度;
所述预处理包括水果图像尺度变换处理和灰度归一化处理。
优选地,所述水果表面缺陷的等级数至少包括5个,等级数越高,水果表面缺陷程度越高。
优选地,所述氖气可以替换为氦气、氩气、氙气中的任意一种或任意两种的复合。
优选地,该装置包括稀有气体通电管、检测样品台、图像采集装置和计算机数据处理装置;
所述稀有气体通电管包括绝缘外壳、放电腔室与放电电极,放电腔室包封于绝缘外壳内,稀有气体设于放电腔室内;
所述检测样品台进行三维空间的移动,还能倾斜和转动,样品台移动范围一般可达到20厘米,倾斜范围至少在50度左右,转动360度;
所述图像采集装置,用于图像的收集、处理及显示,
所述计算机数据处理装置,用于将接收到的图像进行预处理,数据分析待测水果与样本水果的特征值,得出待测水果表面缺陷等级程度。
优选地,所述放电腔室为玻璃管,所述绝缘外壳为塑料。
优选地,还包括真空机构和真空泵,所述检测样品台设于真空机构内,真空泵用于在真空机构中产生真空。
优选地,还包括光谱仪,用于把复合光分解为单一波长的单色光。
与现有技术相比,本发明具有以下技术效果:
1.本发明使用稀有气体通电后的光辐照水果,并结合样本水果和待测水果特征源图像的特征值,判断检测水果表面缺陷程度的方法,目前没有文章或相似的专利公开;
2.本发明使用稀有气体通电后对水果进行无损检测,并对水果的表面等级缺陷程度划分,分级相对可靠。
具体实施方式
一种水果表面腐烂自动化识别方式,其特征在于,包括如下步骤:
步骤S1,制作光源,将稀有气体通入灯管内,通电产生色光;
步骤S2,取一组水果作为样本,先用不同位置的检测器探头获取每个水果样本在400-1100nm波长范围的多个透射光谱信息进行数据预处理,得到同一样本的多个有效光谱 ;将同一水果样本的多个有效光谱及被测水果环境的温度和湿度信息输入到检测模型中,建立水果表面腐烂预测模型;被检测水果放置在橡胶材质的水果托盘上面,这样既可以起到固定水果的作用,又可以提高密封性能,减小沿水果表面产生的衍射光对检测结果的影响;在光纤前端加装了聚焦透镜,增强了收集到的透过水果样品的光谱信息;所述检测装置采用密封的形式,这样在采集水果样品的光谱时,就避免了外部杂散光的影响;
用步骤S1得到的色光照射样本水果,已知样本水果的表面腐烂等级程度,获取样本图像后,建立具有表面腐烂程度标签的水果样本图像数据库;
步骤S3,将步骤S2采集到的样本图像进行预处理,作为训练数据,提取训练数据的特征值,将特征值导入计算机系统内,作为中心数据库;
步骤S4,用步骤S1得到的色光照射待测水果,并收集图像,将图像进行预处理,提取图像中的特征值;
步骤S5,将步骤S4得到特征值与步骤S3得到的特征值进行比对,由于水果腐烂程度的差异,得到特征值之间的差异,将差异与标签对应,得到待测水果的表面腐烂程度;之后还包括将对比得到的结果发送给不合格产品剔除装置,由所述不合格产品剔除装置对不合格水果进行剔除的步骤,当水果表面腐烂程度等级数为4或者5时,该水果会被当做不合格水果剔除。
所述预处理包括水果图像尺度变换处理和灰度归一化处理;对于每个水果,采集对应不同对焦距离的多张图像;将所述多张图像中的特征点进行像素对其处理,得到经像素对齐处理后的多张图像,分别提取每一张图像中的相应特征点;将所述对齐处理后的多张图像融合处理,以得到成像清晰的全景深图像。
根据需要,所述水果表面缺陷的等级数至少包括5个,等级数越高,水果表面缺陷程度越高。
根据需要,该装置包括稀有气体通电管、检测样品台、图像采集装置和计算机数据处理装置;
所述稀有气体通电管包括绝缘外壳、放电腔室与放电电极,放电腔室包封于绝缘外壳内,稀有气体设于放电腔室内;
所述检测样品台进行三维空间的移动,还能倾斜和转动,样品台移动范围一般可达到20厘米,倾斜范围至少在50度左右,转动360度;
所述图像采集装置,用于图像的收集、处理及显示。
所述计算机数据处理装置,用于将接收到的图像进行预处理,数据分析待测水果与样本水果的特征值,得出待测水果表面缺陷等级程度。
根据需要,所述放电腔室为玻璃管,所述绝缘外壳为塑料。
根据需要,还包括真空机构和真空泵,所述检测样品台设于真空机构内,真空泵用于在真空机构中产生真空;之所以要用真空,主要基于以下两点原因:电子束系统中的灯丝在普通大气中会迅速氧化而失效,所以除了在使用时需要用真空以外,平时还需要以纯氮气或惰性气体充满整个真空柱;为了增大电子的平均自由程,而使得用于成像的电子更多。
将氖气通入灯管内,将外电源电路接通后,通过变压器输出端产生几千伏甚至上万伏的高压,当这一高压加到灯管两端电极时,灯管内的带电粒子在高压电场中被加速并飞向电极,激发产生大量的电子,这些激发出来的电子,在高电压电场中被加速,并与灯管内的气体原子发生碰撞。当这些电子碰撞游离气体原子的能量足够大时,就能使气体原子发生电离而成为正离子和电子,这就是气体的电离现象。带电粒子与气体原子之间的碰撞,多余的能量就以光子的形式发射出来,这就完成了发光点亮的整个过程。
有的灯管里充入了氖、氩、氦等三种气体(也有两种或四种的)的混合物。由于各种气体的相对含量不同,便制得各种颜色的色光。当灯管内通入混合气体时,通电后产生的色光透过滤光片处理,只能让单色光通过。
稀有气体都是单原子分子,通电后原子会释放核外电子,电子由于能量变化,发生跃迁,从基态或低态跃迁到高态(激发态),到了高态变得不稳定,又要向低态跃迁,就会以光的形式向外释放出能量。当稀有气体通电后的光源照射到水果表面后,一部分直接从表面被反射,另一部分则进入水果内部,经过吸收、散射后,通过一个路径从入射点附近被折射回到表面,通过计算机视觉系统采集图像将得到的有明暗区别的近似圆形图像,这个过程无机械损伤,且无化学损伤。
具体实施例仅仅是对本发明的解释,其并不是对发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在发明的权利要求范围内都受到专利法的保护。
Claims (7)
1.一种水果表面腐烂自动化识别方式,其特征在于,包括如下步骤:
步骤S1,制作光源,将氖气通入灯管内,通电产生色光;
步骤S2, 用步骤S1得到的色光照射样本水果,已知样本水果的表面腐烂等级程度,获取样本图像后,建立具有表面腐烂程度标签的水果样本图像数据库;
步骤S3,将步骤S2采集到的样本图像进行预处理,作为训练数据,提取训练数据的特征值,将特征值导入计算机系统内,作为中心数据库;
步骤S4,用步骤S1得到的色光照射待测水果,并收集图像,将图像进行预处理,提取图像中的特征值;
步骤S5,将步骤S4得到特征值与步骤S3得到的特征值进行比对,由于水果腐烂程度的差异,得到特征值之间的差异,将差异与标签对应,得到待测水果的表面腐烂程度;
所述预处理包括水果图像尺度变换处理和灰度归一化处理。
2.根据权利要求1所述的一种水果表面腐烂自动化识别方式,其特征在于,所述水果表面缺陷的等级数至少包括5个,等级数越高,水果表面缺陷程度越高。
3.根据权利要求1所述的一种水果表面腐烂自动化识别方式,其特征在于,所述氖气可以替换为氦气、氩气、氙气中的任意一种或任意两种的复合。
4.根据权利要求1所述方式的一种水果表面腐烂自动化识别装置,其特征在于,该装置包括稀有气体通电管、检测样品台、图像采集装置和计算机数据处理装置;
所述稀有气体通电管包括绝缘外壳、放电腔室与放电电极,放电腔室包封于绝缘外壳内,稀有气体设于放电腔室内;
所述检测样品台进行三维空间的移动,还能倾斜和转动,样品台移动范围一般可达到20厘米,倾斜范围至少在50度左右,转动360度;
所述图像采集装置,用于图像的收集、处理及显示,
所述计算机数据处理装置,用于将接收到的图像进行预处理,数据分析待测水果与样本水果的特征值,得出待测水果表面缺陷等级程度。
5.根据权利要求4所述的一种水果表面腐烂自动化识别装置,其特征在于,所述放电腔室为玻璃管,所述绝缘外壳为塑料。
6.根据权利要求4所述的一种水果表面腐烂自动化识别装置,其特征在于,还包括真空机构和真空泵,所述检测样品台设于真空机构内,真空泵用于在真空机构中产生真空。
7.根据权利要求4所述的一种水果表面腐烂自动化识别装置,其特征在于,还包括光谱仪,用于把复合光分解为单一波长的单色光。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910206079.6A CN109827965A (zh) | 2019-03-19 | 2019-03-19 | 一种水果表面腐烂自动化识别方式 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910206079.6A CN109827965A (zh) | 2019-03-19 | 2019-03-19 | 一种水果表面腐烂自动化识别方式 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109827965A true CN109827965A (zh) | 2019-05-31 |
Family
ID=66870786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910206079.6A Pending CN109827965A (zh) | 2019-03-19 | 2019-03-19 | 一种水果表面腐烂自动化识别方式 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109827965A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5440127A (en) * | 1993-05-17 | 1995-08-08 | Simco/Ramic Corporation | Method and apparatus for illuminating target specimens in inspection systems |
CN1142205A (zh) * | 1994-11-03 | 1997-02-05 | 新奇士种植者公司 | 检测半透明物体表面特征的方法和装置 |
JPH10115602A (ja) * | 1996-10-15 | 1998-05-06 | Matsushita Electric Ind Co Ltd | 青果物の選果装置 |
CN102213617A (zh) * | 2011-04-08 | 2011-10-12 | 中国科学院半导体研究所 | 深紫外激光光致发光光谱仪 |
CN102855641A (zh) * | 2012-08-10 | 2013-01-02 | 上海电机学院 | 基于外在品质的水果等级分类系统 |
CN103604789A (zh) * | 2013-11-25 | 2014-02-26 | 南京信息职业技术学院 | 一种荧光粉性能测试系统以及测试方法 |
CN104502315A (zh) * | 2014-12-02 | 2015-04-08 | 中国科学院半导体研究所 | 一种微区荧光扫描测量系统 |
CN105424709A (zh) * | 2015-11-20 | 2016-03-23 | 陕西科技大学 | 一种基于图像标记的水果表面缺陷检测方法 |
CN106076890A (zh) * | 2016-08-08 | 2016-11-09 | 北京农业智能装备技术研究中心 | 早期水果腐败果在线检测系统及方法 |
WO2017168469A1 (ja) * | 2016-03-28 | 2017-10-05 | パナソニックIpマネジメント株式会社 | 外観検査装置と外観検査方法 |
WO2018002841A1 (en) * | 2016-06-29 | 2018-01-04 | Ser.Mac S.R.L. | An apparatus for detecting damaged fruit and vegetable products |
-
2019
- 2019-03-19 CN CN201910206079.6A patent/CN109827965A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5440127A (en) * | 1993-05-17 | 1995-08-08 | Simco/Ramic Corporation | Method and apparatus for illuminating target specimens in inspection systems |
CN1142205A (zh) * | 1994-11-03 | 1997-02-05 | 新奇士种植者公司 | 检测半透明物体表面特征的方法和装置 |
JPH10115602A (ja) * | 1996-10-15 | 1998-05-06 | Matsushita Electric Ind Co Ltd | 青果物の選果装置 |
CN102213617A (zh) * | 2011-04-08 | 2011-10-12 | 中国科学院半导体研究所 | 深紫外激光光致发光光谱仪 |
CN102855641A (zh) * | 2012-08-10 | 2013-01-02 | 上海电机学院 | 基于外在品质的水果等级分类系统 |
CN103604789A (zh) * | 2013-11-25 | 2014-02-26 | 南京信息职业技术学院 | 一种荧光粉性能测试系统以及测试方法 |
CN104502315A (zh) * | 2014-12-02 | 2015-04-08 | 中国科学院半导体研究所 | 一种微区荧光扫描测量系统 |
CN105424709A (zh) * | 2015-11-20 | 2016-03-23 | 陕西科技大学 | 一种基于图像标记的水果表面缺陷检测方法 |
WO2017168469A1 (ja) * | 2016-03-28 | 2017-10-05 | パナソニックIpマネジメント株式会社 | 外観検査装置と外観検査方法 |
WO2018002841A1 (en) * | 2016-06-29 | 2018-01-04 | Ser.Mac S.R.L. | An apparatus for detecting damaged fruit and vegetable products |
CN106076890A (zh) * | 2016-08-08 | 2016-11-09 | 北京农业智能装备技术研究中心 | 早期水果腐败果在线检测系统及方法 |
Non-Patent Citations (5)
Title |
---|
杨昌举: "《食品营养与消费》", 31 July 1995, 新时代出版社, pages: 258 * |
爱笑的爽的店: "基于图像处理的水果腐烂程度检测技术的研究", 《百度文库》 * |
爱笑的爽的店: "基于图像处理的水果腐烂程度检测技术的研究", 《百度文库》, 6 August 2017 (2017-08-06), pages 4 * |
王树文: "计算机视觉技术在农产品自动检测与分级中的研究—番茄的表面缺陷自动检测与分类", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
王树文: "计算机视觉技术在农产品自动检测与分级中的研究—番茄的表面缺陷自动检测与分类", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》, no. 02, 15 December 2002 (2002-12-15), pages 2 - 3 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Recent advances in nondestructive analytical techniques for determining the total soluble solids in fruits: a review | |
US8563934B2 (en) | Method and detection system for detection of aflatoxin in corn with fluorescence spectra | |
US4866283A (en) | Optical inspection of food products | |
CN103037987A (zh) | 用于对存在于种子批中的物体分类的方法及相应的用于生产种子的用途 | |
CN1995987A (zh) | 基于高光谱图像技术的农畜产品无损检测方法及装置 | |
CN110261405A (zh) | 基于显微高光谱技术的绝缘子污秽成分识别方法 | |
JP2021170036A (ja) | 物質特性検査装置 | |
Tan et al. | The feasibility of early detection and grading of apple bruises using hyperspectral imaging | |
CN107329189A (zh) | 光谱仪探测器无效像元筛选方法及辐射校正方法 | |
Xu et al. | Quantitative evaluation of impact damage to apple by hyperspectral imaging and mechanical parameters | |
Gao et al. | A review of non-destructive detection for fruit quality | |
CN113984736B (zh) | 一种基于空间偏移拉曼光谱的带包装食品信号分离方法 | |
Xu et al. | Nondestructive detection of internal flavor in ‘Shatian’pomelo fruit based on visible/near infrared spectroscopy | |
CN101021488A (zh) | 稻谷损伤的检测方法和装置 | |
CN113030007B (zh) | 基于相似度学习算法快速检验烟用香精质量稳定性的方法 | |
CN109827965A (zh) | 一种水果表面腐烂自动化识别方式 | |
CN109001182A (zh) | 封闭容器中酒精含量的拉曼光谱无损测定方法 | |
US6795178B1 (en) | Method and apparatus for analysis of gas compositions | |
Chen et al. | Prediction of apple internal qualities using hyperspectral imaging techniques | |
CN110456010A (zh) | 一种无损快速检测鸡蛋新鲜度的方法 | |
CN109827971B (zh) | 一种无损检测水果表面缺陷的方法 | |
US20060231779A1 (en) | Exterior inspection apparatus and exterior inspection method | |
CN101788481A (zh) | 一种吡啶类农药浓度检测装置及方法 | |
CN205620302U (zh) | 一种组合式光谱探头及光谱分析系统 | |
CN106018328A (zh) | 鉴别真假燕窝的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190531 |