CN110501301B - 水果内部品质检测方法及系统 - Google Patents
水果内部品质检测方法及系统 Download PDFInfo
- Publication number
- CN110501301B CN110501301B CN201910634992.6A CN201910634992A CN110501301B CN 110501301 B CN110501301 B CN 110501301B CN 201910634992 A CN201910634992 A CN 201910634992A CN 110501301 B CN110501301 B CN 110501301B
- Authority
- CN
- China
- Prior art keywords
- fruit
- light
- detected
- incident light
- light intensity
- 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
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 239
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000010521 absorption reaction Methods 0.000 claims abstract description 67
- 230000008859 change Effects 0.000 claims abstract description 32
- 230000003287 optical effect Effects 0.000 claims description 37
- 238000003384 imaging method Methods 0.000 claims description 35
- 238000001514 detection method Methods 0.000 claims description 34
- 238000009792 diffusion process Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 239000006260 foam Substances 0.000 claims description 3
- 230000031700 light absorption Effects 0.000 claims description 3
- 238000002835 absorbance Methods 0.000 claims description 2
- 238000013213 extrapolation Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000002238 attenuated effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000003902 lesion Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 235000019645 odor Nutrition 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000009543 diffuse optical tomography Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000008786 sensory perception of smell Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 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
- 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
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)
Abstract
本发明提供一种水果内部品质检测方法及系统，该方法包括：将入射光入射至待测水果，该入射光为单色连续近红外光；根据入射光的光强信息和与入射光对应出射光的光强信息，获取光强变化信息；根据光强变化信息，获取待测水果的吸收系数和散射系数；根据吸收系数和所述散射系数，获取待测水果的内部品质。本发明实施例提供的水果内部品质检测方法和系统，通过单色连续近红外光对待测水果进行照射，由于水果内部组织存在对光的吸收和散射，从而会使出射光光强存在一定程度的衰减，检测出射光的光强变化，计算得到组织的吸收系数和散射系数，进而获取待测水果的内部品质情况，该方法无需对光源进行频率的调整，设备简单，检测速度快。
Description
技术领域
本发明涉及农产品检验检测领域，尤其涉及一种水果内部品质检测方法及系统。
背景技术
近年来，世界水果产业发展迅速，目前世界水果总产量超过了6.3亿吨每年，我国作为世界最大的水果生产国与消费国，水果产业的发展对于保障国内市场供应、增加农民收入、改善生态环境和促进农村经济发展具有十分重要的意义。尤其，随着人们生活水平的提高，对于水果的品质要求也越来越严格。但一般的方法仅仅能够通过水果外部的特征对水果的品质进行判断，但对水果内部的隐性缺陷却无法进行观测，因此，对采集的水果进行内部品质无损在线检测显得尤为重要。
无损检测技术是指在不破坏样品的情况下对其品质评价的方法。常用的水果无损检测方法有：基于机器视觉的图像处理、高光谱图像分析技术、电子鼻、介电特性等。
其中，基于机器视觉的图像处理技术是利用图像传感器获取检测对象的图像信息，可实现水果外观品质的无损检测，却不能用于检测水果内部品质。事实上在通常情况下，水果腐烂始于内部，早期不会在外表有所表现。
高光谱分析技术在农产品检测方面有三种模式，即反射光成像、散射光成像以及透射光成像。但由于高光谱图像数据包含大量的冗余信息，会导致数据处理花费很长时间，不利于水果品质的在线实时检测。
电子鼻技术是对人类嗅觉感知的模拟，通过传感器的部分专一性和系统的识别功能，通过对气味的检测来辨别水果是否发生病变，但是水果在发病前期腐烂气味不明显且不同种类的水果气味不同，不能区分所有品种的品质状态。
介电特性检测是将被测水果直接放入平板电极间作为电容器的内部介质测定其电特性参数，可以达到灵敏，快速检测的目的，但是温度、湿度等气候条件和极板直径的大小会对测量结果有一定的影响，测量结果准确性低。
综上所述，与本发明最接近的现有技术在对水果内部品质进行在线检测时均存在诸多缺陷。因此，提供一种方便、准确的水果内部品质进行在线检测方法及系统显得尤为重要
发明内容
本发明实施例提供一种水果内部品质检测方法和系统，用以解决现有技术中对水果内部品质进行在线检测时存在的诸多缺陷。
一方面，本发明实施例提供一种水果内部品质检测方法，包括：将入射光入射至待测水果，该入射光为单色连续近红外光；根据入射光的光强信息和与入射光对应出射光的光强信息，获取光强变化信息；根据光强变化信息，获取待测水果的吸收系数和散射系数；根据获取的吸收系数和散射系数，进一步获取待测水果的内部品质。
另一方面，本发明实施例提供一种水果内部品质检测系统，包括：光源、检测器、运算单元和显示单元；其中，光源用于提供单色连续近红外光作为入射光；检测器用于接收获取出射光，并将所述出射光的光强信息输入至所述运算单元。
运算单元包括第一运算单元和第二运算单元；其中，第一运算单元，用于比较入射光光强信息和相对应的出射光的光强信息，获取光强变化信息，并通过光强变化信息计算获取待测水果的吸收系数和散射系数，并通过吸收系数和所述散射系数，进一步获取待测水果的内部品质情况；第二运算单元，用于构建待测水果的三维模型，并结合第一运算单元所获取的待测水果的吸收系数和散射系数，建立待测水果内部的吸收系数和散射系数分布参数，并根据待测水果内部的吸收系数和散射系数分布参数，获取待测水果内部的光学参数分布，并将该光学参数分布结合三维模型，完成三维重构成像。
显示单元用于显示所述三维重构成像的结果。
又一方面，本发明实施例又一方面提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行上述程序时实现上述水果内部品质检测方法的步骤。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述水果内部品质检测方法的步骤。
本发明实施例提供的水果内部品质检测方法和系统，通过采用分离波长的单色连续近红外光对待测水果进行照射，由于水果内部组织存在对光的吸收和散射，从而会使出射光光强存在一定程度的衰减，检测出射光的光强变化，计算得到组织的吸收系数和散射系数，进而获取待测水果的内部品质情况，该方法无需对光源进行频率的调整，设备简单，检测速度快，检测结果精准。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种水果内部品质检测方法流程示意图；
图2为本发明实施例提供的一种水果内部品质检测方法中光强变化信息获取方法示意图；
图3为本发明实施例提供的一种水果内部品质检测方法中采用正四面体模型完成三维重构以及成像后的成像结果示意图；
图4为本发明实施例提供的一种水果内部品质检测系统的结构示意图；
图5为本发明实施例提供的一种水果内部品质检测系统中固定装置的三维立体示意图；
图6为本发明实施例提供的一种水果内部品质检测方法中光源和检测器分布图，其中图6(a)为分布侧视图，图6(b)为分布俯视图；
图7为本发明实施例提供的一种电子设备的结构示意图。
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、完整地描述，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作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。
近红外连续波检测技术是采用恒定强度的光源射入介质，检测出射光的强度信息，进而获取组织的光学参数，具有测量系统简单、数据获取时间相对较短等优点。
本发明实施例基于近红外连续波检测技术，提供一种水果内部品质检测方法，如图1所示，该检测方法包括但不限于以下步骤：
步骤S1：将入射光入射至待测水果，其中，该入射光可以是单色连续近红外光；
步骤S2：根据步骤S1中输入的入射光的光强信息和检测获取到的与入射光对应出射光的光强信息，获取光强变化信息；
步骤S3：根据步骤S2中获取的光强变化信息，获取待测水果的吸收系数和散射系数；
步骤S4：根据步骤S3中获取的吸收系数和所述散射系数，获取待测水果的内部品质。
本发明实施例提供的水果内部品质检测方法，应用分离波长的近红外光检测技术，检测待测水果内部组织的光学参数，该光学参数主要包括：吸收
系数和散射系数，通过待测水果的吸收系数和散射系数表征出待测水果内部品质，以对水果是否发生病变进行分析。
为了便于理解上述品质检测方法的实际工作流程，以图2为例，下面结合光线传输过程对品质检测方法作进一步说明。图2中示出了一种光强变化信息获取示意图，其中，入射光通过光源光纤传输并经过入射探头射入待测水果内部，相应地，设置有检测器，接收上述入射光通过水果内部后的出射光，并将出射光的光强信息与入射光的光强信息进行比较，获取该入射光的光强变化信息。
进一步地，在图2中，可以改变入射光的入射角度，或者入射至待测水果的不同的部位，以获取该待测水果内部不同部位的光强变化信息，以通过多角度分析，更准确的获取待测水果的内部品质。
进一步地，根据步骤S3中比较获取的待测水果的吸收系数和散射系数，进一步地获取待测水果的内部品质，包括但不限于包括：将待测水果的吸收系数和散射系数与正常水果的吸收系数和散射系数标准值经比较，获取待测水果的吸收系数和散射系数与吸收系数和散射系数标准值的差值的绝对值，当该绝对值大于设定阈值时，可以判断出该水果内部品质为不合格；当该绝对值小于设定阈值时，可以判断出该水果内部品质为合格。上述设定阈值，可以根据实际需要进行设定，以根据不同销售需求挑选合适的水果。上述获取待测水果内部品质包括：检测苹果内部是否存在病变、病变程度以及病变位置。
需要指出的是上述步骤S3中获取光强变信息，以及步骤S4根据光强变化信息，获取待测水果的吸收系数和散射系数的方法仅为本发明的一个具体实施例，不视为对本发明实施例的保护范围的限定。
本发明实施例提供的水果内部品质检测方法和系统，通过采用分离波长的单色连续近红外光对待测水果进行照射，由于水果内部组织存在对光的吸收和散射，从而会使出射光光强存在一定程度的衰减，检测出射光的光强变化，计算得到组织的吸收系数和散射系数，进而获取待测水果的内部品质情况，该方法无需对光源进行频率的调整，设备简单，检测速度快，检测结果精准。
基于上述实施例，作为一种可选实施例，本发明实施例提供一种水果内部品质检测方法，其中入射光为多束；相应地，将入射光入射至待测水果，包括：从不同方向将多束入射光入射至所述待测水果。
相应地，本实施例提供的水果内部品质检测方法，还包括：将获取到的与每束入射光对应的吸收系数和散射系数，建立待测水果内部的光学参数分布，并将该光学参数分布结合水果三维模型，完成三维重构成像，并对成像结果进行显示；并进一步根据成像结果获取待测水果的内部品质。
上述水果三维模型是根据与待测水果同品种的正常的水果内部的标准光学参数分布，基于有限元算法建立的。
具体地，本发明实施例提供的水果内部品质检测方法采用单色连续近红外光检测技术，在待测水果的不同空间位置设置多个光源，产生多束入射光，并在相应出射光位置设置检测器，该检测器用于检测出射光的光强信息。
由于组织光学理论及试验均已证明：除真空状态下，所有的介质对穿过其中的光线的光能都具有不同程度的吸收作用。当光源发射的入射光入射至待测水果的待测部位时，主要会对入射光进行吸收和散射等，从而本发明实施例使用吸收系数和散射系数表征待测水果内部对于上述光能的吸收能力。其中，吸收系数与吸收作用成正比，当吸收作用越强时，吸收系数则越大；同理，待测水果的散射的作用越大，其散射系数也会越大。可以通过步骤S2中获取到的每束入射光的光强变化信息，并在步骤S3中根据光强变化信息获取该入射光的吸收系数和散射系数。
当入射光为多束，且通过不同的角度照射至待测水果的内部时，可以获取到每束入射光相对应的吸收系数和散射系数。由于入射光的角度是可以设定的，从而可以通过设置入射光的不同入射角度采集到入射至待测水果内部各部位入射光的吸收系数和散射系数。进一步地，综合获取到的所有入射光的吸收系数和散射系数集，可以建立待测水果内部的光学参数分布。
进一步地，本发明实施例提供的水果内部品质检测方法，还包括建立水果三维模型的步骤，该水果三维模型的建立方法包括但不限于：
先获取到与所述待测水果同品种的正常的水果内部的标准光学参数分布，根据该标准光学参数分布，基于有限元算法建立该水果三维模型。
对于该三维模型的建立方法，本发明实施例不作具体限定。
进一步地，将上述建立的待测水果内部光学参数分布结合该水果三维模型，完成三维重构成像，并对成像结果进行显示。
例如使用MATLAB光学计算包即nirfast开源软件，模拟近红外光在生物组织中的传播，将图像分割成有限元网格，并使用这些网格重建光学参数的分布，从而达到三维成像的目的。
本发明实施例不对如何将光学参数分布结合水果三维模型，完成三维重构成像的方法作出具体限定。
进一步地，当完成三维重构成像，并将成像结果利用显示装置进行显示后，可以根据显示的结果，直观的获取待测水果的内部品质。
本发明实施例提供的水果内部品质检测方法，通过提供多束入射光并获取到待测水果内部的光学特性参数，从而进行待测水果内部的三维重构，通过扩散光学层析成像方法将苹果内部组织光学参数的分布以图像的方式显现出来，实现了苹果内部光学参数分布的可视化，可以更直观、准确的获取到待测水果的内部品质。
基于上述实施例，作为一种可选实施例，本发明实施例提供一种通过光强变化信息计算获取待测水果的吸收系数和散射系数的方法，该方法包括但不限于：
根据漫射传输方程，获取μa和μs的乘积；进一步地，结合公式
计算获取μt；最后，结合公式μ′s＝μs(1-g)和μt＝μa+μ′s，其中g＝cosθ，计算获取μa和μs。
上述漫射传输方程为：：
其中，A为待测水果内部的吸光度，OD为入射光密度，μ′s为约化散射系数，r为入射光的光源至获取出射光的检测器之间的距离，μa为吸收系数，μs为散射系数，θ为入射光和出射光之间的偏转角；
为有效衰减系数，R(r)为出射光的光强与相应的入射光的光强的比值。
基于上述实施例，作为一种可选实施例，本发明实施例提供的水果内部品质检测方法，其中在根据漫射传输方程，获取μa和μs的乘积之前，还包括：
基于漫射理论组织内的光的能量分布满足漫射近似方程：
并结合在半无限大均匀介质中，光源的边界约束条件：
利用外推边界，采用镜像法求解所述漫射近似方程，获取所述散射系数、吸收系数以及所述入射光密度的关系，获取所述漫射传输方程。
其中，D＝3(μa+μ′s)-1表示漫射系数；
表示矢量运算，
为对函数Φ(r)在各个正交方向上求导，然后再乘以各个方向上的单位向量；
基于上述实施例，作为一种可选实施例，本发明实施例提供的水果内部品质检测方法，在建立水果三维模型之后，还包括：
采用正四面体模型对所述水果的三维模型进行剖分，并在正四面体模型指定节点处设置入射光光源以及和入射光源对应的出射光检测器，并基于剖分后的三维模型，结合光学参数分布，完成三维重构成像。
具体地，由于待测水果的果径以及果型具有多样性，在实际三维重构成像的过程中，一方面，该果径以及果型的多样性会对三维重构成像的精度造成干扰；另一方面，该果径以及果型的多样性对于入射光以及与入射光相对应的出射光的位置均匀设定，造成困难。
如图3的左图所示，为解决上述因待测水果的果径以及果型的多样性造成的技术问题，本发明实施例在上述实施例的基础上，引入正四面体模型，并利用该四面体模型对已建立的水果三维模型进行剖分，并在正四面体模型上，设定入射光光源以及和该入射光源对应的出射光检测器的节点位置。进一步地，基于剖分后的三维模型，通过控制各节点位置上的入射光源发射入射光至待测水果，并获取光强变化信息，进而获取待测水果的内部品质，对此本发明实施例不作具体赘述。图中3的右图，为根据上述利用正四面体模型对建立的水果三维模型进行剖分后，所获取到的苹果内部病变重构图。如图3所示，可以获知在该苹果的右下部分存在一个沟型病变区。
需要指出的，在设置好节点位置后，可以根据实际检测需要，控制各节点处入射光源的启停，以达到对待测水果的内部品质获取精度的控制；也可以通过控制入射光源的启停顺序，控制三维重构成像的进程。
本发明实施例提供的水果内部品质检测方法，通过引入正四面体模型对构建的水果三维模型进行剖分，克服了对于不同果径及果型的待测水果进行检测时存在的缺陷，使获取的三维成像结果更能反应待测水果内部的真实品质。
基于上述实施例，作为一种可选实施例，本发明实施例提供的水果内部品质检测方法，其中，根据入射光的光强信息和入射光对应出射光的光强信息，获取光强变化信息，还包括：根据标准光学参数分布，运用高斯牛顿算法获取出射光标准光强信息；将和入射光对应的出射光的光强信息与出射光标准光强信息作差并取绝对值；当绝对值小于设定权重时，则获取光强变化信息。
具体地，在实际检测过程中，由于检测装置及外部干扰因数的存在，比如，待测水果外表有泥土等杂物情况时，所采集的光强变化信息不能真实的反应待测水果内部的真实品质，即该光强变化信息为无效信息。本发明实施例为解决上述问题，克服无效信息对最终获取的结果的干扰，在获取到光强变化信息后，还包括但不限于以下步骤：
首先，根据标准光学参数分布，运用高斯牛顿算法获取出射光标准光强信息，在每次获取到一个入射光的光强信息后，将获取的结果与该标准光强信息进行比较分析。
具体地，将获取的任一出射光的光强信息后与标准光强信息作差并取绝对值，当该绝对值小于设定权重时，则证明该光强信息为有效，进一步的根据该出射光光强信息与对应的入射光的光强信息之间的关系，获取待测水果的内部品质，对此本发明实施例不作具体赘述。
当上述计算的绝对值大于设定权重时，则说明该光强信息为无效，继续获取下一出射光的光强信息。
进一步地，当判定出该光强信息为无效时，可以反推获取到与该出射光想对应的入射光光源，可以通过操作人员检查无效原因，并为下一次检测排除故障。
本发明实施例提供的水果内部品质检测方法，通过在对获取的出射光光强信息进行处理分析前，先判断该出射光的有效性，有效的提高了检测运算的效率，优化了检测精度。
图4为本发明实施例提供的一种水果内部品质检测系统，包括但不限于具有：光源41、检测器42、运算单元43和显示单元44；
其中，光源41用于提供单色连续近红外光作为入射光；检测器42用于接收获取出射光，并将出射光的光强信息输入至运算单元43中；运算单元43包括第一运算单元431和第二运算单元432；
其中，第一运算单元431，用于比较入射光光强信息和出射光的光强信息，获取光强变化信息，并通过光强变化信息计算获取待测水果的吸收系数和散射系数；并进一步地，通过吸收系数和所述散射系数，获取待测水果的内部品质情况；
第二运算单元432，用于构建待测水果的三维模型，并结合第一运算单元所获取的待测水果的吸收系数和散射系数，建立待测水果内部的吸收系数和散射系数分布参数，并根据待测水果内部的吸收系数和散射系数分布参数，获取待测水果内部的光学参数分布，并将光学参数分布结合所述三维模型，完成三维重构成像；
所述显示单元44用于显示三维重构成像的结果。
具体地，当需要对一个待测水果进行在线检测时，通过光源41发射出入射光至待测水果上，并由检测器42检测获取该入射光通过待测水果内部后的出射光42，由于待测水果内部存在对入射光的吸收和散射，因此，当检测器42将通过出射光获取的光强信息输入至运算单元43中的第一运算单元431中时，该第一运算单元431比较入射光的光强信息和接收的出射光光强信息，计算获取该入射光的光强变化信息，并根据该光强变化信息计算获取待测水果的吸收系数和散射系数；进一步地，通过该吸收系数和散射系数判断待测水果的内部品质。
进一步地，本发明实施例提供的水果内部品质检测系统，在上述实施例的基础上，还包括第二运算单元432，其位于上述运算单元中，用于根据上述第一运算单元获取的待测水果的吸收系数和散射系数，建立待测水果内部的吸收系数和散射系数分布参数。进一步地，该第二运算单元432中还存储有预先建立的三维重构模型，当第二运算单元432建立完成待测水果内部的吸收系数和散射系数分布参数后，结合建立完成的三维重构模型，进一步完成三维模型重构，并将重构后的三维模型进行存储并发送至显示单元44。
进一步地，显示单元44将获取的重构后的三维模型进行显示，通过该重构后的三维模型可以直观的获取到待测水果的内部品质。
本发明实施例提供的水果内部品质检测系统，通过采用分离波长的单色连续近红外光对待测水果进行照射，由于水果内部组织存在对光的吸收和散射，从而会使出射光光强存在一定程度的衰减，检测出射光的光强变化，计算得到组织的吸收系数和散射系数，进而获取待测水果的内部品质情况，该方法无需对光源进行频率的调整，设备简单，检测速度快，检测结果精准，并且通过扩散光学层析成像方法将苹果内部组织光学参数的分布以图像的方式显现出来，实现了苹果内部光学参数分布的可视化。
基于上述实施例，作为一种可选实施例，本发明实施例提供的水果内部品质检测系统，还包括有：固定装置，上述入射光光源41以及检测器42可活动固设于该固定装置上。
如图5所示，本发明实施例提供一种固定装置的具体结构，该固定装置可以是采用金属、橡胶等黑色材料制成。在整个固定装置的内壁设置有吸光泡沫，并保证对待测水果放入后，对对待测水果具有较好的包裹性。将固定装置设置成上述结构的作用在于：既能固定光源及检测器，又可以减少杂散光对实验准确性的影响。
进一步地，固定装置由上下两个空心半球壳体组成，便于待测水果的取放。实验时将待测水果放入下半球壳体内部后，盖上下半球壳体后，则形成密闭的黑色空间，以此来减小外界杂散光的影响。
装置密闭后调整光源以及检测器的安装部位，使光源和检测器能够与待测水果紧密接触，并使光源能垂直入射至待测水果，且出射光能被最大限度的接受，避免漏光对实验精度造成影响。
进一步地，如图5(b)所示，将光源和检测器沿固定装置的赤道方向分为上、中、下三层，中间层的检测器等间隔均匀排布。
进一步地，该固定装置在光源以及检测器的安装位置设置有通孔，以便于安装。
图6为本发明实施例提供的一种水果内部品质检测方法中光源和检测器分布图，其中图6(a)为分布侧视图，图6(b)为分布俯视图。其中，Source1、Source2和Source3为所有光源的安装位置，Detectors为检测器的安装位置。
需要指出的上述固定装置仅为本发明一个具体实施方案，本发明实施例不对固定装置的结构、形状、材质以及光源以及检测器的安装位置做出具体限定。
图7示例了一种电子设备的结构示意图，如图7所示，该电子设备可以包括：处理器710、通信接口720、存储器730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行如下方法：将入射光入射至待测水果，该入射光为单色连续近红外光；根据入射光的光强信息和与入射光对应出射光的光强信息，获取光强变化信息；根据光强变化信息，获取待测水果的吸收系数和散射系数；根据获取的吸收系数和散射系数，进一步获取待测水果的内部品质。
此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：将入射光入射至待测水果，该入射光为单色连续近红外光；根据入射光的光强信息和与入射光对应出射光的光强信息，获取光强变化信息；根据光强变化信息，获取待测水果的吸收系数和散射系数；根据获取的吸收系数和散射系数，进一步获取待测水果的内部品质。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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 (6)
1.一种水果内部品质检测方法，其特征在于，包括：
将入射光入射至待测水果，所述入射光为单色连续近红外光；
根据所述入射光的光强信息和所述入射光对应出射光的光强信息，获取光强变化信息；
根据所述光强变化信息，获取所述待测水果的吸收系数和散射系数；
根据所述吸收系数和所述散射系数，获取待测水果的内部品质；
所述入射光为多束；相应地，将入射光入射至待测水果，包括：
从不同方向将多束入射光入射至所述待测水果；
相应地，所述水果内部品质检测方法还包括：
将获取到的与每束入射光对应的吸收系数和散射系数，建立所述待测水果内部的光学参数分布，并将所述光学参数分布结合水果三维模型，完成三维重构成像，并对成像结果进行显示；根据成像结果获取待测水果的内部品质；
具体包括：
采用正四面体模型对所述水果的三维模型进行剖分，并在所述正四面体模型指定节点处设置入射光光源以及和所述入射光 光源对应的出射光检测器，并基于所述剖分后的三维模型，结合所述光学参数分布，完成三维重构成像；
在指定节点处设置入射光光源以及和所述入射光光源对应的出射光检测器之后，通过控制各节点处入射光源的启停，以达到对待测水果的内部品质获取精度的控制；通过控制入射光源的启停顺序，控制三维重构成像的进程；
所述水果三维模型是根据与所述待测水果同品种的正常的水果内部的标准光学参数分布，基于有限元算法建立的；
根据所述入射光的光强信息和所述入射光对应出射光的光强信息，获取光强变化信息，还包括：
根据所述标准光学参数分布，运用高斯牛顿算法获取出射光标准光强信息；
将和入射光对应的出射光的光强信息与所述出射光标准光强信息作差并取绝对值；
当所述绝对值小于设定权重时，则获取所述光强变化信息；
当所述绝对值大于设定权重时，则说明该光强信息为无效，继续获取下一出射光的光强信息，并获取到与所述出射光相对应的入射光光源，以检查所述光强信息无效的原因；
在将入射光入射至待测水果之前，还包括：
将待测水果置于固定装置内，并在所述固定装置内形成密闭空间；
在密闭的所述固定装置上进行固定安装光源和检测器，使光源和检测器能够与待测水果紧密接触，并使光源能垂直入射至待测水果；
所述固定装置采用黑色材料制成，在所述固定装置的内壁设置有吸光泡沫；
所述固定装置由上下两个空心半球壳体组成，当上下半球壳体盖合后，可形成密闭黑色空间；
在密闭的所述固定装置上进行固定安装光源和检测器，具体为：将所述光源和检测器沿所述固定装置的赤道方向分为上、中、下三层安装；其中，中间层的检测器为等间隔均匀排布；
所述固定装置在所述光源以及检测器的安装位置设置有通孔。
2.根据权利要求1所述的水果内部品质检测方法，其特征在于：通过所述光强变化信息计算获取所述待测水果的吸收系数和散射系数，包括：
根据漫射传输方程，获取μa和μ′s的乘积；
结合公式1：
计算获取μt；
结合公式2：μ′s＝μs(1-g)和μt＝μa+μ′s，其中g＝cosθ，计算获取μa和μs；
所述漫射传输方程为：：
其中，A为待测水果内部的吸光度，OD为入射光密度，μs′为约化散射系数，r为入射光的光源至获取出射光的检测器之间的距离，μa为吸收系数，μs为散射系数，θ为入射光和出射光之间的偏转角；
为有效衰减系数，R(r)为出射光的光强与相应的入射光的光强的比值。
3.根据权利要求2所述的水果内部品质检测方法，其特征在于，所述根据漫射传输方程，获取μa和μs的乘积之前，还包括：
基于漫射理论组织内的光的能量分布满足漫射近似方程：
并结合在半无限大均匀介质中，光源的边界约束条件：
利用外推边界，采用镜像法求解所述漫射近似方程，获取所述散射系数、吸收系数以及所述入射光密度的关系，获取所述漫射传输方程；
其中，D＝3(μa+μ′s)-1表示漫射系数；
表示矢量运算，
为对函数Φ(r)在各个正交方向上求导，然后再乘以各个方向上的单位向量；
4.一种水果内部品质检测系统，其特征在于，包括：光源、检测器、运算单元和显示单元；
所述光源用于提供单色连续近红外光作为入射光；
所述检测器用于接收获取出射光，并将所述出射光的光强信息输入至所述运算单元；
所述运算单元包括第一运算单元和第二运算单元；
其中，所述第一运算单元，用于比较所述入射光光强信息和所述出射光的光强信息，获取光强变化信息，通过所述光强变化信息获取待测水果的吸收系数和散射系数，并通过所述吸收系数和所述散射系数，获取待测水果的内部品质；
所述第二运算单元，用于构建待测水果的三维模型，并结合第一运算单元所获取的待测水果的吸收系数和散射系数，建立所述待测水果内部的吸收系数和散射系数分布参数，并根据所述待测水果内部的吸收系数和散射系数分布参数，获取所述待测水果内部的光学参数分布，并将所述光学参数分布结合所述三维模型，完成三维重构成像；
所述显示单元用于显示所述三维重构成像的结果；
所述入射光为多束；相应地，将入射光入射至待测水果，包括：
从不同方向将多束入射光入射至所述待测水果；
相应地，水果内部品质检测方法包括：
将获取到的与每束入射光对应的吸收系数和散射系数，建立所述待测水果内部的光学参数分布，并将所述光学参数分布结合水果三维模型，完成三维重构成像，并对成像结果进行显示；根据成像结果获取待测水果的内部品质；
具体包括：
采用正四面体模型对所述水果的三维模型进行剖分，并在所述正四面体模型指定节点处设置入射光光源以及和所述入射光 光源对应的出射光检测器，并基于所述剖分后的三维模型，结合所述光学参数分布，完成三维重构成像；
在指定节点处设置入射光光源以及和所述入射光光源对应的出射光检测器之后，通过控制各节点处入射光源的启停，以达到对待测水果的内部品质获取精度的控制；或者通过控制入射光源的启停顺序，控制三维重构成像的进程；
所述水果三维模型是根据与所述待测水果同品种的正常的水果内部的标准光学参数分布，基于有限元算法建立的；
根据所述入射光的光强信息和所述入射光对应出射光的光强信息，获取光强变化信息，还包括：
根据所述标准光学参数分布，运用高斯牛顿算法获取出射光标准光强信息；
将和入射光对应的出射光的光强信息与所述出射光标准光强信息作差并取绝对值；
当所述绝对值小于设定权重时，则获取所述光强变化信息；
当所述绝对值大于设定权重时，则说明该光强信息为无效，继续获取下一出射光的光强信息，并获取到与所述出射光相对应的入射光光源，以检查所述光强信息无效的原因；
所述水果内部品质检测系统还包括固定装置，在将入射光入射至待测水果之前，还包括：
将待测水果置于固定装置内，并在所述固定装置内形成密闭空间；
在密闭的所述固定装置上进行固定安装光源和检测器，使光源和检测器能够与待测水果紧密接触，并使光源能垂直入射至待测水果；
所述固定装置采用黑色材料制成，在所述固定装置的内壁设置有吸光泡沫；
所述固定装置由上下两个空心半球壳体组成，当上下半球壳体盖合后，可形成密闭黑色空间；
在密闭的所述固定装置上进行固定安装光源和检测器，具体为：将所述光源和检测器沿所述固定装置的赤道方向分为上、中、下三层安装；其中，中间层的检测器为等间隔均匀排布；
所述固定装置在所述光源以及检测器的安装位置设置有通孔。
5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任一项所述水果内部品质检测方法的步骤。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3任一项所述水果内部品质检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910634992.6A CN110501301B (zh) | 2019-07-15 | 2019-07-15 | 水果内部品质检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910634992.6A CN110501301B (zh) | 2019-07-15 | 2019-07-15 | 水果内部品质检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110501301A CN110501301A (zh) | 2019-11-26 |
| CN110501301B true CN110501301B (zh) | 2020-11-06 |
Family
ID=68586100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910634992.6A Active CN110501301B (zh) | 2019-07-15 | 2019-07-15 | 水果内部品质检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110501301B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111474154B (zh) * | 2020-04-27 | 2023-01-17 | 广东博创佳禾科技有限公司 | 一种青枯病菌检测光源激发方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101074927A (zh) * | 2007-06-22 | 2007-11-21 | 浙江大学 | 基于可见和近红外光谱特征波段的水果水心病诊断方法 |
| CN101694462A (zh) * | 2009-10-29 | 2010-04-14 | 中国农业大学 | 基于稳态空间分辨光谱的嫩度检测方法及系统 |
| CN101949840A (zh) * | 2010-08-17 | 2011-01-19 | 中国农业大学 | 生肉肌红蛋白快速无损检测方法及系统 |
| JP2012008098A (ja) * | 2010-06-28 | 2012-01-12 | Nireco Corp | 青果物内部検査装置 |
| CN105891149A (zh) * | 2016-04-08 | 2016-08-24 | 中国农业大学 | 基于频域近红外光谱检测技术的果蔬品质分析方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103278448B (zh) * | 2013-05-10 | 2015-04-29 | 浙江大学 | 改善水果线扫描光谱成像的光照装置 |
| CN105044020B (zh) * | 2015-06-08 | 2018-04-20 | 浙江大学 | 光斑可调的便携式近红外水果内部品质检测装置 |
| CN107621460A (zh) * | 2016-07-15 | 2018-01-23 | 华东交通大学 | 一种近红外光谱漫透射技术黄桃隐性损伤与糖度同时在线检测装置与方法 |
-
2019
- 2019-07-15 CN CN201910634992.6A patent/CN110501301B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101074927A (zh) * | 2007-06-22 | 2007-11-21 | 浙江大学 | 基于可见和近红外光谱特征波段的水果水心病诊断方法 |
| CN101694462A (zh) * | 2009-10-29 | 2010-04-14 | 中国农业大学 | 基于稳态空间分辨光谱的嫩度检测方法及系统 |
| JP2012008098A (ja) * | 2010-06-28 | 2012-01-12 | Nireco Corp | 青果物内部検査装置 |
| CN101949840A (zh) * | 2010-08-17 | 2011-01-19 | 中国农业大学 | 生肉肌红蛋白快速无损检测方法及系统 |
| CN105891149A (zh) * | 2016-04-08 | 2016-08-24 | 中国农业大学 | 基于频域近红外光谱检测技术的果蔬品质分析方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘志存 等.用稳态空间分辨光谱技术检测农产品光学参数的研究及应用.《农业工程学报》.2008,第24卷(第9期),第115-120页. * |
| 用稳态空间分辨光谱技术检测农产品光学参数的研究及应用;刘志存 等;《农业工程学报》;20080930;第24卷(第9期);第115-120页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110501301A (zh) | 2019-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lu et al. | Measurement of optical properties of fruits and vegetables: A review | |
| Wang et al. | Measurement of the light absorption and scattering properties of onion skin and flesh at 633 nm | |
| Huang et al. | Detection of internal defect of apples by a multichannel Vis/NIR spectroscopic system | |
| Du et al. | X‐ray computed tomography for quality inspection of agricultural products: A review | |
| Fu et al. | Comparison of diffuse reflectance and transmission mode of visible-near infrared spectroscopy for detecting brown heart of pear | |
| Lu et al. | Hyperspectral scattering for assessing peach fruit firmness | |
| CA2440637C (en) | Method and an arrangement for the determination of the optical properties of a multi-layered tissue | |
| Zamora-Rojas et al. | Double integrating sphere measurements for estimating optical properties of pig subcutaneous adipose tissue | |
| Vanoli et al. | Studies on classification models to discriminate ‘Braeburn’apples affected by internal browning using the optical properties measured by time-resolved reflectance spectroscopy | |
| Gao et al. | Effect of pressing and impacting bruises on optical properties of kiwifruit flesh | |
| Ma et al. | Relationships between optical properties of peach flesh with firmness and tissue structure during storage | |
| Sun et al. | Simultaneous measurement of brown core and soluble solids content in pear by on-line visible and near infrared spectroscopy | |
| Tao et al. | A comparative study for improving prediction of total viable count in beef based on hyperspectral scattering characteristics | |
| CN108663339A (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
| CA2434283A1 (en) | System and method for enabling simultaneous calibration and imaging of a medium | |
| Nicolaï et al. | Nondestructive evaluation: Detection of external and internal attributes frequently associated with quality and damage | |
| US20160166150A1 (en) | Image capturing device and sensing protection device | |
| He et al. | Spatial frequency domain imaging for detecting bruises of pears | |
| Vaudelle et al. | Influence of the size and skin thickness of apple varieties on the retrieval of internal optical properties using Vis/NIR spectroscopy: A Monte Carlo-based study | |
| Berardinelli et al. | Kiwifruit flesh firmness determination by a NIR sensitive device and image multivariate data analyses | |
| Mei et al. | An overview on optical non-destructive detection of bruises in fruit: Technology, method, application, challenge and trend | |
| Tian et al. | Internal quality assessment of kiwifruit by bulk optical properties and online transmission spectra | |
| CN101968438B (zh) | 一种原料肌肉注水快速判别方法 | |
| CN110501301B (zh) | 水果内部品质检测方法及系统 | |
| Kuroki et al. | Positioning in spectral measurement dominates estimation performance of internal rot in onion bulbs |
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 |