CN115937142A - 一种可溶性固形物含量无损检测方法、系统及装置 - Google Patents
一种可溶性固形物含量无损检测方法、系统及装置 Download PDFInfo
- Publication number
- CN115937142A CN115937142A CN202211570279.8A CN202211570279A CN115937142A CN 115937142 A CN115937142 A CN 115937142A CN 202211570279 A CN202211570279 A CN 202211570279A CN 115937142 A CN115937142 A CN 115937142A
- Authority
- CN
- China
- Prior art keywords
- grape
- reflectivity
- white
- soluble solid
- platform
- 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
- 239000007787 solid Substances 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000009659 non-destructive testing Methods 0.000 title claims abstract description 20
- 241000219095 Vitis Species 0.000 claims abstract description 52
- 235000009754 Vitis X bourquina Nutrition 0.000 claims abstract description 52
- 235000012333 Vitis X labruscana Nutrition 0.000 claims abstract description 52
- 235000014787 Vitis vinifera Nutrition 0.000 claims abstract description 52
- 238000002310 reflectometry Methods 0.000 claims abstract description 46
- 238000003384 imaging method Methods 0.000 claims abstract description 44
- 238000012417 linear regression Methods 0.000 claims abstract description 29
- 240000000560 Citrus x paradisi Species 0.000 claims description 10
- 241000219094 Vitaceae Species 0.000 claims description 8
- 235000021021 grapes Nutrition 0.000 claims description 8
- 229910052736 halogen Inorganic materials 0.000 claims description 4
- 150000002367 halogens Chemical class 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000000873 masking effect Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种可溶性固形物含量无损检测方法、系统及装置，该方法包括：搭建成像平台并构建三维坐标‑白板反射率的线性回归模型；对成像平台中的高光谱成像仪与结构光相机进行标定和配准；基于配准后的平台获取葡萄串图像并结合三维坐标‑白板反射率的线性回归模型进行黑白校正；将校正后的葡萄串高光谱图像输入至预构建的可溶性固形物含量预测模型,得到预测值。该系统包括：反射率模型构建模块、配准模块、校正模块和输出模块。该装置包括存储器以及用于执行上述可溶性固形物含量无损检测方法的处理器。通过使用本发明，能够得到准确的可溶性固形物含量预测值。本发明可广泛应用于含量检测领域。
Description
技术领域
本发明涉及含量检测领域，尤其涉及一种可溶性固形物含量无损检测方法、系统及装置。
背景技术
目前，已有对串收葡萄在室内进行高光谱成像来预测可溶性固形物含量的研究：将整串葡萄放置于成像暗箱内，使用卤素灯提供光源，获得葡萄高光谱原始图像；将标准白板放置于同一位置成像，对葡萄高光谱原始图像进行黑白校正，获得葡萄的标准反射率；基于可溶性固形物含量预测模型，预测出整串葡萄的可溶性固形物含量。但由于整串葡萄通常成圆锥体，放置于成像平台时不同部位高低差距较大。对于在暗箱内卤素灯光源下的高光谱成像，葡萄串不同部位与光源的距离不同导致光照强度不同，使用标准白板进行黑白校正，只能保证与其高度一致的部位校正结果的准确，而难以对高度差别较大的部分进行准确的黑白校正。
发明内容
为了解决上述技术问题，本发明的目的是提供一种可溶性固形物含量无损检测方法、系统及装置，能够得到准确的可溶性固形物含量预测值。
本发明所采用的第一技术方案是：一种可溶性固形物含量无损检测方法，包括以下步骤：
搭建成像平台并构建三维坐标-白板反射率的线性回归模型；
对成像平台中的高光谱成像仪与结构光相机进行标定和配准，得到配准后的平台；
基于配准后的平台获取葡萄串图像并结合三维坐标-白板反射率的线性回归模型进行黑白校正，得到校正后的葡萄串高光谱图像；
将校正后的葡萄串高光谱图像输入至预构建的可溶性固形物含量预测模型,得到预测值。
进一步，还包括可溶性固形物含量预测模型的构建步骤，其具体包括：
采集葡萄果粒并将葡萄果粒平铺；
基于高光谱成像仪对葡萄果粒成像并进行黑白校正，得到校正后的样本图像；
基于蒙特卡洛无信息变量消除法，根据校正后的样本图像选择特征波长；
基于选择的特征波长，使用偏最小二乘回归法建立特征波长的反射率—可溶性固形物含量线性回归模型，得到可溶性固形物含量预测模型。
进一步，所述可溶性固形物含量预测模型表示如下：
上式中，YSSC为葡萄可溶性固形物含量，k为图像中葡萄的像素点数量，n为选择的特征波长数量，Xsn为该像素点的第n个特征波长的反射率，Ksn为对应的多项式系数，Bs为常数项。
进一步，所述搭建成像平台并构建三维坐标-白板反射率的线性回归模型这一步骤，其具体包括：
以高光谱成像仪与结构光相机搭建成像平台；
基于成像平台，将标准白板放置于不同位置、高度进行成像，得到不同三维坐标下的反射率；
根据不同三维坐标下的反射率建立标准白板的三维坐标-白板反射率的线性回归模型。
进一步，所述对成像平台中的高光谱成像仪与结构光相机进行标定和配准，得到配准后的平台这一步骤，其具体包括：
基于成像平台中的高光谱成像仪与结构光相机，将黑白棋盘格以不同方向、不同倾斜角度、不同高度进行成像；
基于不同位置的黑白棋盘格，分别计算得到高光谱成像仪、结构光相机的内参和外参；
基于同一位置的黑白棋盘格与高光谱成像仪、结构光相机的内参和外参，将高光谱成像仪与结构光相机配准至同一坐标系，完成配准，得到配准后的平台。
进一步，所述基于配准后的平台获取葡萄串图像并结合三维坐标-白板反射率的线性回归模型进行黑白校正，得到校正后的葡萄串高光谱图像这一步骤，其具体包括：
将葡萄串放置于配准后的平台上成像，通过高光谱成像仪和结构光相机获取包含光谱信息与三维坐标信息的葡萄串图像；
基于三维坐标-白板反射率线性回归模型，根据三维坐标信息对葡萄串图像的每个像素点进行黑白校正，得到校正后的葡萄串高光谱图像。
进一步，所述黑白校正的计算公式如下：
Iref＝(Iraw-Idark)/(Iwhite-Idark)
上式中，Iref为该葡萄像素点校准后的标准反射率(400-1000nm)，Iraw为该像素点葡萄的原始高光谱数据，Idark为通过遮盖镜头获得全黑标定图像，Iwhite为该像素点处的白板反射率。
本发明所采用的第二技术方案是：一种可溶性固形物含量无损检测系统，包括：
反射率模型构建模块，用于搭建成像平台并构建三维坐标-白板反射率的线性回归模型；
配准模块，用于对成像平台中的高光谱成像仪与结构光相机进行标定和配准，得到配准后的平台；
校正模块，基于配准后的平台获取葡萄串图像并结合三维坐标-白板反射率的线性回归模型进行黑白校正，得到校正后的葡萄串高光谱图像；
输出模块，用于将校正后的葡萄串高光谱图像输入至预构建的可溶性固形物含量预测模型，得到预测值。
本发明所采用的第三技术方案是：一种可溶性固形物含量无损检测装置，包括：
至少一个高光谱成像仪；
至少一个结构光相机；
至少四个卤素灯光源；
至少一个暗箱；
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
至少一个显示器；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上所述一种可溶性固形物含量无损检测方法。
本发明方法及系统的有益效果是：本发明基于高光谱成像仪--结构光相机成像平台，通过同时采集标准白板的高光谱图像与三维点云，并将两者配准，建立三维坐标--白板反射率之间的线性回归模型以实现准确的黑白校正，克服难以对高度差别较大的部分进行准确的黑白校正的问题，从而提高葡萄串可溶性固形物含量预测精度。
附图说明
图1是本发明一种可溶性固形物含量无损检测方法的步骤流程图；
图2是本发明一种可溶性固形物含量无损检测系统的结构框图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
如图1所示，本发明提供了一种可溶性固形物含量无损检测方法，该方法包括以下步骤：
S0、构建可溶性固形物含量预测模型；
S0.1、采集葡萄果粒并将葡萄果粒平铺，不少于200颗葡萄果粒；
S0.2、基于高光谱成像仪对葡萄果粒成像并进行黑白校正，得到校正后的样本图像；
S0.3、基于MCUVE(Monte Carlo uniformative variable elimination,蒙特卡洛无信息变量消除法)法，根据校正后的样本图像选择特征波长；
S0.3.1、通过蒙特卡罗方法对矩阵进行m次随机采样，建立M个偏最小二乘估计模型，并计算第i个模型的第j个变量的回归系数bij；
S0.3.2、利用无信息变量方法定义的变量重要性，计算第j个变量的重要性指标Cj；
S0.3.3、把p个变量根据重要性指标的绝对值从大到小排列，定义一个阈值，小于该阈值的变量作为无信息变量剔除；
S0.3.4、最终选择n个特征波长。
S0.4、基于选取的特征波长，使用PLSR(Partial least squares regression,偏最小二乘回归法)建立特征波长的反射率—可溶性固形物含量线性回归模型，得到可溶性固形物含量预测模型。
S0.4.1、将可溶性固形物含量作为因变量y，对应的n个特征波长反射率为自变量{x1,x2,…,xn}，提取两变量组的第一成分；
S0.4.2、建立两变量组对主成分的回归，残差矩阵替换，重复以上步骤；
求得回归方程式：
其中，k为对应的多项式系数，b为常数项。
所述可溶性固形物含量预测模型表示如下：
上式中，YSSC为葡萄可溶性固形物含量，k为图像中葡萄的像素点数量，n为选择的特征波长数量，Xsn为该像素点的第n个特征波长的反射率，Ksn为对应的多项式系数，Bs为常数项。
S1、搭建成像平台并构建三维坐标-白板反射率的线性回归模型；
S1.1、以高光谱成像仪与结构光相机搭建成像平台；
S1.2、基于成像平台，将标准白板放置于不同位置、高度进行成像，得到不同三维坐标下的反射率；
S1.3、根据不同三维坐标下的反射率建立标准白板的三维坐标-白板反射率的线性回归模型。
具体地，标准白板的三维坐标-白板反射率的线性回归模型公式表示如下：
式中，Iwhite为该像素点处的白板反射率(400-1000nm)，Wx，Wy，Wz分别为该像素点的x,y,z坐标，Kw为回归系数，Bw为常数项。
S2、对成像平台中的高光谱成像仪与结构光相机进行标定和配准，得到配准后的平台；
S2.1、基于成像平台中的高光谱成像仪与结构光相机，将黑白棋盘格以不同方向、不同倾斜角度、不同高度进行成像，不少于10次成像；
S2.2、基于不同位置的黑白棋盘格，分别计算得到高光谱成像仪、结构光相机的内参和外参；
S2.3、基于同一位置的黑白棋盘格与相机的内参和外参，将高光谱成像仪与结构光相机配准至同一坐标系，完成配准，得到配准后的平台。
S3、基于配准后的平台获取葡萄串图像并结合三维坐标-白板反射率的线性回归模型进行黑白校正，得到校正后的葡萄串高光谱图像；
S3.1、将葡萄串放置于配准后的平台上成像，通过高光谱成像仪和结构光相机获取包含光谱信息与三维坐标信息的葡萄串图像；
S3.2、基于三维坐标-白板反射率线性回归模型，根据三维坐标信息对葡萄串图像的每个像素点进行黑白校正，得到校正后的葡萄串高光谱图像。
所述黑白校正的计算公式如下：
Iref＝(Iraw-Idark)/(Iwhit-Idark)
上式中，Iref为该葡萄像素点校准后的标准反射率(400-1000nm)，Iraw为该像素点葡萄的原始高光谱数据，Idark为通过遮盖镜头获得全黑标定图像，Iwhite为该像素点处的白板反射率。
S4、将校正后的葡萄串高光谱图像输入至预构建的可溶性固形物含量预测模型,得到预测值。
具体地，基于校正后的葡萄串高光谱图像，提取特征波长，使用可溶性固形物预测模型，获得葡萄串的可溶性固形物含量。
如图2所示，一种可溶性固形物含量无损检测系统，包括：
反射率模型构建模块，用于搭建成像平台并构建三维坐标-白板反射率的线性回归模型；
配准模块，用于对成像平台中的高光谱成像仪与结构光相机进行标定和配准，得到配准后的平台；
校正模块，基于配准后的平台获取葡萄串图像并结合三维坐标-白板反射率的线性回归模型进行黑白校正，得到校正后的葡萄串高光谱图像；
输出模块，用于将校正后的葡萄串高光谱图像输入至预构建的可溶性固形物含量预测模型，得到预测值。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
一种可溶性固形物含量无损检测装置：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上所述一种可溶性固形物含量无损检测方法。
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于实现如上所述一种可溶性固形物含量无损检测方法。
上述方法实施例中的内容均适用于本存储介质实施例中，本存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种可溶性固形物含量无损检测方法，其特征在于，包括以下步骤：
搭建成像平台并构建三维坐标-白板反射率的线性回归模型；
对成像平台中的高光谱成像仪与结构光相机进行标定和配准，得到配准后的平台；
基于配准后的平台获取葡萄串图像并结合三维坐标-白板反射率的线性回归模型进行黑白校正，得到校正后的葡萄串高光谱图像；
将校正后的葡萄串高光谱图像输入至预构建的可溶性固形物含量预测模型,得到预测值。
2.根据权利要求1所述一种可溶性固形物含量无损检测方法，其特征在于，还包括可溶性固形物含量预测模型的构建步骤，其具体包括：
采集葡萄果粒并将葡萄果粒平铺；
基于高光谱成像仪对葡萄果粒成像并进行黑白校正，得到校正后的样本图像；
基于蒙特卡洛无信息变量消除法，根据校正后的样本图像选择特征波长；
基于选择的特征波长，使用偏最小二乘回归法建立特征波长的反射率—可溶性固形物含量线性回归模型，得到可溶性固形物含量预测模型。
3.根据权利要求2所述一种可溶性固形物含量无损检测方法，其特征在于，所述可溶性固形物含量预测模型表示如下：
上式中，YSSC为葡萄可溶性固形物含量，k为图像中葡萄的像素点数量，n为选择的特征波长数量，Xsn为该像素点的第n个特征波长的反射率，Ksn为对应的多项式系数，
Bs为常数项。
4.根据权利要求3所述一种可溶性固形物含量无损检测方法，其特征在于，所述搭建成像平台并构建三维坐标-白板反射率的线性回归模型这一步骤，其具体包括：
以高光谱成像仪与结构光相机搭建成像平台；
基于成像平台，将标准白板放置于不同位置、高度进行成像，得到不同三维坐标下的反射率；
根据不同三维坐标下的反射率建立标准白板的三维坐标-白板反射率的线性回归模型。
5.根据权利要求4所述一种可溶性固形物含量无损检测方法，其特征在于，所述对成像平台中的高光谱成像仪与结构光相机进行标定和配准，得到配准后的平台这一步骤，其具体包括：
基于成像平台中的高光谱成像仪与结构光相机，将黑白棋盘格以不同方向、不同倾斜角度、不同高度进行成像；
基于不同位置的黑白棋盘格，分别计算得到高光谱成像仪、结构光相机的内参和外参；
基于同一位置的黑白棋盘格与高光谱成像仪、结构光相机的内参和外参，将高光谱成像仪与结构光相机配准至同一坐标系，完成配准，得到配准后的平台。
6.根据权利要求5所述一种可溶性固形物含量无损检测方法，其特征在于，所述基于配准后的平台获取葡萄串图像并结合三维坐标-白板反射率的线性回归模型进行黑白校正，得到校正后的葡萄串高光谱图像这一步骤，其具体包括：
将葡萄串放置于配准后的平台上成像，通过高光谱成像仪和结构光相机获取包含光谱信息与三维坐标信息的葡萄串图像；
基于三维坐标-白板反射率线性回归模型，根据三维坐标信息对葡萄串图像的每个像素点进行黑白校正，得到校正后的葡萄串高光谱图像。
7.根据权利要求6所述一种可溶性固形物含量无损检测方法，其特征在于，所述黑白校正的计算公式如下：
Iref＝(Iraw-Idark)/(Iwhi-Idark)
上式中，Iref为该葡萄像素点校准后的标准反射率(400-1000nm)，Iraw为该像素点葡萄的原始高光谱数据，Idark为通过遮盖镜头获得全黑标定图像，Iwhite为该像素点处的白板反射率。
8.一种可溶性固形物含量无损检测系统，其特征在于，包括：
反射率模型构建模块，用于搭建成像平台并构建三维坐标-白板反射率的线性回归模型；
配准模块，用于对成像平台中的高光谱成像仪与结构光相机进行标定和配准，得到配准后的平台；
校正模块，基于配准后的平台获取葡萄串图像并结合三维坐标-白板反射率的线性回归模型进行黑白校正，得到校正后的葡萄串高光谱图像；
输出模块，用于将校正后的葡萄串高光谱图像输入至预构建的可溶性固形物含量预测模型，得到预测值。
9.一种可溶性固形物含量无损检测装置，其特征在于，包括：
至少一个高光谱成像仪；
至少一个结构光相机；
至少四个卤素灯光源；
至少一个暗箱；
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
至少一个显示器；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7任一项所述一种可溶性固形物含量无损检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211570279.8A CN115937142A (zh) | 2022-12-08 | 2022-12-08 | 一种可溶性固形物含量无损检测方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211570279.8A CN115937142A (zh) | 2022-12-08 | 2022-12-08 | 一种可溶性固形物含量无损检测方法、系统及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115937142A true CN115937142A (zh) | 2023-04-07 |
Family
ID=86553386
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211570279.8A Pending CN115937142A (zh) | 2022-12-08 | 2022-12-08 | 一种可溶性固形物含量无损检测方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115937142A (zh) |
-
2022
- 2022-12-08 CN CN202211570279.8A patent/CN115937142A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111968080B (zh) | 一种基于高光谱和深度学习的肥城桃内外品质检测方法 | |
| EP1428016B1 (en) | Method of quantitative video-microscopy and associated system and computer software program product | |
| JP4203498B2 (ja) | 画像補正装置、パターン検査装置、画像補正方法、及び、パターン欠陥検査方法 | |
| CN107580710A (zh) | 用于增强检验工具的检验灵敏度的系统及方法 | |
| CN113608378B (zh) | 一种基于lcd制程的全自动缺陷检测方法和系统 | |
| CN113570538B (zh) | 一种叶片rgb图像偏态分布参数信息采集及分析方法 | |
| CN118115496B (zh) | 晶圆缺陷检测方法及装置 | |
| TW201923315A (zh) | 頻譜分析裝置及頻譜分析方法 | |
| CN115015258A (zh) | 一种农作物长势与土壤水分关联确定方法及相关装置 | |
| WO2021195817A1 (zh) | 一种提取待测物质的光谱信息的方法 | |
| TW202212814A (zh) | 檢查裝置、檢查方法以及儲存介質 | |
| JPH01284743A (ja) | 半導体装置の樹脂モールドの外観検査方法とその検査装置 | |
| CN117495958A (zh) | 基于目标检测网络的仓储箱体图像识别定位方法及系统 | |
| JP2005293334A (ja) | テンプレートマッチング装置 | |
| US20020191831A1 (en) | System and process for analyzing surface defects | |
| CN115937142A (zh) | 一种可溶性固形物含量无损检测方法、系统及装置 | |
| JP2005352543A (ja) | テンプレートマッチング装置 | |
| CN112505002B (zh) | 一种基于rgb模型的溶液浊度检测方法、介质、图像系统 | |
| CN117392046A (zh) | 一种图像检测方法及检测装置、存储介质 | |
| JP2021042955A (ja) | 食品検査装置、食品検査方法及び食品検査装置の食品再構成ニューラルネットワークの学習方法 | |
| CN113436096A (zh) | 一种基于像元标定的推扫式高光谱成像条带噪声消除方法 | |
| CN116745696A (zh) | 拍摄条件设定系统、拍摄条件设定方法及程序 | |
| CN113034432A (zh) | 一种产品缺陷检测方法、系统、装置及存储介质 | |
| CN118334650B (zh) | 用于粮食水分检测的建模方法、系统和设备 | |
| CN101354357A (zh) | 一种分析树木年轮微密度图像的方法 |
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 |