CN117388292A - 一种榴莲内部品质无损快速检测、分级方法及系统 - Google Patents
一种榴莲内部品质无损快速检测、分级方法及系统 Download PDFInfo
- Publication number
- CN117388292A CN117388292A CN202311681758.1A CN202311681758A CN117388292A CN 117388292 A CN117388292 A CN 117388292A CN 202311681758 A CN202311681758 A CN 202311681758A CN 117388292 A CN117388292 A CN 117388292A
- Authority
- CN
- China
- Prior art keywords
- durian
- detected
- grading
- mechanical arm
- ray detection
- 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.)
- Granted
Links
- 235000006025 Durio zibethinus Nutrition 0.000 title claims abstract description 158
- 240000000716 Durio zibethinus Species 0.000 title claims abstract description 158
- 238000001514 detection method Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000005484 gravity Effects 0.000 claims abstract description 28
- 238000003384 imaging method Methods 0.000 claims abstract description 14
- 235000013399 edible fruits Nutrition 0.000 claims description 31
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 5
- 238000000611 regression analysis Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000009659 non-destructive testing Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000214 effect on organisms Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及农产品无损检测技术领域，尤其涉及一种榴莲内部品质无损快速检测、分级方法及系统。包括：待检测区；传送装置包括旋转台和载物传送带；重力感应机械臂用于抓取榴莲并放置在旋转台上，载物传送带带动其向前运动；X‑ray射线探测装置用于实现待测样品的自动X射线成像，对待检测榴莲进行探测、采集全角度投影图并回传至所述计算机系统；计算机系统分别控制载物传送带、重力感应机械臂、X‑ray射线探测源、分级标签枪和机械臂，用于使其执行计算机系统发出的指令；分级标签枪用于将分级标签打在待检测榴莲上，机械臂将检测完的榴莲放置于分级样品存储区的对应区域。优点在于实现对榴莲内部品质及分级自动化、高通量无损检测。
Description
技术领域
本发明涉及农产品无损检测技术领域，尤其涉及一种榴莲内部品质无损快速检测、分级方法及系统。
背景技术
任何水果从在树上成熟直到走上餐桌都需要经历复杂的采后之旅，在这个过程中相当一部分的水果会腐败造成浪费，所以在整个产业链的多个节点上都需要对果实的成熟度进行监测。除此之外，从业人员往往需要对水果从品质上进行分级以优化销售模式。但是在水果品质性状检测过程中，现有的近红外光谱技术、电子鼻检测技术等无损检测技术，只能检测水果果皮外的性状，对于榴莲这种果皮很厚的水果，不能直接穿透其果皮观察内部品质性状，且从外观很难估计其内部品质。榴莲由于其营养价值极髙，对机体有很好的补养作用，被誉为“万果之王”，深受消费者的喜爱。随着当前人们经济水平的不断提高以及对食品安全的不断重视，水果类食品的品质好坏逐渐成为消费者对于其选择的基础。然而近年来，市场上售卖的榴莲果肉含量常与其高昂的价格不符合，降低了其商业价值和消费者满意度。目前，用于榴莲内部品质和分级的检测通常是采用传统的方法，如称重、量大小或破坏性操作等，这类方法往往精度差、主观因素强以及处理过程需要人工参与导致效率低下。因此，如何高通量自动化地对榴莲内在品质与成熟度进行无损检测是目前亟待解决的问题。
发明内容
本发明为解决上述问题，提供一种榴莲内部品质无损快速检测、分级方法及系统。
本发明第一目的在于提供一种榴莲内部品质无损快速检测、分级系统，包括：待检测区、传送装置、重力感应机械臂、X-ray射线探测装置、分级标签枪、机械臂、计算机系统、PLC控制器、分级样品存储区；
所述传送装置包括旋转台和载物传送带，所述旋转台置于所述载物传送带上；所述重力感应机械臂用于抓取所述待检测榴莲并放置在所述旋转台上；所述载物传送带用于承载待测样品并接受所述计算机系统的指令，带动待检测榴莲向前运动；
所述X-ray射线探测装置包括X-ray射线探测源、X-ray射线检测板，所述X-ray射线探测源和所述X-ray射线检测板分别置于所述载物传送带两侧；所述X-ray射线探测源用于实现待测样品的自动X射线成像，所述X-ray射线检测板用于对待检测榴莲进行探测、采集全角度投影图并回传至所述计算机系统；
所述计算机系统通过串口连接五个PLC控制器；第一个PLC控制器连接所述载物传送带的伺服电机及驱动器，用于控制所述载物传送带启动停止的时间、步进距离和所述旋转台的旋转角度；其余四个PLC控制器分别连接所述重力感应机械臂、所述X-ray射线探测源、所述分级标签枪和所述机械臂，用于使所述重力感应机械臂、所述X-ray射线探测源、所述分级标签枪和所述机械臂分别执行所述计算机系统发出的指令；
所述分级标签枪用于将分级标签打在待检测榴莲上，所述计算机系统根据分级标签向所述机械臂传输控制信号，控制所述机械臂将检测完的榴莲放置于分级样品存储区的对应区域。
优选的，旋转台带动待检测榴莲作360°旋转，每次转动1°。
优选的，分级样品存储区包括未成熟样品存储箱、已成熟样品存储箱和过成熟样品存储箱；所述分级标签分别为A级、B级和C级，A级代表未成熟、B级代表已成熟、C级代表果成熟；A级榴莲放入未成熟样品存储箱，B级榴莲放入已成熟样品存储箱，C级榴莲放入过成熟样品存储箱。
本发明第二目的在于提供一种榴莲内部品质无损快速检测、分级方法，采用一种榴莲内部品质无损快速检测、分级系统，具体包括如下步骤：
S1、对X-ray射线探测源进行预热及校准；
S2、将待检测榴莲放置于待检测区；
S3、重力感应机械臂依次抓取所述待检测榴莲并放置于载物传送带的旋转台上，随即所述重力感应机械臂撤离；所述重力感应机械臂将所述待检测榴莲的质量信息回传至计算机系统；
S4、所述待检测榴莲通过所述载物传送带传送至X-ray射线探测源和X-ray射线检测板之间，所述旋转台开始间歇旋转的同时开启所述X-ray射线探测源进行成像；通过所述X-ray射线检测板对待检测榴莲进行探测、采集全角度投影图并回传至所述计算机系统；
S5、通过所述计算机系统进行图像处理及解析，得到断层图像；对所述断层图像进行分割，根据分割结果计算榴莲的表型性状；
S6、根据所述表型性状结果将待检测榴莲的熟度赋予类别，再结合所述质量信息对榴莲内部品质进行回归分析，输出结果为榴莲品质的评分；
S7、根据评分结果给所述待检测榴莲分级，通过分级标签枪将各等级对应的分级标签打在待检测榴莲上；
S8、所述计算机系统根据所述分级标签向所述机械臂传输控制信号，控制所述机械臂将检测完的榴莲放置于分级样品存储区的对应区域。
优选的，步骤S5包括如下子步骤：
S501、图像预处理：通过对成像数据解析、图像增强和图像矫正获得待检测榴莲的投影图文件；
S502、通过FDK重建算法得到榴莲样本的三维影像数据，对重建结果按固定步长进行分解得到断层图像；
S503、利用分割算法对断层图像中的各组织进行分割，最终在整个三维影像数据上实现对榴莲果肉、果核、果皮和空腔的精确划分；
S504、根据分割结果计算榴莲的表型性状。
优选的，步骤S504中表型性状包括二维可食率、果肉房数、果实长度、果实体积、果实宽度、果肉体积及果内空腔体积。
优选的，步骤S4中旋转台每次转动1度、共旋转360度；步骤S501中的投影图文件数量为360个。
优选的，步骤S503中的分割算法是基于DeepLabV3模型的分割算法。
优选的，熟度包括未成熟、已成熟和过成熟三个类别；所述分级标签分别为A级、B级和C级；所述评分的分数区间为0~100分，评分70分以上为A级、40~70分为B级、小于40分为C级；所述分级样品存储区包括未成熟样品存储箱、已成熟样品存储箱和过成熟样品存储箱，分别用于放置A级榴莲、B级榴莲和C级榴莲。
优选的，还包括步骤S9：将提取的图像数据及分析结果存储为电子表格，用于用户对测量数据进行索引和管理分析。
与现有技术相比，本发明能够取得如下有益效果：
本发明的检测、分级方法及系统解决了传统方法无法无损检测榴莲内部品质及分级情况的问题，结合X-ray成像技术、传送带平台、机械臂设备和机器学习技术实现了对榴莲内部品质及分级的自动化、高通量的无损检测，在科研界与相关产业链都有可观的应用前景。
附图说明
图1是根据本发明实施例提供的一种榴莲内部品质无损快速检测、分级系统示意图。
图2是根据本发明实施例提供的一种榴莲内部品质无损快速检测、分级方法流程图。
图3是根据本发明实施例提供的榴莲内部品质分级流程图。
图4是根据本发明实施例提供的不同角度下榴莲投影图和断层图；（A）俯视投影图；（B）顶视投影图；（C）俯视断层图；（D）顶视断层图。
附图标记：
1、待检测区；2、旋转台；3、载物传送带；4、重力感应机械臂；5、X-ray射线探测源；6、X-ray射线检测板；7、分级标签枪；8、机械臂；9、计算机系统；10、未成熟样品存储箱；11、已成熟样品存储箱；12、过成熟样品存储箱。
具体实施方式
在下文中，将参考附图描述本发明的实施例。在下面的描述中，相同的模块使用相同的附图标记表示。在相同的附图标记的情况下，它们的名称和功能也相同。因此，将不重复其详细描述。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，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用以解释本发明，而不构成对本发明的限制。
参见图1，本发明提供了一种榴莲内部品质无损快速检测、分级系统，包括：待检测区1、传送装置、重力感应机械臂4、X-ray射线探测装置、分级标签枪7、机械臂8、计算机系统9、PLC控制器、分级样品存储区；
传送装置包括旋转台2和载物传送带3，旋转台2置于载物传送带3上；重力感应机械臂4用于抓取待检测区1的待检测榴莲并放置在旋转台2上，载物传送带3用于承载待测样品并接受计算机系统9的指令，带动待检测榴莲向前运动；旋转台2带动待检测榴莲每次旋转1°，作360°旋转共计旋转360次；
X-ray射线探测装置包括X-ray射线探测源5、X-ray射线检测板6，X-ray射线探测源5和X-ray射线检测板6分别置于载物传送带3两侧；X-ray射线探测源5用于实现待测样品的自动X射线成像，X-ray射线检测板6用于对待检测榴莲进行探测、采集全角度投影图并回传至计算机系统9；
分级样品存储区包括未成熟样品存储箱10、已成熟样品存储箱11和过成熟样品存储箱12；
计算机系统9通过控制分级标签枪7将分级标签打在待检测榴莲上，机械臂8接收计算机系统9发出的操作指令，将分级后的榴莲抓取并放置在未成熟样品存储箱10、已成熟样品存储箱11或过成熟样品存储箱12中；
计算机系统9通过串口连接五个PLC控制器；第一个PLC控制器连接载物传送带3的伺服电机及驱动器，用于控制载物传送带3启动停止的时间、步进距离和旋转台2的旋转角度；其余四个PLC控制器分别连接重力感应机械臂4、X-ray射线探测源5、分级标签枪7和机械臂8，用于使重力感应机械臂4、X-ray射线探测源5、分级标签枪7和机械臂8分别执行计算机系统9发出的指令。
本发明提供了一种榴莲内部品质无损快速检测、分级方法（图2示出了该方法流程），采用一种榴莲内部品质无损快速检测、分级系统，具体包括如下步骤：
S1、对X-ray射线探测源5进行预热及校准；
S2、将待检测榴莲放置于待检测区1；
S3、重力感应机械臂4依次抓取待检测榴莲并放置于载物传送带3的旋转台2上，随即重力感应机械臂4撤离；重力感应机械臂4将待检测榴莲的质量信息回传至计算机系统9；
S4、待检测榴莲通过载物传送带3传送至X-ray射线探测源5和X-ray射线检测板6之间，旋转台2开始间歇旋转的同时开启X-ray射线探测源5进行成像；旋转台2每次转动1度、共旋转360度后，通过X-ray射线检测板6对待检测榴莲进行探测、采集全角度投影图并回传至计算机系统9；
S5、通过计算机系统9进行图像处理及解析，得到断层图像；对断层图像进行分割，根据分割结果计算榴莲的表型性状；
具体的，包括如下子步骤：
S501、图像预处理：通过对成像数据解析、图像增强和图像矫正获得待检测榴莲的投影图文件；
S502、通过FDK重建算法得到榴莲样本的三维影像数据，对重建结果按固定步长进行分解得到断层图像；
S503、利用分割算法对断层图像中的各组织进行分割，最终在整个三维影像数据上实现对榴莲果肉、果核、果皮和空腔的精确划分；
S504、根据分割结果计算榴莲的表型性状;
S6、根据所述表型性状结果将待检测榴莲的熟度赋予未成熟、已成熟和过成熟三个类别，再结合所述质量信息对榴莲内部品质进行回归分析，输出结果为榴莲品质的评分，分数区间为0~100分；
S7、根据评分结果给所述待检测榴莲分级，评分70分以上为A级、40~70分为B级、小于40分为C级；通过分级标签枪7将各等级对应的分级标签打在待检测榴莲上；
S8、计算机系统9根据分级标签向机械臂8传输控制信号，控制机械臂8将检测完的榴莲放置于分级样品存储区；分级样品存储区包括未成熟样品存储箱10、已成熟样品存储箱11和过成熟样品存储箱12，分别用于放置A级榴莲、B级榴莲和C级榴莲。
在具体实施例中，还包括步骤S9：将提取的图像数据及分析结果存储为电子表格，用于用户对测量数据进行索引和管理分析。
实施例1
本实施例提供一种榴莲内部品质无损快速检测、分级方法（图2示出了该方法流程），采用一种榴莲内部品质无损快速检测、分级系统，具体包括如下步骤：
S1、对X-ray射线探测源5进行预热及校准；
S2、将待检测榴莲放置于待检测区1；
S3、重力感应机械臂4依次抓取待检测榴莲并放置于载物传送带3的旋转台2上，随即重力感应机械臂4撤离；重力感应机械臂4将待检测榴莲的质量信息回传至计算机系统9；
S4、待检测榴莲通过载物传送带3传送至X-ray射线探测源5和X-ray射线检测板6之间，旋转台2开始间歇旋转的同时开启X-ray射线探测源5进行成像；旋转台2每次转动1度、共旋转360度后，通过X-ray射线检测板6对待检测榴莲进行探测、采集全角度投影图并回传至计算机系统9；
如图3所示，步骤S5具体包括如下子步骤：
S501、图像预处理：通过对成像数据解析、图像增强和图像矫正获得360个待检测榴莲的投影图文件；
S502、通过FDK重建算法得到榴莲样本的三维影像数据，对重建结果按固定步长进行分解得到断层图像（图4）；
S503、利用基于DeepLabV3模型的分割算法对断层图像中的各组织进行分割，最终在整个三维影像数据上实现对榴莲果肉、果核、果皮和空腔的精确划分；
S504、根据分割结果计算榴莲的表型性状；所述表型性状包括二维可食率、果肉房数、果实长度、果实体积、果实宽度、果肉体积及果内空腔体积；
S6、根据二维可食率、果肉房数、果实长度、果实宽度将待检测榴莲的熟度赋予未成熟、已成熟和过成熟三个类别，再结合所述质量信息对榴莲内部品质进行回归分析，输出结果为榴莲品质的评分，分数区间为0~100分；
S7、根据评分结果给所述待检测榴莲分级，评分70分以上为A级、40~70分为B级、小于40分为C级；通过分级标签枪7将各等级对应的分级标签打在待检测榴莲上；
S8、计算机系统9根据分级标签向机械臂8传输控制信号，控制机械臂8将检测完的榴莲放置于分级样品存储区；分级样品存储区包括未成熟样品存储箱10、已成熟样品存储箱11和过成熟样品存储箱12，分别用于放置A级榴莲、B级榴莲和C级榴莲。
S9、将提取的图像数据及分析结果存储为电子表格，用于用户对测量数据进行索引和管理分析。
本发明优点在于：（1）X射线成像装置对榴莲进行连续快速成像；（2）保持X射线源与X射线检测器静止不动，利用计算机系统及PLC控制器控制传送带来实现检测样品移动，易于精确控制移动距离，并且系统搭建简易；（3）基于X射线成像技术与图像处理技术，来获取高质量的榴莲内部结构图像，为榴莲可食率及成熟度分类提供必要前提；（4）基于榴莲成像结果，将果实长度、果实宽度、果肉房数、二维可食率和果实重量作为输入特征，利用机器学习技术对果实内部品质进行回归分析，输出结果为品质评分并分为A级、B级与C级；利用空腔占比、果肉形态与果壳完整性设计图像处理算法对样本进行成熟度分类，分为未成熟、已成熟与过成熟；（5）将检测结果转化为操作指令传送到机械臂，并控制其将检测完样本移动到各个类别对应的存放区域。最后将提取的数据存储为电子表格便于用户对测量数据进行索引和管理分析。解决了传统方法无法无损检测榴莲内部品质及分级情况的问题，结合X-ray成像技术、传送带平台、机械臂设备和机器学习技术实现了对榴莲内部品质及分级的自动化、高通量的无损检测，在科研界与相关产业链都有可观的应用前景。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种榴莲内部品质无损快速检测、分级系统，其特征在于，包括：待检测区、传送装置、重力感应机械臂、X-ray射线探测装置、分级标签枪、机械臂、计算机系统、PLC控制器、分级样品存储区；
所述传送装置包括旋转台和载物传送带，所述旋转台置于所述载物传送带上；所述重力感应机械臂用于抓取所述待检测榴莲并放置在所述旋转台上；所述载物传送带用于承载待测样品并接受所述计算机系统的指令，带动待检测榴莲向前运动；
所述X-ray射线探测装置包括X-ray射线探测源、X-ray射线检测板，所述X-ray射线探测源和所述X-ray射线检测板分别置于所述载物传送带两侧；所述X-ray射线探测源用于实现待测样品的自动X射线成像，所述X-ray射线检测板用于对待检测榴莲进行探测、采集全角度投影图并回传至所述计算机系统；
所述计算机系统通过串口连接五个PLC控制器；第一个PLC控制器连接所述载物传送带的伺服电机及驱动器，用于控制所述载物传送带启动停止的时间、步进距离和所述旋转台的旋转角度；其余四个PLC控制器分别连接所述重力感应机械臂、所述X-ray射线探测源、所述分级标签枪和所述机械臂，用于使所述重力感应机械臂、所述X-ray射线探测源、所述分级标签枪和所述机械臂分别执行所述计算机系统发出的指令；
所述分级标签枪用于将分级标签打在待检测榴莲上，所述计算机系统根据分级标签向所述机械臂传输控制信号，控制所述机械臂将检测完的榴莲放置于分级样品存储区的对应区域。
2.根据权利要求1所述的一种榴莲内部品质无损快速检测、分级系统，其特征在于：所述旋转台带动待检测榴莲作360°旋转，每次转动1°。
3.根据权利要求2所述的一种榴莲内部品质无损快速检测、分级系统，其特征在于：所述分级样品存储区包括未成熟样品存储箱、已成熟样品存储箱和过成熟样品存储箱；所述分级标签分别为A级、B级和C级，A级代表未成熟、B级代表已成熟、C级代表果成熟；A级榴莲放入未成熟样品存储箱，B级榴莲放入已成熟样品存储箱，C级榴莲放入过成熟样品存储箱。
4.一种榴莲内部品质无损快速检测、分级方法，其特征在于：采用权利要求1所述的一种榴莲内部品质无损快速检测、分级系统，具体包括如下步骤：
S1、对X-ray射线探测源进行预热及校准；
S2、将待检测榴莲放置于待检测区；
S3、重力感应机械臂依次抓取所述待检测榴莲并放置于载物传送带的旋转台上，随即所述重力感应机械臂撤离；所述重力感应机械臂将所述待检测榴莲的质量信息回传至计算机系统；
S4、所述待检测榴莲通过所述载物传送带传送至X-ray射线探测源和X-ray射线检测板之间，所述旋转台开始间歇旋转的同时开启所述X-ray射线探测源进行成像；通过所述X-ray射线检测板对待检测榴莲进行探测、采集全角度投影图并回传至所述计算机系统；
S5、通过所述计算机系统进行图像处理及解析，得到断层图像；对所述断层图像进行分割，根据分割结果计算榴莲的表型性状；
S6、根据所述表型性状结果将待检测榴莲的熟度赋予类别，再结合所述质量信息对榴莲内部品质进行回归分析，输出结果为榴莲品质的评分；
S7、根据评分结果给所述待检测榴莲分级，通过分级标签枪将各等级对应的分级标签打在待检测榴莲上；
S8、所述计算机系统根据所述分级标签向所述机械臂传输控制信号，控制所述机械臂将检测完的榴莲放置于分级样品存储区的对应区域。
5.根据权利要求4所述的一种榴莲内部品质无损快速检测、分级方法，其特征在于，所述步骤S5包括如下子步骤：
S501、图像预处理：通过对成像数据解析、图像增强和图像矫正获得待检测榴莲的投影图文件；
S502、通过FDK重建算法得到榴莲样本的三维影像数据，对重建结果按固定步长进行分解得到断层图像；
S503、利用分割算法对断层图像中的各组织进行分割，最终在整个三维影像数据上实现对榴莲果肉、果核、果皮和空腔的精确划分；
S504、根据分割结果计算榴莲的表型性状。
6.根据权利要求5所述的一种榴莲内部品质无损快速检测、分级方法，其特征在于：所述步骤S504中表型性状包括二维可食率、果肉房数、果实长度、果实体积、果实宽度、果肉体积及果内空腔体积。
7.根据权利要求6所述的一种榴莲内部品质无损快速检测、分级方法，其特征在于：所述步骤S4中旋转台每次转动1度、共旋转360度；所述步骤S501中的投影图文件数量为360个。
8.根据权利要求7所述的一种榴莲内部品质无损快速检测、分级方法，其特征在于：所述步骤S503中的分割算法是基于DeepLabV3模型的分割算法。
9.根据权利要求8所述的一种榴莲内部品质无损快速检测、分级方法，其特征在于：所述的熟度包括未成熟、已成熟和过成熟三个类别；所述分级标签分别为A级、B级和C级；所述评分的分数区间为0~100分，评分70分以上为A级、40~70分为B级、小于40分为C级；所述分级样品存储区包括未成熟样品存储箱、已成熟样品存储箱和过成熟样品存储箱，分别用于放置A级榴莲、B级榴莲和C级榴莲。
10.根据权利要求4-9任意一项所述的一种榴莲内部品质无损快速检测、分级方法，其特征在于，还包括步骤S9：将提取的图像数据及分析结果存储为电子表格，用于用户对测量数据进行索引和管理分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311681758.1A CN117388292B (zh) | 2023-12-08 | 一种榴莲内部品质无损快速检测、分级方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311681758.1A CN117388292B (zh) | 2023-12-08 | 一种榴莲内部品质无损快速检测、分级方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117388292A true CN117388292A (zh) | 2024-01-12 |
| CN117388292B CN117388292B (zh) | 2024-06-04 |
Family
ID=
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112067100A (zh) * | 2020-09-14 | 2020-12-11 | 深圳市赛为智能股份有限公司 | 榴莲自动分类处理系统及其工作方法 |
| CN112697984A (zh) * | 2020-12-11 | 2021-04-23 | 河北工业大学 | 基于神经网络的水果缺陷无损检测方法及水果分级方法 |
| CN218098941U (zh) * | 2022-03-30 | 2022-12-20 | 北京市真我本色科技有限公司 | 一种水果成像检测系统 |
| CN115908257A (zh) * | 2022-10-19 | 2023-04-04 | 盒马(中国)有限公司 | 缺陷识别模型训练方法及果蔬缺陷识别方法 |
| CN116046814A (zh) * | 2023-02-13 | 2023-05-02 | 海南大学 | 基于全自动微型ct的坚果品质无损检测装置及检测方法 |
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112067100A (zh) * | 2020-09-14 | 2020-12-11 | 深圳市赛为智能股份有限公司 | 榴莲自动分类处理系统及其工作方法 |
| CN112697984A (zh) * | 2020-12-11 | 2021-04-23 | 河北工业大学 | 基于神经网络的水果缺陷无损检测方法及水果分级方法 |
| CN218098941U (zh) * | 2022-03-30 | 2022-12-20 | 北京市真我本色科技有限公司 | 一种水果成像检测系统 |
| CN115908257A (zh) * | 2022-10-19 | 2023-04-04 | 盒马(中国)有限公司 | 缺陷识别模型训练方法及果蔬缺陷识别方法 |
| CN116046814A (zh) * | 2023-02-13 | 2023-05-02 | 海南大学 | 基于全自动微型ct的坚果品质无损检测装置及检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ma et al. | Applications of computer vision for assessing quality of agri-food products: a review of recent research advances | |
| Pereira et al. | Predicting the ripening of papaya fruit with digital imaging and random forests | |
| Saranya et al. | Banana ripeness stage identification: a deep learning approach | |
| Al Ohali | Computer vision based date fruit grading system: Design and implementation | |
| Rokunuzzaman et al. | Development of a low cost machine vision system for sorting of tomatoes. | |
| KR101650679B1 (ko) | 동적 제조 라인에서 식품 제품의 품질을 채점 및 제어하는 방법 | |
| CN110832545A (zh) | 用于进行高光谱图像处理以识别对象的系统和方法 | |
| CN102507459A (zh) | 一种生鲜牛肉新鲜度快速无损评价方法及系统 | |
| Huang et al. | Evaluating quality of tomato during storage using fusion information of computer vision and electronic nose | |
| CN110174401A (zh) | 一种基于视觉成像技术的鸡胸肉木质化程度分级装置及其方法 | |
| US20230260273A1 (en) | Systems and methods for assessment of produce shelf life using time lapse image data | |
| CN117388292B (zh) | 一种榴莲内部品质无损快速检测、分级方法及系统 | |
| Raka et al. | Taste-wise fruit sorting system using thermal image processing | |
| Koç et al. | Classification of some fruits using image processing and machine learning | |
| CN117388292A (zh) | 一种榴莲内部品质无损快速检测、分级方法及系统 | |
| Xing et al. | Application of computer vision technology in agricultural products and food inspection | |
| Choi et al. | Nondestructive quality evaluation technology for fruits and vegetables using near-infrared spectroscopy | |
| Arulnathan et al. | Background Subtraction for Accurate Palm Oil Fruitlet Ripeness Detection | |
| Savchenko et al. | Construction of a linear food quality classifier based on their color analysis | |
| Aharari et al. | Development of Automated Oxygen Indicator Color Discrimination Using Artificial Intelligent Technology | |
| Wang et al. | Online sorting of surface defective walnuts based on deep learning | |
| Cotrina et al. | Using machine learning techniques and different color spaces for the classification of Cape gooseberry (Physalis peruviana L.) fruits according to ripeness level | |
| Ireri et al. | An Implementation of a low-cost tomato sorter by A Monochromatic camera and arduino | |
| CN216460196U (zh) | 苹果分级无损检测装置 | |
| Wang | Design of automatic mildew image detection system for corn grain |
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 |