CN203824902U - 一种基于高光谱的果蔬表面损伤检测装置 - Google Patents
一种基于高光谱的果蔬表面损伤检测装置 Download PDFInfo
- Publication number
- CN203824902U CN203824902U CN201420183159.7U CN201420183159U CN203824902U CN 203824902 U CN203824902 U CN 203824902U CN 201420183159 U CN201420183159 U CN 201420183159U CN 203824902 U CN203824902 U CN 203824902U
- Authority
- CN
- China
- Prior art keywords
- fruits
- vegetables
- cylinder
- fruit
- vegetable
- 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.)
- Expired - Lifetime
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000001228 spectrum Methods 0.000 claims abstract description 30
- 235000012055 fruits and vegetables Nutrition 0.000 claims description 98
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 32
- 230000003595 spectral effect Effects 0.000 claims description 21
- 230000006698 induction Effects 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 238000013022 venting Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 235000013305 food Nutrition 0.000 abstract description 15
- 241000220324 Pyrus Species 0.000 description 20
- 235000021017 pears Nutrition 0.000 description 19
- 238000000034 method Methods 0.000 description 10
- 235000013399 edible fruits Nutrition 0.000 description 7
- 230000001771 impaired effect Effects 0.000 description 5
- 238000002329 infrared spectrum Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 244000144730 Amygdalus persica Species 0.000 description 1
- 101100117236 Drosophila melanogaster speck gene Proteins 0.000 description 1
- 101001081606 Homo sapiens Islet cell autoantigen 1 Proteins 0.000 description 1
- 102100027640 Islet cell autoantigen 1 Human genes 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 244000018633 Prunus armeniaca Species 0.000 description 1
- 235000009827 Prunus armeniaca Nutrition 0.000 description 1
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 235000014443 Pyrus communis Nutrition 0.000 description 1
- 244000088415 Raphanus sativus Species 0.000 description 1
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 235000013372 meat Nutrition 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000021404 traditional food Nutrition 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本实用新型公开了一种基于高光谱的果蔬表面损伤检测装置，包括高光谱扫描系统、果蔬旋转系统、果蔬输送系统；所述高光谱扫描系统设于果蔬旋转系统上方；所述果蔬输送系统包括果蔬输入轨道和果蔬输出轨道；所述果蔬输入轨道位于果蔬旋转系统的上方，所述果蔬输出轨道位于果蔬旋转系统的下方；所述果蔬旋转系统包括气缸、第一电机、第二电机、第一滚筒和第二滚筒；所述第一滚筒和第二滚筒位于同一水平面，第一滚筒与第一电机连接，第二滚筒与第二电机连接；所述第一滚筒与气缸连接，所述气缸用于控制第一滚筒远离或靠近第二滚筒。本实用新型可获得待测果蔬表面的全部光谱图像，避免了食品检测中出现盲点，减少了食品分级中的误判。
Description
技术领域
本实用新型涉及食品品质检测领域，特别涉及一种基于高光谱的果蔬表面损伤检测装置。
背景技术
水果蔬菜是居民生活中必不可少的食品，大部分需要长途运输，在运输和存放过程中，如果将要溃烂的果蔬没有及时清理，就会引起周围其他果蔬的迅速溃烂。因此，需要快速检测，尽早分离。然而，传统的食品检测大多由检验员人工挑选进行，耗时费力、效率低。因此，发展一种快速、无损、精确的自动检测技术已经成为迫切需要。随着科技的进步，高光谱作为新兴的无损检测技术，将光谱与成像技术相结合，能够同时提供光谱和空间信息，凭借其定性、定量以及定位的能力，成为食品的质量安全检测、分类与分级的有利手段。目前，肉类、水果和蔬菜等方面的品质检测都有采用高光谱技术的报道。中国专利CN200810124283.5公布了基于近红外光谱技术的水果内部品质在线检测方法及装置，中国专利CN200410098623.3公布了一种快速无损检测鸭梨黑心病的方法等等。
球状或圆锥形的农产品在食品中占有很大的比例，如水果中的苹果、梨、荔枝、桃子、杏等，蔬菜中的萝卜、土豆、西红柿等。由于目前采集高光谱图像的方法通常是，将食品放在载物台上，通过移动载物台，高光谱逐行扫描以获得光谱图像。在球状食品的高光谱扫描中，只能获得球状食品一个面的光谱图像，无法获得食品侧面、背面的光谱图像。如果一个水果在高光谱检测中，损伤、溃烂的一面朝下，完好的一面朝上，则会被认为完好的果蔬。因此，在果蔬检测中极易出现盲点和分类错误。如中国专利CN200810124283.5公布的基于近红外光谱技术的水果内部品质在线检测方法及装置、中国专利CN201210330564.2公布的一种便携式水果内部质量无损检测装置及方法、中国专利CN201210545938.2公布的近红外光谱无损检测水果内部品质的系统及方法等都未解决球形食品高光谱图像采集不完整的问题。同时，目前高光谱检测中，采集光谱是一个一个样品进行，效率较低。
实用新型内容
为了克服现有技术的上述缺点与不足，本实用新型的目的在于提供一种基于高光谱的果蔬表面损伤检测装置，可带动待测果蔬翻转一周，获得待测果蔬表面的全部光谱图像，避免了食品检测中出现盲点，减少了食品分级中的误判。
本实用新型的目的通过以下技术方案实现：
一种基于高光谱的果蔬表面损伤检测装置，包括高光谱扫描系统、果蔬旋转系统、果蔬输送系统；所述高光谱扫描系统设于果蔬旋转系统上方；所述果蔬输送系统包括果蔬输入轨道和果蔬输出轨道；所述果蔬输入轨道位于果蔬旋转系统的上方，所述果蔬输出轨道位于果蔬旋转系统的下方；
所述果蔬旋转系统包括气缸、第一电机、第二电机、第一滚筒和第二滚筒；所述第一滚筒和第二滚筒位于同一水平面，第一滚筒与第一电机连接，第二滚筒与第二电机连接；所述第一滚筒与气缸连接，所述气缸用于控制第一滚筒远离或靠近第二滚筒；
当检测果蔬时，气缸充气，第一滚筒在气缸的控制下向第二滚筒靠近，待测果蔬通过果蔬输入轨道落入第一滚筒和第二滚筒形成的凹槽中，第一电机、第二电机分别带动第一滚筒和第二滚筒转动，待测果蔬在摩擦力的作用下转动，同时高光谱扫描系统采集图像；
当待测果蔬转动一周后，高光谱扫描系统停止采集图像，气缸放气，第一滚筒在气缸的控制下远离第二滚筒，待测果蔬落入果蔬输出轨道。
所述第一滚筒和第二滚筒均为钢制滚筒，表面均设有用于增大滚筒表面与果蔬表面摩擦力的条纹。
所述输入轨道中设有输入轨道隔板，将输入轨道划分为多个通道，每个通道供一个果蔬通过；所述输入轨道隔板延长至第一滚筒和第二滚筒形成的凹槽上方，将落入凹槽的多个果蔬相互隔开。
所述输出轨道中设有输出轨道隔板，将输出轨道划分为多个通道，每个通道供一个果蔬通过。
所述第一滚筒和第二滚筒的大小相同，旋转方向和速度相同。
与现有技术相比，本实用新型具有以下优点和有益效果：
（1）本实用新型的装置可带动待测果蔬翻转一周，获得待测果蔬表面的全部高光谱图像，避免了食品检测中出现盲点，减少了食品分级中的误判。
（2）本实用新型的装置可同时采集多个果蔬表面的高光谱图像，提高了检测效率。
（3）本实用新型的装置结构简单，使用方便。
附图说明
图1为本实用新型的基于高光谱的果蔬表面损伤检测装置的正视图。
图2为本实用新型的基于高光谱的果蔬表面损伤检测装置的果蔬旋转系统的示意图。
图3传统高光谱扫描出的梨近红外光谱图像。
图4为本实用新型的基于高光谱的果蔬表面损伤检测装置扫描出的梨近红外光谱图像。
具体实施方式
下面结合实施例，对本实用新型作进一步地详细说明，但本实用新型的实施方式不限于此。
实施例
如图1～图2所示，本实施例的基于高光谱的果蔬表面损伤检测装置，包括高光谱扫描系统、果蔬旋转系统、果蔬输送系统；所述高光谱扫描系统设于果蔬旋转系统上方；所述果蔬输送系统包括果蔬输入轨道4和果蔬输出轨道8；所述果蔬输入轨道4位于果蔬旋转系统的上方，所述果蔬输出轨道8位于果蔬旋转系统的下方；
所述果蔬旋转系统包括气缸11、第一电机16、第二电机7、第一滚筒9和第二滚筒5；所述第一滚筒9和第二滚筒5位于同一水平面；第一滚筒9与第一电机16连接，所述第二电机7通过皮带6第二滚筒5带动转动；第一电机16置于第一滚筒9内，驱动第一滚筒9绕其轴承转动；所述第一滚筒9与气缸11通过拉杆10连接，所述气缸11用于控制第一滚筒9远离或靠近第二滚筒5；本实施例的第一滚筒和第二滚筒均为钢制滚筒，表面设有用于增大滚筒表面与果蔬表面摩擦力的条纹，筒直径为15cm，转速为2转/min。
所述高光谱扫描系统包括光室1，置于光室内的光源2、镜头13、高光谱仪14和CCD相机15，高光谱仪由近红外光谱仪（芬兰Spectral Imaging有限公司，波长900-2500nm，波长分辨率是6nm）和CCD相机（比利时Xenics InfraredSolutions公司，像素是320×300）构成。相机曝光速度为2ms/次。
当检测果蔬时，气缸充气，第一滚筒在气缸的控制下向第二滚筒靠近，待测果蔬3通过果蔬输入轨道落入第一滚筒9和第二滚筒5形成的凹槽中，第一电机16、第二电机7分别带动第一滚筒9和第二滚筒5转动，待测果蔬3在摩擦力的作用下转动，同时高光谱扫描系统采集图像；
当待测果蔬转动一周后，高光谱扫描系统停止采集图像，气缸放气，第一滚筒在气缸的控制下远离第二滚筒，待测果蔬落入果蔬输出轨道。
本实施例的输入轨道4中设有输入轨道隔板12，将输入轨道4划分为多个通道，每个通道供一个果蔬通过；所述输入轨道隔板12延长至第一滚筒9和第二滚筒5形成的凹槽上方，将落入凹槽的多个果蔬相互隔开；所述输出轨道8中设有输出轨道隔板17，将输出轨道8划分为多个通道，每个通道供一个果蔬通过。通过设置隔板，可同时对多个果蔬进行检测。
本实施例以受损梨为例，对本实施例的基于高光谱的果蔬表面损伤检测装置的检测过程进行说明：
鸭梨100颗购于广州番禺农贸市场，挑选60颗完好的，40颗受损鸭梨（有碰撞损伤，或有多处虫眼或溃烂），梨的平均直径为7cm。采用本实施例的果蔬表面损伤检测装置获得高光谱图像，采用以下步骤对高光谱图像进行分析：
S1、对高光谱图像进行分割。从高光谱装置中采集到的图像，沿着轨道隔板，将每个样品分割为单独的果蔬样品图像。
S2、对果蔬样品图像的反射图像进行独立主成分（ICA）变换，得到第一个独立主成分图像ICA1。利用独立主成分分析（ICA）技术去相关后，可以更加清晰明确地反映梨的受损特性。
S3、将ICA1图像转换为灰度共生矩阵（GLCM），提取4个纹理特征：能量(ASM)、对比度(CON)、相关(COR)和熵(ENT)。生成灰度共生矩阵的方向为45度，灰度灰阶为8。
S4、基于4个GLCM的特征值，对梨样品进行Fisher判别，判别公式为：
Q1=178628.64T1+9815.198T2-545047.163T3+343478.504T4-169536.43
Q2=178679.83T1+10216.606T2-536407.961T3+345120.374T4-168424.77
其中，T1为能量、T2为对比度、T3为相关、T3为熵；
将果蔬样品图像的T1～T4代入上述两式，若得到的Q1大于Q2，则为完好果蔬，反之，则为受损果蔬。
本实施例对对100个梨样品进行检测，60个完好梨中57个检测正确，40个受损梨中38个检测正确，综合检测正确率95%。
图3为利用传统的高光谱扫描装置得到的图像，只能扫描梨的一个面，发现梨上的一个溃烂点（亮斑处）。如果梨完好的一面朝上，则无法检测到梨的溃烂、损伤。采用本实用新型设计的高光谱装置，梨在旋转中被扫描，可以得到梨表面一周的图像信息（图4），可发现梨的多处溃烂点。有效避免了球状果蔬检测中的盲点，提高检测准确性，减少果蔬贮藏运输中的损失。
上述实施例为本实用新型较佳的实施方式，但本实用新型的实施方式并不受所述实施例的限制，其他的任何未背离本实用新型的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本实用新型的保护范围之内。
Claims (4)
1.一种基于高光谱的果蔬表面损伤检测装置，其特征在于，包括高光谱扫描系统、果蔬旋转系统、果蔬输送系统；所述高光谱扫描系统设于果蔬旋转系统上方；所述果蔬输送系统包括果蔬输入轨道和果蔬输出轨道；所述果蔬输入轨道位于果蔬旋转系统的上方，所述果蔬输出轨道位于果蔬旋转系统的下方；
所述果蔬旋转系统包括气缸、第一电机、第二电机、第一滚筒和第二滚筒；所述第一滚筒和第二滚筒位于同一水平面，第一滚筒与第一电机连接，第二滚筒与第二电机连接；所述第一滚筒与气缸连接，所述气缸用于控制第一滚筒远离或靠近第二滚筒；
当检测果蔬时，气缸充气，第一滚筒在气缸的控制下向第二滚筒靠近，待测果蔬通过果蔬输入轨道落入第一滚筒和第二滚筒形成的凹槽中，第一电机、第二电机分别带动第一滚筒和第二滚筒转动，待测果蔬在摩擦力的作用下转动，同时高光谱扫描系统采集图像；
当待测果蔬转动一周后，高光谱扫描系统停止采集图像，气缸放气，第一滚筒在气缸的控制下远离第二滚筒，待测果蔬落入果蔬输出轨道。
2.根据权利要求1所述基于高光谱的果蔬表面损伤检测装置，其特征在于，所述第一滚筒和第二滚筒均为钢制滚筒，表面均设有用于增大滚筒表面与果蔬表面摩擦力的条纹。
3.根据权利要求1所述基于高光谱的果蔬表面损伤检测装置，其特征在于，所述输入轨道中设有输入轨道隔板，将输入轨道划分为多个通道，每个通道供一个果蔬通过；所述输入轨道隔板延长至第一滚筒和第二滚筒形成的凹槽上方，将落入凹槽的多个果蔬相互隔开；
所述输出轨道中设有输出轨道隔板，将输出轨道划分为多个通道，每个通道供一个果蔬通过。
4.根据权利要求1所述基于高光谱的果蔬表面损伤检测装置，其特征在于，所述第一滚筒和第二滚筒的大小相同，旋转方向和速度相同。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201420183159.7U CN203824902U (zh) | 2014-04-15 | 2014-04-15 | 一种基于高光谱的果蔬表面损伤检测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201420183159.7U CN203824902U (zh) | 2014-04-15 | 2014-04-15 | 一种基于高光谱的果蔬表面损伤检测装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN203824902U true CN203824902U (zh) | 2014-09-10 |
Family
ID=51480385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201420183159.7U Expired - Lifetime CN203824902U (zh) | 2014-04-15 | 2014-04-15 | 一种基于高光谱的果蔬表面损伤检测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN203824902U (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103954563A (zh) * | 2014-04-15 | 2014-07-30 | 华南理工大学 | 一种基于高光谱的果蔬表面损伤检测装置 |
| CN104280349A (zh) * | 2014-10-28 | 2015-01-14 | 南京农业大学 | 一种基于高光谱图像对白萝卜糠心鉴定的方法 |
| CN104458744A (zh) * | 2014-11-17 | 2015-03-25 | 浙江大学 | 椭球形水果全表面高光谱图像在线采集装置 |
| CN105158186A (zh) * | 2015-09-17 | 2015-12-16 | 南京农业大学 | 一种基于高光谱图像对白萝卜黑心检测的方法 |
| CN108334718A (zh) * | 2018-03-22 | 2018-07-27 | 北京师范大学 | 冰雹灾害对水果损伤程度的估算方法 |
| IT202000022354A1 (it) * | 2020-09-22 | 2022-03-22 | Biometic S R L | Metodo e apparecchiatura per eseguire un esame iperspettrale della superficie esterna di prodotti vegetali |
-
2014
- 2014-04-15 CN CN201420183159.7U patent/CN203824902U/zh not_active Expired - Lifetime
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103954563A (zh) * | 2014-04-15 | 2014-07-30 | 华南理工大学 | 一种基于高光谱的果蔬表面损伤检测装置 |
| CN103954563B (zh) * | 2014-04-15 | 2016-06-22 | 华南理工大学 | 一种基于高光谱的果蔬表面损伤检测装置 |
| CN104280349A (zh) * | 2014-10-28 | 2015-01-14 | 南京农业大学 | 一种基于高光谱图像对白萝卜糠心鉴定的方法 |
| CN104458744A (zh) * | 2014-11-17 | 2015-03-25 | 浙江大学 | 椭球形水果全表面高光谱图像在线采集装置 |
| CN104458744B (zh) * | 2014-11-17 | 2017-05-03 | 浙江大学 | 椭球形水果全表面高光谱图像在线采集装置 |
| CN105158186A (zh) * | 2015-09-17 | 2015-12-16 | 南京农业大学 | 一种基于高光谱图像对白萝卜黑心检测的方法 |
| CN108334718A (zh) * | 2018-03-22 | 2018-07-27 | 北京师范大学 | 冰雹灾害对水果损伤程度的估算方法 |
| CN108334718B (zh) * | 2018-03-22 | 2021-09-24 | 北京师范大学 | 冰雹灾害对水果损伤程度的估算方法 |
| IT202000022354A1 (it) * | 2020-09-22 | 2022-03-22 | Biometic S R L | Metodo e apparecchiatura per eseguire un esame iperspettrale della superficie esterna di prodotti vegetali |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103954563A (zh) | 一种基于高光谱的果蔬表面损伤检测装置 | |
| CN203824902U (zh) | 一种基于高光谱的果蔬表面损伤检测装置 | |
| CN202010662U (zh) | 水果外观品质实时检测分级系统装置 | |
| CN101832941B (zh) | 一种基于多光谱图像的水果品质评价装置 | |
| CN109187544B (zh) | 一种快速无损检测水果品质的装置及方法 | |
| CN103439270B (zh) | 一种高光谱图像检测桃果实早期冷害的方法 | |
| CN102374996B (zh) | 伞齿轮全齿侧面缺陷多目检测装置及其检测方法 | |
| CN101021478A (zh) | 一种水果品质的激光诱导荧光高光谱图像检测方法和装置 | |
| CN201021922Y (zh) | 一种无损检测水果品质的装置 | |
| CN103109754B (zh) | 血斑蛋在线无损检测分选设备及其方法 | |
| CN203376271U (zh) | 基于机器视觉的非连续性产品在线检测系统 | |
| CN103063585A (zh) | 瓜果成熟度快速无损检测装置及检测系统建立方法 | |
| CN102941189B (zh) | 水果分选机可控旋转角度齿纹托盘装置 | |
| CN104280349A (zh) | 一种基于高光谱图像对白萝卜糠心鉴定的方法 | |
| CN106990120A (zh) | 一种太阳能电池片的质量检测方法及其检测装置 | |
| CN104655060B (zh) | 钢球表面检测装置 | |
| CN104056789A (zh) | 一种胡萝卜缺陷的图像量化检测方法与分拣装置 | |
| CN113252561A (zh) | 一种锅具表面缺陷检测系统及方法 | |
| CN106596562A (zh) | 基于机器视觉的磁环外观质量在线检测装置及方法 | |
| CN106568784A (zh) | 一种用于果蔬表面缺陷在线检测的多光谱成像系统及实现方法 | |
| CN102181514A (zh) | 快速无损伤检测冷却肉菌落总数的方法 | |
| CN116441190A (zh) | 一种龙眼检测系统、方法、设备及存储介质 | |
| CN201707309U (zh) | 基于红外热成像技术的水果表面早期缺陷在线检测装置 | |
| CN113177925A (zh) | 一种无损检测水果表面缺陷的方法 | |
| CN110243805A (zh) | 基于拉曼高光谱成像技术的鱼刺检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CX01 | Expiry of patent term |
Granted publication date: 20140910 |