一种无损检测梨的硬度方法技术

本发明专利技术涉及一种无损检测梨的硬度方法，通过可见-近红外波段的高光谱成像系统测得多个不同种类的梨的高光谱图像，再通过黑白版校正，将高光谱图像中每一点的光谱响应强度转换成统一的0-100%的反射率图像，再通过Labview软件对图像的亮度进行提取和着色，将不同的亮度区域区分开，然后在同一颜色区域选取10个不同的点求平均代表整个梨的反射率，结合梨的反射率曲线提取每一波段的反射率信息通过PCA提取特征波段，通过国家标准方法测得的梨的硬度的实际值，再用PLS算法建立回归模型，得到各种类梨的回归方程，根据回归方程，便可通过测量所测梨的光谱图，计算出所测梨的硬度。可以广泛应用于梨的质量检测，检测过程，方便、快捷、无损、准确。

【技术实现步骤摘要】

本专利技术涉及一种水果硬度检测方法，特别涉及一种基于可见近红外高光谱成像技术无损检测梨的硬度的方法。
技术介绍
梨是深受世界各地欢迎的水果，梨的内部品质状况直接影响梨的价值，然后以往测量梨的硬度的方法是通过硬度计等方法将梨破坏掉，这也是中国测量水果硬度的国家标准方法。但这些方法都会对梨产生破坏，造成不必要的损失和浪费，而且测量麻烦，准确率低。高光谱成像技术近年来得到飞速发展，并被广泛的应用于遥感探测，生物医学，食品安全等领域。它通过扫描物体表面得到物体的反射光谱图，通过对反射光谱信息的提取和分析，可以实现很多方向的检测与研究。高光谱成像技术最大的特点就是无损性和快捷性。可见-近红外高光谱成像技术应用于无损检测果蔬的品质的方向已经得到了越来越多的重视。近年来已经有很多运用高光谱成像技术无损检测水果、蔬菜品质的新方法和新专利技术的产生。
技术实现思路
本专利技术是针对测量梨的硬度易造成梨的损坏的问题，提出了一种无损检测梨的硬度方法，涉及可见-近红外高光谱成像技术，通过高光谱成像系统测得梨表面的反射光谱，结合主成分分析PCA和偏最小二乘法PLS算法建立回归模型得出回归函数，通过测得梨的反射光谱就可以根据回归模型计算出梨的硬度，实现快捷无损的检测梨的硬度。本专利技术的技术方案为：一种无损检测梨的硬度方法，通过可见-近红外波段的高光谱成像系统测得多个不同种类的梨的高光谱图像，再通过黑白版校正，将高光谱图像中每一点的光谱响应强度转换成统一的0-100%的反射率图像，再通过Labview软件对图像的亮度进行提取和着色，将不同的亮度区域区分开，然后在同一颜色区域选取10个不同的点求平均代表整个梨的反射率，结合梨的反射率曲线提取每一波段的反射率信息通过主成分分析PCA提取特征波段，通过国家标准方法测得的梨的硬度的实际值，再用偏最小二乘法PLS算法建立回归模型，得到各种类梨的回归方程，根据回归方程，便可通过测量所测梨的光谱图，计算出所测梨的硬度。所述黑白版校正过程为：将反射率高达99.99的聚四氟乙烯的白板放在高光谱相机的聚焦透镜焦平面处，改变曝光时间使相机接收光强在最大光强的80%，记下白板反射强度W，将聚焦透镜用黑板封闭，记下黑板反射强度B1，测完后放回样品，调节曝光时间使得相机接收光强为最大光强的80%，再用黑板封闭透镜，记下样品黑板反射强度B2，通过电机载着样品匀速移动实现样品的全扫描，最终测得样品反射强度为S，则带入校正公式：光谱反射率R=(S-B2/W-B1)x100%，实现黑白板校正。本专利技术的有益效果在于：本专利技术无损检测梨的硬度方法，可以广泛应用于梨的质量检测，等级分类，成熟度检测等方面，甚至可以用于检测还未摘下，且正常生长的梨的硬度。检测过程，方便、快捷、无损、准确，可以用于大规模检测。可以节省大量的人力物力，不但不会损耗梨，而且测得结果，比通过国家规定的标准方法测得的结果更加方便，准确。附图说明图1为本专利技术所用可见-近红外高光谱成像系统示意图；图2为本专利技术通过软件提取梨的反射率信息的流程图；图3为本专利技术高光谱图像三维信息原理图；图4为本专利技术不同品种的梨的平均反射率曲线图；图5为本专利技术建模预测梨的硬度的散点图。具体实施方式一种无损检测梨的硬度方法，通过可见-近红外波段（400-1000nm）的高光谱成像系统分别测得多个梨的高光谱图像，再通过黑白版校正，将高光谱图像中每一点的光谱响应强度转换成统一的0-100%的反射率图像，再通过Labview编写的软件对图像的亮度进行提取和着色，将不同的亮度区域区分开，然后在同一颜色区域选取10个不同的点求平均代表整个梨的反射率。结合梨的反射率曲线提取每一波段的反射率信息通过PCA提取特征波段，根据通过国家标准方法测得的梨的硬度的实际值，再用PLS算法建立回归模型，得到回归方程。根据回归方程，便可以通过测量未知梨的光谱图，计算出它的硬度。如图1所示所用可见-近红外高光谱成像系统示意图，1为光源，2为面阵CCD，3为光谱仪，4为聚焦透镜，5为位移平台，6为梨样品。选取多个大小相同的不同种类的梨（从超市选购的3种新鲜无病害的梨，品种分别为雪梨、皇冠梨和天津鸭梨）作为建模样品，首先将样品放在位移平台5上，调节高光谱相机（高光谱相机包括聚焦透镜4，光谱仪3和面阵CCD2）的高度以及光源1照射的角度，使得样品表面处在聚焦透镜4焦平面处，调节透镜景深，保证拍摄到样品整个曲面的清晰像，通过调节相机的曝光时间和光源大小，使相机的拍摄效果最佳。调好后移开样品，进行黑白板校正，过程为：将白板（反射率高达99.99的聚四氟乙烯）放在聚焦透镜4焦平面处，仅改变曝光时间使相机接收光强在3300（最大光强的80%），记下白板反射强度W，将透镜用黑板封闭，记下黑板反射强度B1，测完后放回样品，调节曝光时间使得相机接收光强为3300，再用黑板封闭透镜，记下样品黑板反射强度B2。通过位移平台5载着样品匀速移动实现样品的全扫描，最终测得样品反射强度为S，则带入校正公式：光谱反射率R=(S-B2/W-B1)x100%实现黑白板校正。拍摄完成后通过Labview编写的软件对黑白板校正后的样品全扫描图像进行着色处理，如图2所示，使图像亮度相近的区域为相同颜色，然后取相同颜色的不同区域10个，求出其平均反射率曲线，其中对单一波长反射率信息提取的过程如图3所示。用Matlab对同一品种的梨样品的反射率信息作平均得到不同品种梨的反射率曲线如图4所示。由图4可以看出在750nm和960nm波长处有两个明显的波谷，它们分别是由梨的内部可溶性糖类等和碳水化合物影响导致的。通过主成分分析法提取第一主成分影响权重最大的波长以及波谷处波长作为有效波长，结合实际测量得到的样品梨的硬度值，通过PLS算法建立回归模型，对梨的硬度进行预测。预测的散点图在图5中显示出来，通过模型的预测结果看出梨的硬度预测值和实际值都集中在回归线旁边，硬度预测的相关系数r高达0.9649，残差RMSEP为0.24，这些结果表明预测值与实际值很相近，通过建立的回归模型能够非常准确的实现对梨的硬度的预测。对于未知的梨，可以仅通过测量其高光谱信息，就可以根据回归模型和回归函数，计算出它的硬度与含糖量，实现了快速、无损、准确的检测梨的硬度。本文档来自技高网...

【技术保护点】
一种无损检测梨的硬度方法，其特征在于，通过可见‑近红外波段的高光谱成像系统测得多个不同种类的梨的高光谱图像，再通过黑白版校正，将高光谱图像中每一点的光谱响应强度转换成统一的0‑100%的反射率图像，再通过Labview软件对图像的亮度进行提取和着色，将不同的亮度区域区分开，然后在同一颜色区域选取10个不同的点求平均代表整个梨的反射率，结合梨的反射率曲线提取每一波段的反射率信息通过主成分分析PCA提取特征波段，通过国家标准方法测得的梨的硬度的实际值，再用偏最小二乘法PLS算法建立回归模型，得到各种类梨的回归方程，根据回归方程，便可通过测量所测梨的光谱图，计算出所测梨的硬度。

【技术特征摘要】
1.一种无损检测梨的硬度方法，其特征在于，通过可见-近红外波段的高光谱成像系统测得多个不同种类的梨的高光谱图像，再通过黑白版校正，将高光谱图像中每一点的光谱响应强度转换成统一的0-100%的反射率图像，再通过Labview软件对图像的亮度进行提取和着色，将不同的亮度区域区分开，然后在同一颜色区域选取10个不同的点求平均代表整个梨的反射率，结合梨的反射率曲线提取每一波段的反射率信息通过主成分分析PCA提取特征波段，通过国家标准方法测得的梨的硬度的实际值，再用偏最小二乘法PLS算法建立回归模型，得到各种类梨的回归方程，根据回归方程，便可通过测量所测梨的光谱图，...

【专利技术属性】
技术研发人员：李柏承，侯宝路，周瑶，李梦远，徐邦联，王琦，张大伟，黄元申，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海;31