基于可见/近红外光谱技术的李子硬度无损检测方法技术

本发明专利技术公开了基于可见/近红外光谱技术的李子硬度无损检测方法，该方法包括以下步骤：收集不同品种的新鲜李子样本，利用高光谱图像采集系统采集李子样本的高光谱图像；对高光谱图像进行黑白校正，并采用中值滤波和数学形态学处理方法构建掩膜图像以提取李子整个果实区域的平均光谱反射率；利用SPXY算法将获取的光谱数据划分为校正集和检验集，采用标准正态变换(SNV)对光谱数据进行预处理，获得校正和检验样本集光谱数据库；利用数显果实硬度计测量校正和检验样本集中李子样本的硬度值；利用主成分回归方法(PCR)结合化学计量学，建立李子硬度的预测模型；本发明专利技术基于可见/近红外光谱技术可快速、无损地检测李子硬度。

【技术实现步骤摘要】
基于可见/近红外光谱技术的李子硬度无损检测方法
本专利技术涉及水果内部品质无损检测
，尤其涉及一种基于可见/近红外光谱技术的李子硬度无损检测方法。
技术介绍
李子果实肥硕，汁甜肉脆且味酸，能促进胃酸和胃消化酶的分泌，具有促进消化的功效；而且李子果肉中含有丰富的氨基酸，具有利尿消肿的作用，对肝硬化有辅助治疗效果；另外，李子果肉中含有多种营养成分，经常食用又可起到非常好的美容养颜作用，非常受人们的青睐。李子的硬度是判别其成熟度的重要指标之一，由于李子属于典型的呼吸跃变型水果，采后李子果肉极易后熟软化，难以贮藏。通常采摘还未成熟的李李，以延长其贮藏期；但若采摘过早，李子过于生硬影响口感，若采摘过晚，李子过于柔软，容易腐烂难以贮藏。因此，确定合适的采摘成熟度是延长贮藏期并保证水果品质的关键因素(李军宇，张淑娟，张学豪，等.李果实成熟度的高光谱成像判别研究[J].农机化研究,2017,39(12):141-145.)。目前对李子硬度的测定需要对样品进行处理,会破坏检测样品,难以实现快速、大样本量的无损检测。高光谱成像技术集图像信息与光谱信息于一身，在获得样本图像的同时，还为图像上每个像素点提供其波长点的光谱信息，实现了“图谱合一”，是近年来越来越多地应用于农产品品质与安全的无损检测。有相关专利采用高光谱成像技术检测水果硬度的方法(基于高光谱的芒果冲击损伤后硬度预测方法，CN201710738975.8；一种无损检测梨的硬度方法，CN201410630019.4)，均需先采用特征波长提取方法提取有效预测水果硬度的特征波段，然后利用偏最小二乘算法建立回归模型，导致建模过程相对复杂，建模周期长，劳动付出大。因此利用主成分回归方法(PCR)结合化学计量学，建立李子硬度的预测模型，可实现快速、无损检测。
技术实现思路
本专利技术的目的在于提供一种基于可见/近红外光谱技术的李子硬度无损检测方法，旨在实现快速、无损的识别。本专利技术的技术方案：一种基于可见/近红外光谱技术的李子硬度无损检测方法，该方法的步骤如下：1)收集不同品种的新鲜李子样本，利用高光谱图像采集系统采集李子样本的高光谱图像，并对采集到的高光谱图像进行黑白校正，进一步采用中值滤波和数学形态学处理方法构建掩膜图像以提取李子整个果实区域的平均光谱反射率，获得李子样本的原始光谱数据；2)利用数显果实硬度计(GY-4)测量步骤1)所述李子样本的硬度，进而建立李子硬度数据库；3)利用SPXY算法将步骤1)所得的光谱数据划分为校正集和检验集，采用标准正态变换(SNV)对校正集和检验集原始光谱数据进行预处理，以消除表面散射以及光程变化对光谱的影响，建立校正和检验样本集光谱数据库；4)结合预处理后的校正样本集光谱数据和实际测得的硬度值，采用主成分回归方法(PCR)结合化学计量学建立预测模型，模型先选择累积贡献率超过一定阈值(≤1)的若干个主成分进行主成分回归建模，再利用步骤3)所得预处理后预测样本集光谱数据对预测模型进行验证和校正，最后获得最优的预测模型；5)利用高光谱图像采集系统扫描待检李子样本，构建掩膜图像以提取样本整个果实区域的平均光谱反射率，获得样本的原始光谱数据，对所得光谱数据进行预处理后，采用主成分分析法选择累积贡献率超过一定阈值(≤1)的若干个主成分采用主成分分析法选择累积贡献率超过一定阈值(≤1)的若干个主成分输入步骤4)所得的预测模型，计算得到测定待检李子样本的硬度。所述步骤1)中的高光谱图像采集系统包括：CCD相机、成像光谱仪、镜头、漫反射光源、电动平移台、暗箱和计算机，李子样本放在电动平移台上。所述步骤1)中的高光谱图像采集系统中CCD相机的曝光时间是12.6ms，相机镜头与样本距离为40cm，电动平移台的移动速度是1.35cm/s，光谱采集范围为400～1000nm，光谱波段为256个；漫反射光源为四个200W溴钨灯，采用梯形结构安装于暗箱中。所述的步骤1)采用ENVI5.4图像处理软件构建掩膜图像以提取李子整个果实区域的平均光谱。所述的步骤3)和步骤4)采用MATLABR2016b软件实现对样本原始光谱数据的预处理以及预测模型的建立。本专利技术的有益效果在于：本专利技术提供的光谱数据的预处理方法(标准正态变换(SNV))有效地降低了噪声信号对原始光谱数据的干扰，有利于对原始高光谱数据进行深度挖掘。本专利技术通过采集李子的高光谱图像，获取李子感兴趣区域(ROI)的平均光谱反射率，采用主成分回归方法(PCR)结合化学计量学建立了李子硬度的预测模型，为李子硬度的检测提供了一种快速、无损的方法。附图说明图1为本专利技术实施例提供的李子样本高光谱图像的平均光谱曲线图；图2为本专利技术实施例提供的经标准正态变换(SNV)处理后的光谱曲线图；图3为本专利技术实施例提供的PCR建模方法下建模集李子硬度预测值与实际值的比较示意图。具体实施方式下面对本专利技术的具体实施方式作进一步详细的说明，但本专利技术并不局限于这些实施方式，任何在本实施例基本精神上的改进或代替，仍属于本专利技术权利要求所要求保护的范围。一种基于可见/近红外光谱技术的李子硬度无损检测方法，包括以下步骤：1.收集不同品种的新鲜李子样本，利用高光谱图像采集系统采集李子样本的高光谱图像，其中CCD相机的曝光时间是12.6ms，相机镜头与样本距离为40cm，电动平移台的移动速度是1.35cm/s，采集400～1000nm波段高光谱图像；并对采集到的高光谱图像进行黑白校正，即在与样本采集相同的系统条件下，首先扫描标准白色校正板，得到全白的标定图像W；然后，盖上相机的镜头盖进行图像采集得到全黑的标定图像；最后，按照下面校正公式完成图像标定，采集得到的原始图像I变成校正图像R；2.利用数显果实硬度计(GY-4)测量步骤1所述李子样本的硬度，进而建立李子硬度数据库；3.利用SPXY算法将步骤1所得的光谱数据划分为校正集和检验集，采用标准正态变换(SNV)对校正集和检验集原始光谱数据进行预处理，以消除表面散射以及光程变化对光谱的影响，建立校正和检验样本集光谱数据库；4.结合预处理后的校正样本集光谱数据和实际测得的硬度值，采用主成分回归方法(PCR)结合化学计量学建立预测模型，模型先选择累积贡献率超过一定阈值(≤1)的若干个主成分进行主成分回归建模，再利用步骤3所得预处理后预测样本集光谱数据对预测模型进行验证和校正，最后获得最优的预测模型；5.利用高光谱图像采集系统扫描待检李子样本，构建掩膜图像以提取样本整个果实区域的平均光谱反射率，获得样本的原始光谱数据，对所得光谱数据进行预处理后，采用主成分分析法选择累积贡献率超过一定阈值(≤1)的若干个主成分输入步骤4所得的预测模型，计算得到测定待检李子样本的硬度。实施例11.本实施例中在当地沃尔玛超市选取一批大小均匀完好无损红李子120个、青李子60个，共180个李子样本；将所有样本按顺序编号，利用高光谱图像采集系统采集李子样本的高光谱图像，其中CCD相机的曝光时间是12.6ms，相机镜头与样本距离为40cm，电动平移台的移动速度是1.35cm/s；图像采集过程由SpectralSENS(SpectralImagingLtd.，Finland)软件控制，光谱范围为集400～1000nm，在此范围内共256个波段本文档来自技高网...

【技术保护点】
1.一种基于可见/近红外光谱技术的李子硬度无损检测方法，其特征在于：该方法的步骤如下：1)收集不同品种的新鲜李子样本，利用高光谱图像采集系统采集李子样本的高光谱图像，并对采集到的高光谱图像进行黑白校正，进一步采用中值滤波和数学形态学处理方法构建掩膜图像以提取李子整个果实区域的平均光谱反射率，获得李子样本的原始光谱数据；2)利用数显果实硬度计(GY‑4)测量步骤1)所述李子样本的硬度，进而建立李子硬度数据库；3)利用SPXY算法将步骤1)所得的光谱数据划分为校正集和检验集，采用标准正态变换(SNV)对校正集和检验集原始光谱数据进行预处理，以消除表面散射以及光程变化对光谱的影响，建立校正和检验样本集光谱数据库；4)结合预处理后的校正样本集光谱数据和实际测得的硬度值，采用主成分回归方法(PCR)结合化学计量学建立预测模型，模型先选择累积贡献率超过一定阈值(≤1)的若干个主成分进行主成分回归建模，再利用步骤3)所得的预处理后预测样本集光谱数据对预测模型进行验证和校正，最后获得最优的预测模型；5)利用高光谱图像采集系统扫描待检李子样本，构建掩膜图像以提取样本整个果实区域的平均光谱反射率，获得样本的原始光谱数据，对所得光谱数据进行预处理后，采用主成分分析法选择累积贡献率超过一定阈值(≤1)的若干个主成分输入步骤4)所得的预测模型，计算得到测定待检李子样本的硬度。...

【技术特征摘要】
1.一种基于可见/近红外光谱技术的李子硬度无损检测方法，其特征在于：该方法的步骤如下：1)收集不同品种的新鲜李子样本，利用高光谱图像采集系统采集李子样本的高光谱图像，并对采集到的高光谱图像进行黑白校正，进一步采用中值滤波和数学形态学处理方法构建掩膜图像以提取李子整个果实区域的平均光谱反射率，获得李子样本的原始光谱数据；2)利用数显果实硬度计(GY-4)测量步骤1)所述李子样本的硬度，进而建立李子硬度数据库；3)利用SPXY算法将步骤1)所得的光谱数据划分为校正集和检验集，采用标准正态变换(SNV)对校正集和检验集原始光谱数据进行预处理，以消除表面散射以及光程变化对光谱的影响，建立校正和检验样本集光谱数据库；4)结合预处理后的校正样本集光谱数据和实际测得的硬度值，采用主成分回归方法(PCR)结合化学计量学建立预测模型，模型先选择累积贡献率超过一定阈值(≤1)的若干个主成分进行主成分回归建模，再利用步骤3)所得的预处理后预测样本集光谱数据对预测模型进行验证和校正，最后获得最优的预测模型；5)利用高光谱图像采集系统扫描待检李子样本，构建掩膜图像以提取样本整个果实区域的平均光谱反射率，获得样本的原始光谱数据，对所得光谱数据进行预处理后，采用主成...

【专利技术属性】
技术研发人员：尚静，张艳，孟庆龙，
申请(专利权)人：贵阳学院，
类型：发明
国别省市：贵州,52