一种基于低场核磁共振技术判别腐烂蓝莓的方法技术

本发明专利技术涉及一种基于低场核磁共振技术判别腐烂蓝莓的方法，属于农产品检测领域。本发明专利技术所述方法首先利用低场核磁共振系统采集待检测蓝莓的驰豫谱信息，获得横向驰豫时间和信号幅值，共计6个横向驰豫信号变量；利用低场核磁共振系统采集待检测蓝莓横断面的质子密度加权图像，获得均值、灰度众数、相关性、惯性、灰度灰度平均，共计5个特征变量；将6个横向驰豫信号变量和5个特征变量作为输入矢量，输入BPNN模型，对腐烂蓝莓进行判别。本发明专利技术所述判别腐烂蓝莓的方法采用低场核磁共振技术对腐烂蓝莓进行检测时，不受蓝莓颜色较深腐烂特征不明显的和摆放方位的影响，还可以对蓝莓内部进行多层成像，探究蓝莓腐烂过程中所引起的内部组织变化。

A method for identifying rotten blueberries based on low-field nuclear magnetic resonance

【技术实现步骤摘要】
一种基于低场核磁共振技术判别腐烂蓝莓的方法
本专利技术涉及一种基于低场核磁共振技术判别腐烂蓝莓的方法，属于农产品检测领域。
技术介绍
蓝莓(Blueberry)富含多种营养成分营养成分，包括花青素，黄酮醇，维生素，深受消费者喜爱。但是，采后蓝莓果实极易腐烂，不耐贮藏。腐烂蓝莓也会对贮藏的其他蓝莓产生感染造成更大的损失。传统的腐烂蓝莓检测主要依靠人工分拣，但其存在工作单调、主观性强、耗费时间、不易量化、内部腐烂无法肉眼识别等问题；理化指标检测具有破坏性，存在待测样品预处理繁琐、检测周期长等问题，并且理化指标测试对测试人员有较高的专业要求。因此，针对传统检测方法弊端，采用一种快速、有效、无损的检测技术来提高蓝莓的分拣效率显得尤为重要。常见的蓝莓病害无损检测技术主要有计算机视觉技术和光谱技术。计算机视觉技术只能对腐烂程度较严重的蓝莓检测效果较好，而轻微腐烂的情况则效果不佳，并且由于蓝莓摆放位置的影响，导致蓝莓腐烂区域处于图片采集摄像头盲区时，计算机视觉技术是不能够检测到蓝莓是否发生腐烂的，并且计算机视觉技术不能对蓝莓的内部腐烂进行检测。采用光谱技术对水果病害进行检测时，根据健康区域与病害区域的光谱反射率不同，能够对病害进行检测而不会受到颜色特征的影响，但同样受到蓝莓摆放位置影响，且由于受到反射光谱和透射光谱的透射深度的影响，使用光谱技术对水果内部病害的检测效果不佳。
技术实现思路
本专利技术的目的是解决蓝莓腐烂病害发生时，其由于其颜色较深，轻微腐烂病害检测效率不佳问题；而且不受蓝莓摆放位置的影响，还可以对内部腐烂情况进行检测。本专利技术提供的快速、精准的蓝莓腐烂病检测方法，利用低场核磁共振系统采集蓝莓驰豫谱信息和质子密度图像。研究发现健康蓝莓的驰豫谱与腐烂蓝莓的驰豫谱有很大的区别，蓝莓腐烂后横向驰豫时间T21、T22、T23出现不同程度的增加，而信号幅值A21、A22、A23出现不同程度的减小。将6个横向驰豫信号变量作为输入矢量，采用BPNN判别模型对蓝莓腐烂病进行判别。通过核磁共振成像(MRI)可知，蓝莓腐烂区域颜色变暗，提出采用二次阈值分割法对腐烂区域进行图像分割，针对提取腐烂区域图像的灰度直方图、灰度共生矩阵、灰度梯度共生矩阵共计14个特征变量与蓝莓腐烂级别进行相关性分析，选择5个特征变量，将5个图像特征变量作为BPNN的输入矢量，对蓝莓腐烂病进行判别。最后将横向驰豫数据与图像特征数据共计11个输入矢量输入BPNN模型，对蓝莓腐烂病进行判别。采用LF-NMR和MRI对蓝莓腐烂病害进行分析与检测是可行的，为蓝莓病害无损检测研究提供了理论基础。一种基于低场核磁共振技术判别腐烂蓝莓的方法，所述方法包括下述步骤：①利用低场核磁共振系统采集待检测蓝莓的驰豫谱信息，获得横向驰豫时间T21、T22、T23和信号幅值A21、A22、A23，共计6个横向驰豫信号变量；②利用低场核磁共振系统采集待检测蓝莓横断面的质子密度加权图像，获得灰度直方图均值、灰度直方图灰度众数、灰度共生矩阵相关性、灰度梯度共生矩阵惯性、灰度梯度共生矩阵灰度平均，共计5个特征变量；③将步骤①获得的6个横向驰豫信号变量和步骤②获得的5个特征变量作为输入矢量，输入BPNN(误差反向传播神经网络)模型，对腐烂蓝莓进行判别。本专利技术所述“低场核磁共振系统”为现有技术提供的低场核磁共振装置，可商业购得。本专利技术所述方法适用于各种品种的蓝莓。本专利技术所述方法利用误差反向传播神经网络模型进行判别可于MATLAB软件工具箱BPNN中实现。具体地，MATLAB软件工具箱BPNN设置参数如下：BPNN模型输出向量的维数为2，输出层采用二进制字符进行识别，“1”对应健康蓝莓；“0”对应腐烂蓝莓；激活函数为tansig，输出层函数为tansig，网络训练函数为trainlm，训练步数为5000，训练目标为0.0001。本专利技术所述基于低场核磁共振技术判别腐烂蓝莓的方法中，所述步骤③中，BPNN模型输出向量的维数为2，输出层采用二进制字符进行识别，“1”对应健康蓝莓；“0”对应腐烂蓝莓；激活函数为tansig，输出层函数为tansig，网络训练函数为trainlm，训练步数为5000，训练目标为0.0001。进一步地，在进行步骤③前，将步骤①获得的6个横向驰豫信号变量和步骤②获得的5个特征变量进行归一化处理，使所有特征向量的范围都限定在(0,1)之间。本专利技术BPNN模型在网络训练和测试前，对驰豫信号的6个变量(3个驰豫时间T21、T22、T23；3个信号幅值A21、A22、A23)进行归一化处理，以避免动态范围大的特征淹没动态范围小的特征，使它们具有同等的作用，所有特征向量的范围都限定在(0,1)之间。本专利技术所述BPNN模型的训练按下述方法完成：采集腐烂蓝莓和健康蓝莓至少各80个作为训练集样本，获取训练集样本的横向驰豫时间T21、T22、T23和信号幅值A21、A22、A23，灰度直方图均值、灰度直方图灰度众数、灰度共生矩阵相关性、灰度梯度共生矩阵惯性、灰度梯度共生矩阵灰度平均，共计11个变量作为BPNN模型的输入矢量；BPNN模型输出向量的维数为2，输出层采用二进制字符进行识别，“1”对应健康蓝莓；“0”对应腐烂蓝莓；激活函数为tansig，输出层函数为tansig，网络训练函数为trainlm，训练步数为5000，训练目标为0.0001。优选地，采集样本为腐烂蓝莓和健康蓝莓各80个。本专利技术所述基于低场核磁共振技术判别腐烂蓝莓的方法中，所述步骤①中，所述横向驰豫时间T21、T22、T23和信号幅值A21、A22、A23按下述方法获得：将待测蓝莓置于低场核磁共振系统，并采用硬脉冲回波序列检测蓝莓的横向弛豫过程，使用迭代寻优的方法将采集到的T2衰减曲线带入驰豫模型中拟合并反演可得到样品的T2驰豫信息，包括弛豫时间及其对应的弛豫信号幅值；T2横向驰豫图谱的驰豫时间变化范围为0.01ms～1000ms，分别记为T21(0.01ms～10ms)、T22(10ms～100ms)、T23(100ms～1000ms)，T21、T22和T23相应的信号幅值为A21、A22、A23。本专利技术所述基于低场核磁共振技术判别腐烂蓝莓的方法中，所述步骤②中，所述5个特征变量按下述方法获得：将待测蓝莓置于低场核磁共振系统，并采用MSE多层自旋回波序列采集蓝莓横断面的质子密度图像；采用二次阈值分割法进行阈值分割，获得蓝莓腐烂区域的二值化图像，并获取所得蓝莓腐烂区域的二值化图像的灰度直方图均值、灰度直方图灰度众数、灰度共生矩阵相关性、灰度梯度共生矩阵惯性、灰度梯度共生矩阵灰度平均。进一步地，所述步骤②中，所述二次阈值分割法按下述方法进行：第一次阈值分割时，阈值为50，将灰度值低于阈值的设置为0，将灰度值高于阈值的设置为1，经过膨胀、腐蚀处理，再去除孤立像素后，即可得到分割蓝莓区域的二值化图像；将原始灰度图像与二值化图像做掩膜处理，得到蓝莓区域图像，蓝莓图像灰度值保持不变，而区域外图像灰度值都为0；第二次阈值分割时，阈值为155，将腐烂区域从蓝莓中分割出来，背景区域的灰度值不变，继续设置为0，在蓝莓区域，若灰度值大于阈值，则设置为0，若灰度值小于阈值则设置为1，然后经过膨胀、腐蚀处理，即得到蓝莓腐烂区域的二值化图像。本本文档来自技高网...

【技术保护点】
1.一种基于低场核磁共振技术判别腐烂蓝莓的方法，其特征在于：所述方法包括下述步骤：①利用低场核磁共振系统采集待检测蓝莓的驰豫谱信息，获得横向驰豫时间T21、T22、T23和信号幅值A21、A22、A23，共计6个横向驰豫信号变量；②利用低场核磁共振系统采集待检测蓝莓横断面的质子密度加权图像，获得灰度直方图均值、灰度直方图灰度众数、灰度共生矩阵相关性、灰度梯度共生矩阵惯性、灰度梯度共生矩阵灰度平均，共计5个特征变量；③将步骤①获得的6个横向驰豫信号变量和步骤②获得的5个特征变量作为输入矢量，输入BPNN模型，对腐烂蓝莓进行判别。

【技术特征摘要】
1.一种基于低场核磁共振技术判别腐烂蓝莓的方法，其特征在于：所述方法包括下述步骤：①利用低场核磁共振系统采集待检测蓝莓的驰豫谱信息，获得横向驰豫时间T21、T22、T23和信号幅值A21、A22、A23，共计6个横向驰豫信号变量；②利用低场核磁共振系统采集待检测蓝莓横断面的质子密度加权图像，获得灰度直方图均值、灰度直方图灰度众数、灰度共生矩阵相关性、灰度梯度共生矩阵惯性、灰度梯度共生矩阵灰度平均，共计5个特征变量；③将步骤①获得的6个横向驰豫信号变量和步骤②获得的5个特征变量作为输入矢量，输入BPNN模型，对腐烂蓝莓进行判别。2.根据权利要求1所述的方法，其特征在于：在进行步骤③前，将步骤①获得的6个横向驰豫信号变量和步骤②获得的5个特征变量进行归一化处理，使所有特征向量的范围都限定在(0,1)之间。3.根据权利要求1所述的方法，其特征在于：所述步骤③中，BPNN模型输出向量的维数为2，输出层采用二进制字符进行识别，“1”对应健康蓝莓；“0”对应腐烂蓝莓；激活函数为tansig，输出层函数为tansig，网络训练函数为trainlm，训练步数为5000，训练目标为0.0001。4.根据权利要求1或2所述的方法，其特征在于：采集腐烂蓝莓和健康蓝莓至少各80个作为训练集样本，获取训练集样本的横向驰豫时间T21、T22、T23和信号幅值A21、A22、A23，灰度直方图均值、灰度直方图灰度众数、灰度共生矩阵相关性、灰度梯度共生矩阵惯性、灰度梯度共生矩阵灰度平均，共计11个变量作为BPNN模型的输入矢量；BPNN模型输出向量的维数为2，输出层采用二进制字符进行识别，“1”对应健康蓝莓；“0”对应腐烂蓝莓；激活函数为tansig，输出层函数为tansig，网络训练函数为trainlm，训练步数为5000，训练目标为0.000...

【专利技术属性】
技术研发人员：田有文，乔世成，宋士媛，
申请(专利权)人：沈阳农业大学，
类型：发明
国别省市：辽宁,21