一种基于X射线图像的柚子果实可食率检测分级方法技术

本发明专利技术公开了一种基于X射线图像的柚子果实可食率检测分级方法。采集柚子纵向和横向的原始X射线图像A，分别降噪和灰度拉伸得到增强X射线图像B，对增强X射线图像B处理获得纵向和横向二维可食率，同时进行纵径和横径提取进而计算果形指数，建立柚子果实可食率的预测模型，将纵向和横向二维可食率和果形指数输入到预测模型获得预测果实可食率；根据预设的分类阈值判断柚子果实可食率的分级结果。本发明专利技术能够有效避免柚子损伤，通过X射线图像与图像处理技术相结合，提高柚子果实可食率预测的准确率。率。率。

【技术实现步骤摘要】
一种基于X射线图像的柚子果实可食率检测分级方法


[0001]本专利技术涉及一种基于X射线图像的柚子果实可食率检测分级方法，主要用于柚子的采后商品化处理过程，根据柚子的内部品质(可食率)进行分级，打造优等果品牌效应，进而提高柚子行业的经济效益。

技术介绍

[0002]我国是一个柚子生产大国，总产量稳居世界第一，占全球总产量的一半以上。然而我国柚子行业的经济效益还有很大进步空间，主要体现在我国果品产后处理与商品化阶段技术手段较为落后，和许多世界发达国家相比市场竞争力较弱。许多研究与实践表明，水果内外部品质的检测分级技术对提高果品行业经济效益具有重要作用。
[0003]可食率是柚子内部品质的重要指标之一，仅从外观难以辨别其内部果肉质量多少，国内外对柚子果实可食率检测方法的研究也十分少见。
[0004]黄玲等(2010)(黄玲，石玉秋，胡波.基于GMDH算法的柚子果实可食率估测[J].安徽农业科学，2010(12):2.)基于数据处理组合方法(GMDH)，在可食率估测中将柚子体积和重量两个特征作为网络的输入，估测可食率作为网络的输出，16个柚子估测可食率的误差绝对值平均值为4.45％。
[0005]耿一曼(2012)(耿一曼.X射线无损检测技术在柚子品质检测中的应用研究[D].福建农林大学，2012.)利用X射线得到柚子赤道面灰度图像，建立果肉的厚度模型和体积模型，再根据果肉的平均密度得到果肉质量，计算得出估测可食率，将64个柚子样品分为三级(65％和70％为分界线)，误判率为7.81％。
[0006]可食率低的柚子往往存在皮厚、肉质不饱满等问题，降低了消费者的购买体验。传统人工测量可食率的方式极其耗时费力，根据琯溪蜜柚国家标准GB/T27633
‑
2011需要测量全果、外果皮、海绵层和种子的质量，该方法不仅会对柚子造成破坏性的损伤，也难以满足在线检测的产业需求。
[0007]现有技术中缺少了一种无损快速且有效的可食率检测方法。

技术实现思路

[0008]为了解决
技术介绍
中存在的问题和需求，本专利技术提供了一种基于X射线图像的柚子果实可食率检测分级方法。
[0009]本专利技术采用的技术方案如下：
[0010]1)图像采集：利用X射线图像采集设备，采集柚子在纵向和横向两个方向的原始X射线图像A；
[0011]所述横向平行于柚子的赤道面，纵向垂直于柚子的赤道面。
[0012]2)图像增强：对获得的纵向和横向两个方向的原始X射线图像A分别进行降噪和灰度拉伸，得到纵向和横向两个方向各自清晰且对比度高的增强X射线图像B；
[0013]3)二维可食率获取：对纵向和横向的增强X射线图像B分别处理获得纵向二维可食
率、横向二维可食率；
[0014]4)果形指数获取：再利用图像处理对纵向下的增强X射线图像B进行纵径和横径提取，计算纵径与横径的比值作为用于校正二维可食率的果形指数，果形指数用以校正纵向得到的二维可食率；
[0015]5)基于纵向二维可食率、横向二维可食率和果形指数的三个特征，建立柚子果实可食率的预测模型以进行果实可食率预测，预测模型中使用果形指数对二维可食率校正，将实际待测柚子的纵向二维可食率、横向二维可食率和果形指数输入到预测模型中获得预测果实可食率；
[0016]6)柚子果实可食率分级：根据预先设定的柚子果实可食率分类阈值，利用步骤5)中得到预测果实可食率，判断柚子果实可食率的分级结果，即判断柚子果实可食率是否合格或优级。
[0017]所述步骤3)中，是对纵向和横向的增强X射线图像B均进行阈值分割，利用两个预设的阈值将图像分割为背景区域、果皮区域(含海绵层)和果肉区域的三部分，对其中提取的果肉区域和果皮区域进行特定图像处理获得二维可食率，纵向和横向的增强X射线图像B对应获得的二维可食率分别作为纵向二维可食率和横向二维可食率。
[0018]所述步骤3)中，先计算果肉区域中的像素总数N
F
和果皮区域中的像素总数N
P
，再根据以下公式获得柚子X射线图像下的二维可食率2D edible rate；
[0019][0020]对于纵向的增强X射线图像B中的果肉区域和果皮区域，和横向的增强X射线图像B中的果肉区域和果皮区域的处理均相同。
[0021]所述步骤5)中的预测模型建立为以下公式：
[0022]y＝A+Bx1+Cx2+Dx3[0023]其中，y代表柚子的预测果实可食率，x1代表纵向二维可食率，x2代表横向二维可食率，x3代表果形指数，A、B、C、D分别表示预测模型的第一、第二、第三、第四拟合参数。
[0024]第一、第二、第三、第四拟合参数A、B、C、D均可通过事先试验标定拟合获得。
[0025]本专利技术是利用X射线成像系统采集柚子纵向和横向的原始灰度图像，经过降噪和灰度拉伸后，得到清晰且对比度高的柚子X射线图像，之后获取柚子的X射线图像二维可食率和果形指数，并以此为特征建立和验证柚子果实可食率预测模型，最后利用预测模型训练标定拟合参数，以可食率为指标对柚子进行分类。
[0026]本专利技术具有的有益效果是：
[0027]本专利技术能够有效避免柚子损伤，通过X射线图像与图像处理技术相结合，做到节省大量时间与人力成本的快速检测，同时引入纵向、横向两个方向的图像，进一步提高柚子果实可食率预测的准确率，可为实现柚子的优质筛选提供技术支撑。
[0028]本专利技术基于X射线图像提出了“二维可食率”的获得和处理，并针对纵向的二维可食率受果形影响较大的问题，引入了果形指数加以修正。
附图说明
[0029]图1是本专利技术的整体流程图；
[0030]图2是本专利技术的柚子纵向原始X射线图像；
[0031]图3是本专利技术的柚子横向原始X射线图像；
[0032]图4是本专利技术的图2增强后图像；
[0033]图5是本专利技术的图3增强后图像；
[0034]图6是本专利技术的图4阈值分割后图像；
[0035]图7是本专利技术的图5阈值分割后图像；
[0036]图8是本专利技术的预测模型散点图；
[0037]图9是本专利技术的分类器分类结果图。
具体实施方式
[0038]下面结合附图和具体实施例对本专利技术作进一步的说明。
[0039]本专利技术选取蜜柚作为实施例：
[0040]如图1所示，本专利技术包括以下步骤：
[0041]1)图像采集：
[0042]如图2和图3所示，利用X射线图像采集设备，采集柚子纵向和横向原始X射线图像A；
[0043]2)图像增强：
[0044]如图4和图5所示，对获得的柚子X射线原始图像A进行降噪和灰度拉伸，降噪方法为采用窗口大小为9
×
9的维纳滤波器，灰度拉伸方法为将横向图像A的灰度区间由30
‑
109线性平滑拉伸至38
‑
251，纵向图像A的灰度区间由29
‑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于X射线图像的柚子果实可食率检测分级方法，其特征在于：方法包括以下步骤：1)图像采集：利用X射线图像采集设备，采集柚子在纵向和横向两个方向的原始X射线图像A；2)图像增强：对获得的纵向和横向两个方向的原始X射线图像A分别进行降噪和灰度拉伸，得到纵向和横向两个方向各自的增强X射线图像B；3)二维可食率获取：对纵向和横向的增强X射线图像B分别处理获得纵向二维可食率、横向二维可食率；4)果形指数获取：再利用图像处理对纵向下的增强X射线图像B进行纵径和横径提取，计算纵径与横径的比值作为用于校正二维可食率的果形指数；5)基于纵向二维可食率、横向二维可食率和果形指数的三个特征，建立柚子果实可食率的预测模型，将实际待测柚子的纵向二维可食率、横向二维可食率和果形指数输入到预测模型中获得预测果实可食率；6)柚子果实可食率分级：根据预先设...

【专利技术属性】
技术研发人员：徐惠荣，张雨辰，应义斌，李麟，
申请(专利权)人：浙江开浦科技有限公司，
类型：发明
国别省市：