一种基于机器学习的苹果糖度无损检测方法技术

本发明专利技术提供了一种基于机器学习的苹果糖度无损检测方法，建立以洛伦兹拟合光谱图像散射分布为基础，利用机器学习中岭回归方法进行预测的模型。采用双边滤波方法对手机拍摄得到的光谱图像进行处理，从而得到干扰较少且特征信息更为显著的光谱。利用光斑中心点定位算法，不断迭代以确定光谱图像最亮点坐标，之后进行数据拟合。拟合得到洛伦兹系数，用于岭回归模型构建，并利用部分苹果数据对模型进行校正，并验证。最终得到的模型更为稳定和准确，可用于苹果糖度无损检测。本发明专利技术不但能够使用最为常用的设备—手机进行检测，而且对苹果的外部以及内部都可进行无损检测，同时能够进行校正，提高了检测的准确性和效率。提高了检测的准确性和效率。提高了检测的准确性和效率。

【技术实现步骤摘要】
一种基于机器学习的苹果糖度无损检测方法


[0001]本专利技术涉及苹果糖度检测领域，具体涉及一种利用高光谱图像结合机器学习进行苹果糖度无损检测方法。

技术介绍

[0002]水果糖度含量是决定水果品质的一个重要指标，往往品质好的水果含糖量越高，同时也越受到消费者的喜欢。但随着人们生活水平日益增长，对水果的需求也更加的丰富。部分人钟爱口味偏酸的水果，另一部分人则钟情于甜甜的口感。于是，为了满足人们多样化的需求，同时也为果农筛选分类水果提供方便，设计一种高效准确便携的无损检测方法和装置势在必行。
[0003]传统的水果品质检测多采用人工检测和化学方法分析。人工检测方式不仅受到工人熟练度、经验等主观感受的影响，而且其判断依据多根据水果的表面特征，存在误差大，效率低，不适用大规模筛选分级。化学方法分析虽然结果准确，但是过程复杂，且需要抽样检测，不能做到全覆盖，同时存在浪费果样，导致一定程度的经济损失。近年来可见/近红外光谱技术作为一种无损的检测手段，已被很多研究人员尝试应用。中国专利文献CN103487396B公开了一种光照参数可调的近红外水果糖本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的苹果糖度无损检测方法，其特征是：通过采集6个特定波长的高光谱图像，与利用糖度计采集得到的苹果糖度数据建立模型；通过灰度处理和双边滤波得到优化后的图像数据；利用光斑中心定位算法精准确定最亮值坐标，以及确定每个散射图像圆环的平均光强值；通过洛伦兹拟合光强和距离信息，得到洛伦兹函数系数；根据所得到的系数，作为岭回归机器学习的数据，划分为校正即和验证集，用于校正得到一个稳定和准确测量的检测模型，得到所述待测苹果的糖度值。2.根据权利要求1所述的基于机器学习的苹果糖度无损检测方法，其特征是：所述灰度处理利用opencv中库函数进行转换，内部的原理遵从如下的权重分配：GRAY＝0.299
×
R+0.587
×
G+0.114
×
B得到的GRAY值就作为该像素点的亮度值。3.根据权利要求2所述的基于机器学习的苹果糖度无损检测方法，其特征是：所述双边滤波由两个函数构成：一个函数是由空间距离决定的滤波器系数，另外一个是由像素差值决定的滤波器系数，双边滤波的公式如下：其中权重系数w(i,j,k,l)，取决于定义域核：和值域核：的乘积。4.根据权利要求3所述的基于机器学习的苹果糖度无损检测方法，其特征是：利用光斑中心定位算法精准确定最亮值坐标：将灰度化后的苹果光谱图像二值化，进行闭操作，首先对像素值为1的部分，即白色部分，并对其求均值得到坐标(x0,y0)，即如此得到的是光斑圆心的粗略位置，之后需要对图像中像素值为0的一系列点(x,y)，进行接下来的循环：(1)求出距离圆心(x
m
...

【专利技术属性】
技术研发人员：朱正，沈嘉彬，王永凯，李宗达，马骏楠，那博超，李平，张杨，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：