【技术实现步骤摘要】
一种基于无损检测的多维度枇杷成熟状况分析方法及系统
[0001]本专利技术涉及无损检测
，具体涉及一种基于无损检测的多维度枇杷成熟状况分析方法及系统。
技术介绍
[0002]无损检测是指在检查被检查对象时，不损伤被检测对象的前提下，对被检测对象进行检测。在水果行业中，无损检测常用于进行水果产品的成熟度检测。然而在现有技术中，水果产品的成熟度检测多采用对果品外观图像进行区分，以实现成熟度检测，而仅采用图像区分的方式对枇杷的成熟度检测效果不佳，导致检测准确度较低，并且对后续果品催熟处理针对性差，进而导致果品处理效果不佳的问题。
[0003]因此，在现有技术中对枇杷的成熟度检测方式检测准确度较低，并且对后续果品催熟处理处理针对性差，导致枇杷果品催熟处理的处理效果不佳的技术问题。
技术实现思路
[0004]本申请提供一种基于无损检测的多维度枇杷成熟状况分析方法及系统，用于针对解决现有技术中对枇杷的成熟度检测方式检测准确度较低，并且对后续果品催熟处理处理针对性差，导致枇杷果品催熟处理的处理效果不佳的技术问...
【技术保护点】
【技术特征摘要】
1.一种基于无损检测的多维度枇杷成熟状况分析方法，其特征在于，所述方法包括：采集目标枇杷产品的图像信息；基于高光谱检测设备，对所述目标枇杷产品进行高光谱图像采集，获得高光谱图像；构建多维度枇杷成熟度预测模型，其中，所述多维度枇杷成熟度预测模型包括图像预测模块和高光谱预测模块、成熟度计算分支；将所述图像信息输入所述图像预测模块，获得第一成熟度预测结果；将所述高光谱图像输入所述高光谱预测模块，获得第二成熟度预测结果；将所述第一成熟度预测结果、第二成熟度预测结果输入所述成熟度计算分支进行加权计算，获得成熟度预测结果；采集所述目标枇杷产品的盛花天数，结合所述成熟度预测结果输入催熟分析模型，获得催熟分析结果，采用所述催熟分析结果对所述目标枇杷产品进行催熟。2.根据权利要求1所述的方法，其特征在于，所述构建多维度枇杷成熟度预测模型，包括：基于卷积神经网络，构建所述图像预测模块；构建所述高光谱预测模块；根据所述图像预测模块和高光谱预测模块，构建所述成熟度计算分支；根据构建完成的所述图像预测模块、高光谱预测模块和成熟度计算分支，获得构建完成的所述多维度枇杷成熟度预测模型。3.根据权利要求2所述的方法，其特征在于，所述基于卷积神经网络，构建所述图像预测模块，包括：采集获取多个枇杷产品在不同成熟阶段的图像信息，获得多个样本图像信息；按照不同的多个成熟等级，对所述多个样本图像信息进行标识，获得多个样本第一成熟等级信息；基于卷积神经网络，构建所述图像预测模块；采用所述多个样本图像信息和所述多个样本第一成熟等级信息，对所述图像预测模块进行监督训练、验证和测试，获得准确率符合预设要求的所述图像预测模块。4.根据权利要求3所述的方法，其特征在于，构建所述高光谱预测模块，包括：基于高光谱检测设备，采用所述高光谱检测设备对多个枇杷产品在不同成熟阶段时进行高光谱图像采集，获得多个样本高光谱图像；对所述多个样本高光谱图像进行高光谱图像波长峰值采集，获得多个样本高光谱图像波长峰值；对所述多个枇杷产品在不同成熟阶段时进行果胶含量和纤维素含量采样检测，获得多个样本果胶含量和多个样本纤维素含量；按照不同的多个成熟等级，根据所述多个样本果胶含量和多个样本纤维素含量的大小进行标识，获得多个样本第二成熟等级信息；采用所述多个样本高光谱图像波长峰值、多个样本果胶含量、多个样本纤维素含量和所述多个样本第二成熟等级信息作为构建数据，构建所述高光谱预测模块。5.根据权利要求4所述的方法，其特征在于，采用所述多个样本高光谱图像波长峰值、多个样本果胶含量、多个样本纤维素含量和所述多个样本第二成熟等级信息作为构建数
据，构建所述高光谱预测模块，包括：在所述多个样本高光谱图像波长峰值内随机选择一样本高光谱图像波长峰值，构建所述高光谱预测模块的第一划分节点，所述第一划分节点对输入的高光谱图像波长峰值进行一分类划分；再次在所述多个样本高光谱图像...
【专利技术属性】
技术研发人员：李浩宇，杨大强，姚瑜，郑俊华，于明华，王刚，俞文生，王艳芳，谭芊芊，夏昊，张健，
申请(专利权)人：苏州市园艺站江苏省太湖常绿果树技术推广中心苏州市吴中区果蔬园艺站苏州市吴中区蔬菜副食品办公室苏州市林业站苏州市森林植物检疫站，苏州市绿化指导站苏州市吴中区东山镇渡口村村民委员会，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。