一种稳定可靠的柚果硬粒化无损检测方法技术

本发明专利技术属于无损检测领域，其公开了一种稳定可靠的柚果硬粒化无损检测方法，包括如下步骤：步骤1：获取柚果类样品的X射线无损检测图像；步骤2：从果心位置开始到果皮的连线上，按方向均匀截取连续N个小区域，计算每个小区域内的果肉像素灰度值的平均值；步骤3：将N个平均值绘制成曲线，从果心位置为第一个小区域，计算前M个小区域的平均值构成的曲线的平均斜率，若平均斜率大于第一预设值X，则判断为有果肉硬化现象；若平均斜率小于或等于第一预设值X，则判断为没有果肉硬化现象。该方法在判断柚果硬粒化现象方面检测手段简单、计算量少、结果准确。果准确。果准确。

【技术实现步骤摘要】
一种稳定可靠的柚果硬粒化无损检测方法


[0001]本专利技术涉及无损检测领域，特别是一种稳定可靠的柚果硬粒化无损检测方法。

技术介绍

[0002]基于X光进行无损检测在20年前即有人提出，具体可见：
[0003]章程辉等在2004年于中国热带作物学会上发表的报告《X射线图像在热带水果内部品质无损检测中的应用》，其中引用的相关技术文献大多需要结合神经训练网络匹配X射线才能得到水果水心病等结果。
[0004]《X射线无损检测技术在农产品品质评价中的应用》农机化研究2009年10月由韩平等人发表，其记载了通过X射线结合训练模型得到农产品无损检测的结果。
[0005]CN202210098250.8公开了基于机器视觉和X射线的水果品质综合分级方法和装置，该方法首先采集待分级水果的外观图像，计算果面缺陷、果形大小和色泽三种特征的特征值，依据因子分析法和专家经验将水果外观划分为多个等级，对水果外观图像进行标注并生成标签；其次，搭建外观分级网络，将训练后的外观分级网络作为第一初级分类器；然后采集待分级水果的X射线图像并标注，基于人工特征和CNN特征构建三个分类器，采用决策级融合方式对三个分类器的结果进行融合建立第二初级分类器；最后根据水果品质综合分级规则建立次级分类器输出分级结果。将外观品质和内部缺陷信息相结合，完成了水果品质的综合分级，分级指标更加全面，满足了对高品质水果的分级需求。
[0006]以上记载可以发现，基于X射线特征较少的现状，大多需要较为复杂的训练网络才能得到相对准确的检测结果。r/>[0007]有的X射线成像技术主要用于无损探测内部结构，虽然具有上佳的穿透性，由于获取灰度图像信息，相对于可见/近红外光谱等检测手段，获取的信息不够丰富，因此在农产品内部品质检测上可应用的对象较少，即使应用，如上文献记载，都需要有非常强大的训练模型才能的得到较为准确的检测数据。
[0008]本申请人在针对可见/近红外光谱的无损检测手段进行长期研究后发现，X射线成像技术相较于可见/近红外光谱的无损检测手段虽然在精度上有所欠缺，但是如果能够在某一项水果指标上进行深入研究，可以得到同样准确但是计算量、检测方法更为简单的结果。
[0009]所以，本案针对柚果硬粒化这一具体项目展开研究，探寻能否通过X射线无损检测技术以简单的手段、较少的数据量得到较为精确的结果。

技术实现思路

[0010]本专利技术的目的是提供一种稳定可靠的柚果硬粒化无损检测方法，该方法在判断柚果硬粒化现象方面检测手段简单、计算量少、结果准确。
[0011]本专利技术提供的技术方案为：一种稳定可靠的柚果硬粒化无损检测方法，包括如下步骤：
[0012]步骤1：获取柚果类样品的X射线无损检测图像；
[0013]步骤2：从果心位置开始到果皮的连线上，按方向均匀截取连续N个小区域，计算每个小区域内的果肉像素灰度值的平均值；
[0014]步骤3：将N个平均值绘制成曲线，从果心位置为第一个小区域，计算前M个小区域的平均值构成的曲线的平均斜率，若平均斜率大于第一预设值X，则判断为有果肉硬化现象；若平均斜率小于或等于第一预设值X，则判断为没有果肉硬化现象。
[0015]在上述的稳定可靠的柚果硬粒化无损检测方法中，若平均斜率大于第二预设值Y，则判断为有果肉重度硬化现象；若平均斜率小于或等于第二预设值Y且大于第一预设值X，则判断为有果肉中度硬化现象；X＜Y。
[0016]在上述的稳定可靠的柚果硬粒化无损检测方法中，N为8～50；M为(0.2～0.3)*N；M为正整数。
[0017]在上述的稳定可靠的柚果硬粒化无损检测方法中，还包括步骤4：采用多个柚果类样品，经步骤3获得多条曲线，将曲线按照偏最小二乘等识别算法或多元线性回归算法建立训练模型；
[0018]当训练模型建立后，通过训练模型和曲线判断是否存在果肉硬化现象。
[0019]在上述的稳定可靠的柚果硬粒化无损检测方法中，步骤2中，每个小区域内的果肉像素灰度值的获得方法为：
[0020]步骤21：选择一个柚果类样品的X射线无损检测图像为标准样品，计算该标准样品的X射线无损检测图像的空白区域的灰度值；
[0021]步骤22：将待测的柚果类样品的X射线无损检测图像的空白区域的灰度值和标准样品的X射线无损检测图像的空白区域的灰度值进行比较得到差值；
[0022]步骤23：将差值累加到待测的柚果类样品的X射线无损检测图像中，得到每个小区域内的果肉像素灰度值。
[0023]本专利技术在采用上述技术方案后，其具有的有益效果为：
[0024]本方案采用X射线分析果肉的灰度值，根据果心附近的灰度值来判断水果是否存在硬粒的现象，通过实验分析，最终，对于柚果类样品的硬粒判断的准确性达到了96％以上。
附图说明
[0025]图1是本专利技术的实施例1的流程图；
[0026]图2是本专利技术的实施例1的柚果类样品的X射线无损检测图像；
[0027]图3是本专利技术的实施例1的X射线无损检测图像的灰度值取值示意图；
[0028]图4是本专利技术的实施例1的柚果类样品的灰度值曲线。
具体实施方式
[0029]下面结合具体实施方式，对本专利技术的技术方案作进一步的详细说明，但不构成对本专利技术的任何限制。
[0030]实施例1：
[0031]参考图1，一种稳定可靠的柚果硬粒化无损检测方法，包括如下步骤：
[0032]步骤1：获取柚果类样品的X射线无损检测图像；
[0033]如图2所示，从左往右有3个柚子的X射线无损检测图像；左侧第一个为无硬粒的柚子，中间为有中度硬粒的柚子；右侧为有重度硬粒的柚子；虽然三个样品在图像上有所区别，但是肉眼难以评判果心位置硬粒化发生程度。
[0034]步骤2：从果心位置开始到果皮的连线上，按方向均匀截取连续N个小区域，计算每个小区域内的果肉像素灰度值的平均值；
[0035]如图3所示，N为10，但是实际上N越大越好，N越大，在步骤3的曲线更加平滑准确；但是N越大，灰度值的计算量会略微增大；
[0036]为了消除不同样品的背景光对测量造成的误差，因此需要对灰度值的取值进行进一步的优化，具体来说，步骤2中，每个小区域内的果肉像素灰度值的获得方法为：
[0037]步骤21：选择一个柚果类样品的X射线无损检测图像为标准样品，计算该标准样品的X射线无损检测图像的空白区域的灰度值；
[0038]步骤22：将待测的柚果类样品的X射线无损检测图像的空白区域的灰度值和标准样品的X射线无损检测图像的空白区域的灰度值进行比较得到差值；
[0039]步骤23：将差值累加到待测的柚果类样品的X射线无损检测图像中，得到每个小区域内的果肉像素灰度值。
[0040]步骤3：将N个平均值绘制成曲线，从果心位置为第一个小区域，计算前M个小区域的平均值构成的曲线的平均斜率，若平均斜率大于第一预设值X，则判断为有果肉硬化现象；若平均斜率小于或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种稳定可靠的柚果硬粒化无损检测方法，其特征在于，包括如下步骤：步骤1：获取柚果类样品的X射线无损检测图像；步骤2：从果心位置开始到果皮的连线上，按方向均匀截取连续N个小区域，计算每个小区域内的果肉像素灰度值的平均值；步骤3：将N个平均值绘制成曲线，从果心位置为第一个小区域，计算前M个小区域的平均值构成的曲线的平均斜率，若平均斜率大于第一预设值X，则判断为有果肉硬化现象；若平均斜率小于或等于第一预设值X，则判断为没有果肉硬化现象。2.根据权利要求1所述的稳定可靠的柚果硬粒化无损检测方法，其特征在于，若平均斜率大于第二预设值Y，则判断为有果肉重度硬化现象；若平均斜率小于或等于第二预设值Y且大于第一预设值X，则判断为有果肉中度硬化现象；X＜Y。3.根据权利要求1所述的稳定可靠的柚果硬粒化无损检测方法，其特征在于，N为8～50；M为(0.2～0...

【专利技术属性】
技术研发人员：徐赛，陆华忠，梁鑫，
申请(专利权)人：广东省农业科学院设施农业研究所，
类型：发明
国别省市：