【技术实现步骤摘要】
基于FPGA及高光谱的水果品质实时无损检测方法
[0001]本专利技术涉及无损检测
,具体涉及基于FPGA及高光谱的水果品质实时无损检测方法。
技术介绍
[0002]如今的生活方式对于水果的品质要求更加细致,主要通过内部的糖酸度、硬度、含水量内部病变以及外部损伤等方面来对水果进行品质分类。对于这些评价指标目前所采用的主流检测方案包括了常规的物理、化学法以及近年来较流行的近红外高光谱和机器视觉技术,前两种属于破坏性的检测,后两种属于无损检测方法。
[0003]有损的检测方法工作量大、试验周期长,属于抽样检测,难以确保准确性。而采用无损检测方法的设备检测项目较为单一,且一样一检,这使得对于其多个检测项目要求实现困难,效率低下、成本较高。
技术实现思路
[0004]针对现有技术中的缺陷,本专利技术提供一种基于FPGA及高光谱的水果品质实时无损检测方法,以提高检测效率,提升检测品质,能满足多个项目的同时检测。
[0005]为了达到上述目的,本申请提供了基于FPGA及高光谱的水果品质实时无损检测方 ...
【技术保护点】
【技术特征摘要】
1.基于FPGA及高光谱的水果品质实时无损检测方法,其特征在于,包括一个或多个具有检测模型的模块,水果的光谱图输入到检测模型中,通过检测模型输出各个水果的糖酸度以及损伤程度;其中,检测模型的建立步骤如下:S1.获取水果的光谱图像;将水果进行不同程度的撞击形成损伤,然后散落的置于检测平台上,高光谱相机垂直于检测平台,自上而下的进行拍摄,捕捉到所有水果的光谱图象S2.获取水果样品的指标参数;利用糖酸计测量每个水果的糖度与酸度值,根据测得的糖度与酸度值作为标签值;并根据步骤S1中水果撞击次数来对外部损伤程度进行分级;S3.分隔单个样品图像;利用语义分割模型进行图像分割的数据预处理;S4.基于卷积神经网络的光谱特征筛选;通过卷积层和采样层来提取对象特征,选择Sigmoid作为卷积层的激活函数,采样层选择均值采样函数,利用梯度下降法来训练找到网络中最小的全局误差;S5.利用IPS...
【专利技术属性】
技术研发人员:汤斌,张金富,王建旭,雷斯越,徐艺菲,赵明富,钟年丙,
申请(专利权)人:重庆理工大学,
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。