本申请公开了一种脐橙新鲜度无损检测方法、装置、电子设备及存储介质，通过对脐橙样本进行处理，得到其对应的多角度图像样本、理化指标结果数据样本和采摘时间数据样本，并且对理化指标结果数据样本和采摘时间数据样本进行数据处理，以确定脐橙样本的新鲜度结果样本，得到了多角度图像样本对应的新鲜度结果样本；再通过端到端的初始无损检测模型对多角度图像样本和新鲜度结果样本进行数据学习，实现了通过脐橙的图像直接确定脐橙的新鲜度，使得终端消费者能够自主地通过脐橙的图像去了解果品新鲜度。果品新鲜度。果品新鲜度。
【技术实现步骤摘要】
脐橙新鲜度无损检测方法、装置、电子设备及存储介质
[0001]本专利技术涉及农产品无损检测
，尤其涉及一种脐橙新鲜度无损检测方法、装置、电子设备及存储介质。
技术介绍
[0002]柑橘产业是我国南方多省的农业支柱产业之一，为从业者创造了巨大的经济效益。国家统计局数据显示，2021年全国柑橘产量达到5595.61万吨，在全国水果产量中比重高达18.7％。水果品质分级是商品化处理的重要环节，但是目前包括脐橙在内的中国商业主栽柑橘自动化分级水平较低，零售市场上的柑橘鲜果品质参差不齐。因此，基于果品新鲜度的分级研究和自动检测，对于果品存储和销售环节的品质保障、提高产品供求效益，成为紧迫性技术需求。
[0003]目前，关于水果无损检测研究主要是针对脐橙的品质综合分级，包括脐橙成熟度、果品缺陷程度、果实大小等，其分级标准有相应的国家标准进行定义。例如，在赣南脐橙国家标准(GBT20355
‑
2006)中，脐橙的品质检测涉及到果实的横径、果形、色泽以及表面光洁度等特征，是一个基于以上特征的综合判定。在脐橙国家标准(GBT21488
‑
2008)中，对脐橙的表面缺陷或疤痕也制定了量化指标。这些分级标准是面向商品生产者解决大规模鲜果分级分拣问题而定义的，目的是在采后处理厂对果品品质分级和定价。然而，目前并没有可面向终端消费者的果品新鲜度分级标准，不便于终端消费者及时了解果品新鲜度。
[0004]因此，现有技术中没有专门面向终端消费者去了解果品新鲜度的方法。
技术实现思路
[0005]有鉴于此，有必要提供一种脐橙新鲜度无损检测方法、装置、电子设备及存储介质，用以解决现有技术中没有专门面向终端消费者去了解果品新鲜度的检测问题。
[0006]为了解决上述问题，本专利技术提供一种脐橙新鲜度无损检测方法，包括：
[0007]获取脐橙样本对应的多角度图像样本、理化指标结果数据样本和采摘时间数据样本；
[0008]对理化指标结果数据样本和采摘时间数据样本进行函数拟合，得到新鲜度与理化指标的函数关系；
[0009]根据理化指标结果数据样本和新鲜度与理化指标的函数关系，确定脐橙样本的新鲜度结果样本；
[0010]构建初始无损检测模型，将多角度图像样本输入至初始无损检测模型，以对应的新鲜度结果样本为标签，训练初始无损检测模型，得到训练完备的目标无损检测模型；
[0011]获取脐橙的实时图像，将实时图像输入至目标无损检测模型，以确定脐橙的新鲜度；
[0012]其中，初始无损检测模型为卷积神经网络模型。
[0013]进一步地，理化指标包括果皮水分、果皮韧性和果皮硬度；对理化指标结果数据样
本和采摘时间数据样本进行函数拟合，得到新鲜度与理化指标的函数关系，包括：
[0014]对理化指标结果数据样本进行数据归一化处理，分别得到果皮水分归一化数据样本、果皮韧性归一化数据样本和果皮硬度归一化数据样本；
[0015]对果皮水分归一化数据样本和采摘时间数据样本进行函数拟合，得到果皮水分与采摘时间的函数关系；
[0016]对果皮韧性归一化数据样本和采摘时间数据样本进行函数拟合，得到果皮韧性与采摘时间的函数关系；
[0017]对果皮硬度归一化数据样本和采摘时间数据样本进行函数拟合，得到果皮硬度与采摘时间的函数关系；
[0018]对果皮水分与采摘时间的函数关系、果皮韧性与采摘时间的函数关系和果皮硬度与采摘时间的函数关系进行数据拟合，得到新鲜度与理化指标的函数关系。
[0019]进一步地，新鲜度与理化指标的函数关系的计算公式为：
[0020]y＝0.4819x1‑
0.0615x2+0.5226
[0021]其中，y为新鲜度，x1为果皮水分归一化数据样本，x2为果皮韧性归一化数据样本。
[0022]进一步地，根据理化指标结果数据样本和新鲜度与理化指标的函数关系，确定脐橙样本的新鲜度结果样本，包括：
[0023]基于新鲜度与理化指标的函数关系，计算理化指标结果数据样本的新鲜度值；
[0024]设置新鲜度分类阈值区间；
[0025]根据新鲜度分类阈值区间和新鲜度值，确定脐橙样本的新鲜度结果样本。
[0026]进一步地，新鲜度结果包括新鲜、合格和不新鲜；
[0027]其中，新鲜对应的新鲜度分类阈值区间为[0.6162，+∞)；
[0028]合格对应的新鲜度分类阈值区间为(0.4791，0.6162)；
[0029]不新鲜对应的新鲜度分类阈值区间为(
‑
∞，0.4791]。
[0030]进一步地，目标无损检测模型包括分类函数；构建初始无损检测模型，将多角度图像样本输入至初始无损检测模型，以对应的新鲜度结果样本为标签，训练初始无损检测模型，得到训练完备的目标无损检测模型，包括：
[0031]根据分类函数，确定多角度图像样本的分类概率值；
[0032]根据分类概率值，确定脐橙的新鲜度结果样本；
[0033]其中，分类函数的计算公式为：
[0034][0035][0036]为新鲜度结果样本，f是softmax分类函数，f(x
i
)是分类概率值，C＝{新鲜，合格，不新鲜}。
[0037]进一步地，构建初始无损检测模型，将多角度图像样本输入至初始无损检测模型，以对应的新鲜度结果样本为标签，训练初始无损检测模型，得到训练完备的目标无损检测模型，包括：
[0038]将ImageNet数据集输入至预设卷积神经网络模型，得到基于ImageNet数据集的初始无损检测模型；
[0039]将多角度图像样本输入至初始无损检测模型，以对应的新鲜度结果样本为标签，训练初始无损检测模型，得到训练完备的目标无损检测模型；
[0040]其中，预设卷积神经网络模型包括VGG16、VGG19、ResNet18、ResNet50和AlexNet中的其中一个。
[0041]本专利技术还提供一种脐橙新鲜度无损检测装置，包括：
[0042]样本获取模块，用于获取脐橙样本对应的多角度图像样本、理化指标结果数据样本和采摘时间数据样本；
[0043]样本函数关系获取模块，用于对理化指标结果数据样本和采摘时间数据样本进行函数拟合，得到新鲜度与理化指标的函数关系；
[0044]样本新鲜度确定模块，用于根据理化指标结果数据样本和新鲜度与理化指标的函数关系，确定脐橙样本的新鲜度结果样本；
[0045]初始无损检测模型构建模块，用于构建初始无损检测模型，将多角度图像样本输入至初始无损检测模型，以对应的新鲜度结果样本为标签，训练初始无损检测模型，得到训练完备的目标无损检测模型；
[0046]新鲜度检测模块，用于获取脐橙的实时图像，将实时图像输入至目标无损检测模型，以确定脐橙的新鲜度；
[0047]其中，初始无损检测模型为卷积神经网络模型。
[004本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种脐橙新鲜度无损检测方法，其特征在于，包括：获取脐橙样本对应的多角度图像样本、理化指标结果数据样本和采摘时间数据样本；对所述理化指标结果数据样本和所述采摘时间数据样本进行函数拟合，得到新鲜度与理化指标的函数关系；根据所述理化指标结果数据样本和所述新鲜度与理化指标的函数关系，确定所述脐橙样本的新鲜度结果样本；构建初始无损检测模型，将所述多角度图像样本输入至所述初始无损检测模型，以对应的所述新鲜度结果样本为标签，训练所述初始无损检测模型，得到训练完备的目标无损检测模型；获取脐橙的实时图像，将所述实时图像输入至所述目标无损检测模型，以确定所述脐橙的新鲜度；其中，所述初始无损检测模型为卷积神经网络模型。2.根据权利要求1所述的脐橙新鲜度无损检测方法，其特征在于，所述理化指标包括果皮水分、果皮韧性和果皮硬度；所述对所述理化指标结果数据样本和所述采摘时间数据样本进行函数拟合，得到新鲜度与理化指标的函数关系，包括：对所述理化指标结果数据样本进行数据归一化处理，分别得到果皮水分归一化数据样本、果皮韧性归一化数据样本和果皮硬度归一化数据样本；对所述果皮水分归一化数据样本和所述采摘时间数据样本进行函数拟合，得到果皮水分与采摘时间的函数关系；对所述果皮韧性归一化数据样本和所述采摘时间数据样本进行函数拟合，得到果皮韧性与采摘时间的函数关系；对所述果皮硬度归一化数据样本和所述采摘时间数据样本进行函数拟合，得到果皮硬度与采摘时间的函数关系；对所述果皮水分与采摘时间的函数关系、所述果皮韧性与采摘时间的函数关系和所述果皮硬度与采摘时间的函数关系进行数据拟合，得到新鲜度与理化指标的函数关系。3.根据权利要求2所述的脐橙新鲜度无损检测方法，其特征在于，所述新鲜度与理化指标的函数关系的计算公式为：y＝0.4819x1‑
0.0615x2+0.5226其中，y为所述新鲜度，x1为所述果皮水分归一化数据样本，x2为所述果皮韧性归一化数据样本。4.根据权利要求3所述的脐橙新鲜度无损检测方法，其特征在于，所述根据所述理化指标结果数据样本和所述新鲜度与理化指标的函数关系，确定所述脐橙样本的新鲜度结果样本，包括：基于所述新鲜度与理化指标的函数关系，计算所述理化指标结果数据样本的新鲜度值；设置新鲜度分类阈值区间；根据所述新鲜度分类阈值区间和所述新鲜度值，确定所述脐橙样本的新鲜度结果样本。5.根据权利要求4所述的脐橙新鲜度无损检测方法，其特征在于，所述新鲜度结果包括
新鲜、合格和不新鲜；其中，新鲜对应的所述新鲜度分类阈值区间为[0.6162，+∞)；合格对应的所述新鲜度分类阈值区间为(0.4791，0.6162)；不新鲜对应的所述新鲜度分类阈值区间为(
‑
∞，0.4791]。6...
【专利技术属性】
技术研发人员：魏小梅，徐娟，袁千石，
申请(专利权)人：华中农业大学，
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。