一种基于光谱和颜色测量的水果成熟度评价方法技术

本发明专利技术涉及一种基于光谱和颜色测量的水果成熟度评价方法，其包括下述步骤：（1）针对某一种水果进行等级划分，测定每一等级水果的颜色测量参数、可见近红外光谱、内部品质评价指标；（2）首先结合可见近红外光谱和内部品质评价指标，应用多元校正方法建立水果内部品质定量分析模型，然后融合颜色测量参数，以水果成熟度等级为标准参考，通过机器学习算法建立水果成熟度评价模型；（3）测定待评价水果样本的可见近红外光谱及颜色测量参数，将其分别输入所述的水果内部品质定量分析模型及水果成熟度评价模型中，计算机对水果成熟度进行智能等级评价。本发明专利技术所述方法简单、无损果实、准确高效。

【技术实现步骤摘要】

本专利技术涉及一种水果成熟度智能评价方法，具体涉及。
技术介绍
水果的成熟度是水果分级、保鲜及存储的一项重要指标，也是消费者选购时的主要依据。采收成熟度对贮藏效果影响很大，采收过早，果实尚未充分发育，果个小，糖分积累不足，色泽差，缺乏应有的风味；采收过晚，果实过分成熟，果肉松软、硬度不够，不耐贮藏。目前，在果实采收环节，确定果实成熟期和最佳采收期的传统方法是根据经验和目测判断，只能由人工从外观进行判断，同时这种主观评定受到个人视力、鉴别力、情绪、疲劳程度、经验、光线强弱和颜色等因素的影响，无法保证准确性；部分采用抽样检测，也往往是破坏性 检测，而且工作效率低，难以在现代生产和营销中应用。随着果树产业规模化和集约化进程的加快，特别是国际化贸易对果实成熟度和科学采收的更高要求，常规的水果成熟度预测技术已不能适应现代果树产业发展的需求。为此，农业及相关领域的学者都致力于研究开发更为快速、方便、准确的果实成熟度预测方法，以适应现代生产和物流的需要。W01999JPO1609、US2011040504A和JP7239320A通过果蔬敲击振动的频谱分析判断果蔬成熟度。公开号CN101806764A和CN100575950C的中国专利公布了利用电子鼻技术鉴别桃子和西瓜的成熟度。公开号CN2763804Y的中国专利根据水果的介电特性检测水果的成熟度。公开号CN 102095797A的中国专利公布了基于水果内部超声波的传输特性检测水果的成熟度。采用敲击振动的方式容易损伤水果，电子鼻技术样品前处理集气时间长，介电特性检测操作不方便，难以实现自动化检测、便携式快速检测。水果的成熟度表现在颜色、风味、形态、硬度和质地等各方面，单一的检测指标往往是不全面的，为提高检测的全面性、可靠性和灵敏度，融合各品质指标智能判识水果成熟度成为快速无损检测的新趋势。国内外研究报道近红外光谱检测水果的内部品质(糖度、酸度、硬度和VC含量等)的方法，综合各品质指标进行成熟度预测国内外未见报道。另外，水果表面颜色的变化是判断水果成熟程度的重要参考指标，融合水果各项内部品质指标和颜色特征，可有效避免单一测量指标表示水果成熟度的局限性，提高水果成熟度预测的准确性和稳定性。
技术实现思路
本专利技术的目的是提供一种简单、无损果实、准确高效的基于光谱和颜色测量的水果成熟度评价方法。本专利技术的基于光谱和颜色测量的水果成熟度评价方法包括下述步骤( I)针对某一种水果，取具有代表性的水果样本进行等级划分，测定每一等级水果的颜色测量参数、可见近红外光谱和内部品质评价指标；(2)首先结合可见近红外光谱和内部品质评价指标，应用多元校正方法建立水果内部品质定量分析模型，然后融合颜色测量参数及水果内部品质定量分析模型中输出的标准品质评价指标，以水果成熟度等级为标准参考，通过机器学习算法建立水果成熟度评价模型；(3)测定待评价水果样本的可见近红外光谱及颜色测量参数，将其分别输入所述的水果内部品质定量分析模型及水果成熟度评价模型中，计算机对水果成熟度进行智能等级评价。其中，所述颜色测量参数与标准品质评价指标的融合包括特征数据融合及决策数据融合，另外，所述颜色测量参数包括色坐标L*a*b*和色差Λ Eo另外，所述品质评价指标为可溶性固形物含量、硬度、酸度及固酸比中的一种或几种。 另外，所述多元校正方法为多元线性回归、主成分回归及偏最小二乘法回归中的一种或几种。另外，所述机器学习算法为人工神经网络、支持向量机中的一种或几种。另外，测定颜色测量参数及可见近红外光谱时，选取水果赤道位多点测量。另外，测定可见近红外光谱时，采用卤素等光源，波长范围为38(Tl700nm。水果成熟度检测方法。本专利技术的方法能对水果的成熟度进行快速无损检测，综合颜色和光谱信息，即综合水果内外部特性预测水果成熟度。与目前的理化分析方法及人工方法对水果成熟度相t匕，其客观性、时效性更强，效率更高，且不损伤水果。本专利技术将基于光谱和颜色的光学检测手段应用于水果成熟度检测过程中，既可以解放劳动力、又具有检测精度高、结果一致性好、自动化程度强和环境友好等优点，可准确预测水果成熟度。附图说明图I为本专利技术的水果成熟度测试方法的流程图。图2为实施例中水果的可见近红外光谱图。图3为实施例中颜色测量图。具体实施例方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。本专利技术对水果的成熟度预测具有通用性，但由于水果种类很多，因此本专利技术仅以红富士苹果为实施实例，其它水果的成熟度预测可参照该实施实例的方法，具体针对所测的样本的成熟度标准，建立一个新的成熟度评价模型，就可以对该水果进行测试。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。实施例如图I所示，首先采摘不同成熟期的苹果样本，根据国家检测标准GB10651-2008评定该不同成熟时期的苹果分别对应四个成熟度，即为未成熟、可采成熟度、食用成熟度、生理成熟度四个等级；将这些苹果作为标准样本，建立标样集；根据苹果的光谱响应特性，设置光谱扫描的积分时间为50毫秒，平均次数为10，平滑度为5，波长范围400-1100nm，测试光程2_，光纤探头配有长度可调谐遮光胶套遮光，存储暗光谱和参考光谱，在水果赤道位进行水果样品的可见近红外光谱采集；可见近红外光谱仪为微型光纤光谱仪，内置CXD阵列探测器，用于接收水果样品的漫反射光信号，并将光谱信号转变为电信号，再通过A/D转换转变为数字信号通过USB接口输入到计算机，苹果的可见近红外光谱图如图2所示；同时选择光纤光谱仪颜色测量功能，以标准漫反射参考白板为苹果样品背景参t匕，在水果赤道位进行颜色测量，获得CIE1976颜色空间的色坐标(L*a*b*)和色差(ΔΕ)等参数，如表3所示，将结果输入到计算机；同时根据国家检测标准GB10651-2008测定硬度、可溶性固形物含量、酸度及固酸t匕，输入计算机；首先对获取的苹果光谱信号选用平滑、标准化、中心化、导数、多元散射校正、标准正态变量等光谱预处理方法处理，结合可见近红外光谱及硬度、可溶性固形物含量、酸度及固酸比，应用本领域技术人员公知的多元线性回归及偏最小二乘法回归建立水果内部品质定量分析模型；然后融合颜色测量参数及水果内部品质定量分析模型中输出的标准品质评价指标，以水果成熟度等级为标准参考，通过本领域技术人员公知的支持向量机算法建立水果成熟度评价模型；取待评价水果样本，按照上述同样方法测定其可见近红外光谱及CIE1976颜色空间的色坐标(L*a*b*)和色差(ΛΕ)，将其分别输入所述的水果内部品质定量分析模型及水果成熟度评价模型中，得到计算机对水果成熟度的智能等级评价。以上实施方式仅用于说明本专利技术，而并非对本专利技术的限制，有关
的普通技术人员，在不脱离本专利技术的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本专利技术的范畴，本专利技术的专利保护范围应由权利要求限定。权利要求1.，其特征在于，包括下述步骤 (1)针对某一种水果，取具有代表性的水果样本进行等级划分，测定每一等级水果的颜色测量參数、可见近红外光谱和内部品质评价指标； (2)首先结合可见近红外光谱和内部品质评价指标，应用多元校正方法建立水果内部品质定量分析模型，然后融合顔色测量參数及水果内部品质定量分析本文档来自技高网...

【技术保护点】
一种基于光谱和颜色测量的水果成熟度评价方法，其特征在于，包括下述步骤：（1）针对某一种水果，取具有代表性的水果样本进行等级划分，测定每一等级水果的颜色测量参数、可见近红外光谱和内部品质评价指标；（2）首先结合可见近红外光谱和内部品质评价指标，应用多元校正方法建立水果内部品质定量分析模型，然后融合颜色测量参数及水果内部品质定量分析模型中输出的标准品质评价指标，通过机器学习算法建立水果成熟度评价模型；（3）测定待评价水果样本的可见近红外光谱及颜色测量参数，将其分别输入所述的水果内部品质定量分析模型及水果成熟度评价模型中，计算机对水果成熟度进行智能等级评价。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈立平，郭志明，黄文倩，郭建华，王秀，张驰，
申请(专利权)人：北京农业智能装备技术研究中心，
类型：发明
国别省市：