1.一种基于近红外光谱的果蔬优选分拣方法,其特征在于,包括:
获取待分拣果蔬的光谱信息;
将所述光谱信息进行预处理,引入果蔬辨别模型,得到结果信息;
根据结果信息判别待分拣果蔬中有物理损伤和有虫害的果蔬,以实现优选分拣。
2.根据权利要求1所述的一种基于近红外光谱的果蔬优选分拣方法,其特征在于,所述的获取待分拣果蔬的光谱信息,具体为:光源照射待分拣果蔬,果蔬底座中设有导入检测器,导入检测器连接光谱仪采集光谱信息,其中光谱类型为短波近红外光谱,果蔬底座中设有遮光圈,可以有效的减少杂散光干扰。
3.根据权利要求1所述的一种基于近红外光谱的果蔬优选分拣方法,其特征在于,所述的将光谱信息进行预处理,具体为在matlab软件中,进行原始光谱数据的平滑、插值、滤波、拟合及提高分辨率运算以及进行平滑去燥、数据压缩及信息提取,导出能量光谱。
4.根据权利要求1所述的一种基于近红外光谱的果蔬优选分拣方法,其特征在于,还包括,在matlab软件中建立果蔬辨别模型,使用plsregress函数实现偏最小二乘回归,在偏最小二乘算法模型中,通过迭代算法实现自变量和因变量的分解并回归建立二者关系,其中建立果蔬辨别模型具体为:将数据进行标准化处理,求解出符合要求的主成分,根据求解出的主成分建立光谱数据与缺陷类别值之间的回归,通过迭代一步继续求解主成分直到达到目标值,推导出光谱数据与缺陷类别值的回归表达式,即果蔬辨别模型建立完成。
5.根据权利要求1所述的一种基于近红外光谱的果蔬优选分拣方法,其特征在于,所述的引入果蔬辨别模型,得到结果信息,具体为:果蔬辨别模型通过计算得到预测缺陷类别值,根据预测缺陷类别值判别待分拣果蔬中有物理损伤和有虫害果蔬,其中预测缺陷类别值的计算公式为:
其中,f为果蔬辨别模型预测缺陷类别值,a为模型截距,k为预测集中第k个预测自变量,n为自变量数量,e表示能量光谱谱线强度,η为模型拟合参数。
6.根据权利要求1所述的一种基于近红外光谱的果蔬优选分拣方法,其特征在于,所述的根据结果信息判别待分拣果蔬中有物理损伤和有虫害的果蔬,具体为:
根据果蔬辨别模型得到预测缺陷类别值;
将所述的预测缺陷类别值与预设缺陷类别值进行比较,得到偏差率;
判断所述偏差率是否大于预设偏差率阈值;
若大于,则判断为有物理损伤或有病虫害的果蔬。
7.一种基于近红外光谱的果蔬优选分拣系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括基近红外光谱的果蔬优选分拣方法程序,所述基于近红外光谱的果蔬优选分拣方法程序被所述处理器执行时实现如下步骤:
获取待分拣果蔬的光谱信息;
将所述光谱信息进行预处理,引入果蔬辨别模型,得到结果信息;
根据结果信息判别待分拣果蔬中有物理损伤和有虫害的果蔬,以实现优选分拣。
8.根据权利要求7所述的一种基于近红外光谱的果蔬优选分拣系统,其特征在于,所述的引入果蔬辨别模型,得到结果信息,具体为:果蔬辨别模型通过计算得到预测缺陷类别值,根据预测缺陷类别值判别待分拣果蔬中有物理损伤和有虫害果蔬,其中预测缺陷类别值的计算公式为:
其中,f为果蔬辨别模型预测缺陷类别值,a为模型截距,k为预测集中第k个预测自变量,n为自变量数量,e表示能量光谱谱线强度,η为模型拟合参数。
9.根据权利要求7所述的一种基于近红外光谱的果蔬优选分拣系统,其特征在于,所述的根据结果信息判别待分拣果蔬中有物理损伤和有虫害的果蔬,具体为:
根据果蔬辨别模型得到预测缺陷类别值;
将所述的预测缺陷类别值与预设缺陷类别值进行比较,得到偏差率;
判断所述偏差率是否大于预设偏差率阈值;
若大于,则判断为有物理损伤或有病虫害的果蔬。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括基于近红外光谱的果蔬优选分拣方法程序,所述基于近红外光谱的果蔬优选分拣方法程序被处理器执行时,实现如权利要求1至6中任一项所述的基于近红外光谱的果蔬优选分拣方法的步骤。