一种芒果品质无损检测方法及装置的制造方法
【技术领域】
[0001] 本发明涉及水果品质智能自动化检测方法和装置。
【背景技术】
[0002] 目前，国内外芒果的产后自动化检测处理的研究和成果相对较少。特别是芒果的 缺陷检测方面，主要靠人的肉眼判别。为此，如何充分探索和挖掘科学的方法对芒果各项品 质特征信息进行智能自动化地提取、分析和综合评价，判别芒果的品质级别，是使用现代化 技术改进芒果产后处理加工的一个重要方法。
[0003]由于计算机技术和电子技术快速发展，水果外部品质的检测技术的发展现在已日 益成熟，以计算机视觉为基础的光电分级在水果外部品质检测领域进行了广泛的应用，国 内中国农业大学、浙江大学、华南农业大学、江苏大学等高校已自行开发研制了多种基于计 算机视觉技术的水果外部品质在线检测分级系统，并进行产业化，一次性地自动完成水果 大小、形状、颜色、果面缺陷等外部品质的检测与评判，大大提高分选精度。
[0004] 王江楓等人[1]、PanitnatYimyam等人[2]、张立华[3]等、黄勇平等人[4]分别 研究了基于计算机视觉技术的芒果重量及果面缺陷与坏损检测的方法和应用；泰国和日本 的学者Sirinnapa和SumioKawano等[5]共同利用短波近红外光谱（700~IlOOnm)对芒 果进行了透射谱分析，并分别建立了干物质含量、可溶性固形物和透射光谱的数学模型，相 关系数分别为〇. 96和0. 93 ;虞佳佳等人[6]、曹霞等人[7]分别应用近红外光谱数据分析 技术进行芒果酸度和糖度的无损检测研究；屠振华等人[8]应用近红外定量分析技术开展 了芒果内部品质的检测研究，用偏最小二乘回归方法在580~1000 nm光谱范围内，分别建 立了芒果可溶性固形物（糖度）和硬度的近红外定量分析模型；惠国华等人分别研究了用 电子鼻和声表面波探测试检测芒果新鲜度的方法，并申请相关专利（惠国华、吴玉玲、叶丹 丹、丁文雯，一种利用电子鼻检测芒果新鲜度的方法，申请公布号CN102621192A;惠国华、 丁文雯、叶丹丹、吴玉玲，一种利用声表面波探测仪检测芒果新鲜度的方法，申请公布号CN 102608215A);张烈平等人[9]、杨志伟等人[10]分别利用计算机视觉分析技术对芒果进 行自动检测和分类进行了研究，但检测对象和分类依据仅仅是利用芒果表面特征，未考虑 芒果的内部品质特征。
[0005] 尽管以传统计算机视觉为基础的水果外部品质检测技术已逐渐成熟，但其对水果 的内部品质检测却无能为力。机器视觉分析检测技术仅仅能检测外部颜色、形状、大小和表 面缺陷，而容易将缺陷区与，不易检测轻微损伤、内部损伤和病害感染等内部缺陷；内部缺 陷检测常采用破坏性方法进行抽检，水果一旦被破坏，就失去商业价值，且这种方法并不 能保证未抽检到的水果无缺陷。光谱技术尤其近红外光谱技术是依据某一化学成分对近红 外光谱的吸收特征特性而进行的定量测定，非常适合水果物理和化学成分检测、水果变质 类型的缺陷检测，如腐烂缺陷等。但近红外光谱技术不能采集被测对象的空间信息，只能在 一个区域中来进行检测，这样可能造成较大的误差，且容易受环境因素（如温度和湿度等 因素影响）影响而可能带来大量噪声干扰信息，而影响检测的效率和精度。
[0006] 参考文献：
[0007] [1]王江楓，罗锡文，洪添胜等.计算机视觉技术在芒果重量及果面坏损检测中 的应用?农业工程学报? 1998, 14(4) : 186 - 18
[0008] [2]P Yimyam, T Chalidabhongse, P Sirisomboon, et a. I Physical properties analysis of mango using computer vision[C]//Proceeding of International Conference on Control Automation and Systems(ICCAS. 05). Korea, 2005.
[0009] [3]张立华，基于计算机视觉的芒果表面缺陷检测方法研究[D]，南宁：广西大学， 2006
[0010] [4]黄勇平，章程辉，刘静.应用计算机视觉对芒果表面缺陷的判别研究[J]，福 建热作科技，2008, 33(1) :4-6.
[0011] [5]Sirinnapa Saranwong, Jinda Sornsrivichai, Sumio Kawano. Prediction of ripe-stage eating quality of mango fruit from its harvest quality measured nondestructiveIy by near infrared spectroscopy[J]. Postharvest Biology and Technology,2004, 31(2):137-145
[0012] [6]虞佳佳，何勇，鲍一丹.基于光谱技术的芒果糖度酸度无损检测方法研究 [J]，光谱学与光谱分析，2008, 128(112) :2839-2842.
[0013] [7]曹霞，周学成，范品良.基于近红外漫反射光谱技术的芒果糖度无损检测方 法研究[J]，农机化研究，2013, 1:177-180.
[0014] [8]屠振华，籍保平，孟超英，朱大洲，史波林，庆兆坤.芒果内部品质的 CCD-NIR无损检测试验研究[J]，光谱学与光谱分析，2008, 28(10) : 111-112.
[0015] [9]张烈平，曾爱群，陈婷.基于计算机视觉和神经网络的芒果检测与等级分类 [J]，农机化研究，2008, 10:57-60.(通过对获取的芒果表面图像进行处理，提取了 9个特 征参数，较全面地描绘了芒果的几何征，以各特征参数作为输入，创建了基于MATLAB的 3层BP神经网络模型识别芒果的表面缺陷）
[0016] [10]杨志伟，尹秀华.图像处理在芒果自动选别中的应用[J]，湖北农业科 学，2009, 48 (8) : 1992-1995.(拍摄数字相片，以计算机图像分析技术为手段，采集芒果颜 色参数。研究3种颜色模型中与芒果品质变化相关的颜色特征量，归纳出合适的颜色参数 与芒果品质指标值间关系式，用于推导芒果的成熟度；并经图像处理和运算，抽取出所需的 几何尺寸和突变部位的数据，作为样品分级的依据）
[0017]唐会周.电子鼻在水果品质评价体系中应用的研究进展[J]，包装与食品机 械，2011，29(1) :51-54
【发明内容】
[0018] 针对现有技术在检测芒果品质方面的不足，本发明的目的在于提供一种能从图 像、光谱和气味等多个角度获取芒果的相关信息，并将多种信息融合起来对芒果品质进行 智能自动化检测的方法和装置。为了实现发明目的本发明通过高光谱成像系统获取芒果的 图像信息，再从图像信息中提取出芒果的外部特征，并采集到芒果的光谱信息，从光谱信息 中提取出芒果的内部特征；从气味传感器中采集气味传感器对芒果挥发出来的气味响应谱 信息，从中提取出芒果挥发出来的气味的成分和浓度等特征信息判断芒果部分内部品质； 最后，将芒果的图像特征和光谱特征和气味特征通过信息融合技术，对芒果的内外综合品 质进行分级判别。
[0019] 为了实现上述发明目的，本发明提供了一种芒果品质无损检测方法，其特征在于 包括以下步骤：
[0020] 步骤1，芒果样品选择，由人工选取一批某一品种的成熟芒果作为训练样本，并对 这些芒果的品质进行人工标记；
[0021] 步骤2,对芒果进行光谱和图像信息的采集；
[0022] 步骤3,对谱和图像信息处理；
[0023]步骤4，对光谱和图像信息的提取；
[0024] 步骤5,利用仿生电子鼻采集芒果的气味信息；
[0025] 步骤6,对芒果的气味特征信息进行提取；
[0026] 步骤7,经过处理和提取的高光谱和气味信息进行多源信息特征融合；
[0027] 步骤8,构建芒果品质多源信息融合评价模型；
[0028] 步骤9,对待检测的芒果依次进行步骤（2)到步骤（7)的操作处理；
[0029] 步骤10,将步骤（9)所得结果输入步骤⑶所得的模型进行评价，最后得到评价模 型输出的芒果品质判定结果。
[0030] 所述步骤1中样品优选至少选取30个。
[0031] 步骤3中所述光谱信息的处理方法是数据曲线黑白校正或Savitzky-Golay卷积 平滑法。
[0032] 步骤3中所述图像信息的处理方法包括图像校正、图像消噪、特征波段区域的图 像提取、图像增强和内容分析处理。
[0033] 步骤4中所述高光谱信息的提取包括芒果的果核尺寸、酸度、硬度和可溶性固形 物的信息。
[0034] 步骤4中所述图像信息提取包括芒果的尺寸、果形、着色、外表缺陷特征参数及缺 陷区域几何状态的信息。
[0035] 步骤6中所述信息包括芒果的成熟度、腐烂腐败信息和病虫害信息。
[0036] 步骤7中所述融合的方法是通过统一法则映射到高维空间进行多源信息特征融 合处理。
[0037] 步骤8中所述构建模型的方法是通过非线性建模。
[0038] 本发明还提供了一种芒果品质无损检测装置