，包括：用于采集芒果光谱信息的单 元；用于对光谱信息处理的单元；用于对光谱信息提取的单元；用于对芒果的图像信息采 集的单元；用于对收集来的芒果图像信息处理的单元；用于对经处理的芒果图像信息进一 步提取的单元；仿生电子鼻单元；对仿生电子鼻采集的气味信息进行提取的单元；将经过 处理和提取的高光谱和气味信息进行多源信息特征融合的单元；芒果品质多源信息融合评 价模型构建单元；用于各个单元之间数据的输入和输出的控制单元；芒果品质判定结果输 出单元。
[0039] 本发明的有益效果表现在：
[0040](1)克服了单纯依靠某种单一的自动检测方法的不足，能从芒果的图像信息、光 谱信息、气体挥发物信息等多个角度获取芒果内外品质的相关信息，并将多种信息融合起 来进行智能检测，利用上述3种信息的互补性和冗余性，各信息间相互进行实证检验，相互 弥补，进而提高检测设备检测芒果内外品质的准确性，避免了检测设备检测过程中的盲目 性；
[0041] (2)可将相应的装置安装在实验室和芒果后加工处理生产线上实现在线自动检 测，辅助和代替专业人员，与人工感官检测方法相比，检测结果一致性好，自动化程度高，可 实现非接触式，无损检测，解放劳动力，排除人为主观因素，可提高生产效率，降低生产成 本。
【附图说明】：
[0042]图1是本发明装置结构示意图；
[0043] 图2是芒果品质无损检测方法的流程图；
[0044] 图3是高光谱数据预处理过程图；
[0045] 图4是高光谱图像预处理过程图；
[0046] 图5是多源特征彳目息提取思路图。
【具体实施方式】：
[0047] 本发明提供是一种多源信息融合的芒果内外品质智能自动检测方法及装置，将各 分离的传感器采集的信息进行合理筛选以及优化组合，以便容错、互补进行综合决策，进而 提高判别的精度和提高整个融合系统的有效性。能建立一种高精确度、高鲁棒性、客观、快 速的自动评价体系，可极大提高芒果产后处理加工的自动化水平和智能水平，可取得显著 的经济效益和社会效益。
[0048] 实施例1
[0049] 本方法包括两个总的步骤，其一是样品的训练的建模过程101和芒果检测过程 102,然后将102所得结果代入101过程生成的模型中得到具体的检测结果，其具体过程如 下：
[0050] (1)由人工按照国家或行业有关芒果品质标准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，每个品质类别选择30个的芒果样本；
[0051] (2)利用高光谱成像系统采集芒果的光谱数据信息和图像信息；并用仿生电子鼻 系统的气味传感器采集芒果挥发出来的气味响应谱数据信息；
[0052] (3)光谱数据预处理，包括数据曲线黑白校正和用Savitzky-Golay卷积平滑法 (更多Savitzky-Golay卷积平滑法的细节请参考梁逸咨和俞汝勤编著的《分析化学手册 (10) 一一化学计量学》.北京：化工出版社，2001)去除光谱成图像信息中的非品质信息的 影响（如表面不均勾引起的散射影响）以及仪器噪音和暗电流巧引起的光谱曲线基线漂移 和不重复现象、不同成分之间相互千扰引起的多重共线性和背景因素对光谱曲线的影响， 并进行光谱曲线分析，寻找并选择各类品质芒果光谱曲线有显著差别的波段作为特征波段 (具体步骤和思路如图4);
[0053] 其中，Savitzky-Golay卷积平滑法的计算公式如下：
[0055] (4)图像预处理，包括图像校正、图像消噪、特征波段感兴趣区域的图像提取、图像 增强和内容分析等处理（具体步骤和思路如图5);
[0056] (5)进行光谱特征信息提取、图像特征信息提取和气味特征信息提取操作，包括以 下操作内容：
[0057] ①从高光谱数据中分析并提取的特征信息包括芒果的果核尺寸、酸度、硬度和可 溶性固形物等特征信息；
[0058] ②从高光谱图像中分析并提取的特征信息包括芒果的尺寸、果形、着色、外表缺陷 特征参数及缺陷区域几何状态等特征信息；
[0059] ③从气味传感器的芒果气味响应谱数据分析并提取的特征信息包括芒果的成熟 度、腐烂腐败信息和病虫害信息等特征信息；
[0060] (6)进行多源信息特征融合。将提取的光谱特征信息、图像特征信息和气味特征信 息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；
[0061] (7)用主成分分析法抽象出若干关键虚拟特征变量表征高维的融合特征空间，以 便利于建模操作和提高模型质量；
[0062] (8)利用神经网络等非线性建模方法，构建芒果品质多源信息融合评价模型；
[0063] (9)对待检测的芒果依次进行步骤（2)到步骤（7)的操作处理；
[0064] (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。
[0065] 实施例2
[0066] 如图1所示本发明还提供了一种芒果品质无损检测装置，包括：
[0067] 采集芒果光谱信息的装置；
[0068] 用于对光谱信息处理的单元；
[0069] 用于对光谱信息提取的单元；
[0070] 芒果的图像信息采集装置；
[0071] 用于对收集来的芒果图像信息处理的单元；
[0072] 用于对经处理的芒果图像信息进一步提取的单元；
[0073] 仿生电子鼻装置；
[0074] 对仿生电子鼻采集的气味信息进行提取的装置；
[0075] 将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的单元；
[0076] 芒果品质多源信息融合评价模型构建单元；
[0077] 用于各个单元之间数据的输入和输出的控制单元；
[0078] 芒果品质判定结果输出单元。
【主权项】
1. 一种芒果品质无损检测方法，其特征在于包括以下步骤： 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； 步骤2,对芒果进行光谱和图像信息的采集； 步骤3,对谱和图像信息处理； 步骤4,对光谱和图像信息的提取； 步骤5,利用仿生电子鼻采集芒果的气味信息； 步骤6,对芒果的气味特征信息进行提取； 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； 步骤8,构建芒果品质多源信息融合评价模型； 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； 步骤10,将步骤（9)所得结果输入步骤（8)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。2. 如权利要求1所述的方法，其特征在于：所述步骤1中样品至少选取30个。3. 如权利要求1所述的方法，其特征在于：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。4. 如权利要求1所述的方法，其特征在于：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。5. 如权利要求1所述的方法，其特征在于：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。6. 如权利要求1所述的方法，其特征在于：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。7. 如权利要求1所述的方法，其特征在于：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。8. 如权利要求1所述的方法，其特征在于：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。9. 如权利要求1所述的方法，其特征在于：步骤8中所述构建模型的方法是通过非线 性建模。10. -种芒果品质无损检测装置，包括：用于采集芒果光谱信息的单元；用于采集芒果 图像信息的单元；用于对光谱信息处理的单元；用于对光谱信息提取的单元；用于对芒果 的图像信息采集的单元；用于对收集来的芒果图像信息处理的单元；用于对经处理的芒果 图像信息进一步提取的单元；仿生电子鼻单元；对仿生电子鼻采集的气味信息进行提取的 单元；将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的单元；芒果品质多 源信息融合评价模型构建单元；用于各个单元之间数据的输入和输出的控制单元；芒果品 质判定结果输出单元。
【专利摘要】本发明公开了一种多源信息融合的芒果内外品质智能自动检测方法和装置，该装置包括光照系统、高光谱成像系统、仿生电子鼻系统、分析处理及控制单元。该装置是将各分离的传感器采集的信息进行合理筛选以及优化组合，以便容错、互补进行综合决策，进而提高判别的精度和提高整个融合系统的有效性。从而建立一种高精确度、高鲁棒性、客观、快速的自动评价体系。该检测方法和装置的检测结果一致性好，自动化程度高，可实现非接触式，无损检测，解放劳动力，排除人为主观因素，可提高生产效率，降低生产成本。
【IPC分类】G01B11/00, G01N27/00, G01N21/25
【公开号】CN105067531
【申请号】CN201510298541
【发明人】彭昱忠, 元昌安
【申请人】广西师范学院
【公开日】2015年11月18日
【申请日】2015年6月4日