一种水果可溶性固形物在线检测方法及系统与流程

本发明涉及农产品无损检测领域，具体涉及一种水果可溶性固形物在线检测方法及系统。

背景技术：

水果的无损检测与分级是实现水果优质优价、提高水果商品化价值、增加产品附加值的有效途径，对于帮助果农增收具有重要的实际意义。水果品质检测包括外观品质，如形状、大小、颜色、缺陷等和内部品质，如可溶性固形物、可滴定酸等。

在现有的水果可溶性固形物在线检测技术中，应用较为成熟的是近红外透射光谱技术。水果可溶性固形物检测分级工业生产线均采用自动上果技术，通过机械设备，例如传送带，自动将水果一个个传送至检测机构，存在的问题是，水果传送至检测机构的过程中，放置在传送带上的方位是不确定的，而检测机构在进行检测时，被检测水果的方位会极大地影响检测结果，尤其是厚皮类水果，造成检测精度不高。

技术实现要素：

本发明的目的在于克服现有技术中的缺点，提供一种水果可溶性固形物在线检测方法及系统，检测速度快、精度高。

本发明的目的是通过以下技术方案来实现的：一种水果可溶性固形物在线检测方法，包括以下步骤：

s1：将目标水果在线方位进行分类，获取每一类方位的图像和透射光谱；

s2：根据所述方位的图像和透射光谱，建立目标水果方位分类模型和对应方位类别的可溶性固形物含量光谱检测模型；

s3：采集待检测水果的在线方位图像，利用所述目标水果方位分类模型判断待测水果所属方位类别，并且利用相应方位类别的可溶性固形物含量光谱检测模型对待测水果进行检测。

本发明的有益效果是，解决了工业化生产中由于自动上果造成水果检测方位不确定，从而导致水果可溶性固形物在线检测误差较大的问题，本发明提供的方法不仅检测速度快，且检测精度高。

进一步，所述s1中目标水果在线方位的分类方法为：

以果蒂与果脐的连线平行于水平面且果蒂正向朝右为基准，当果蒂朝向落入逆时针45°～135°的方位范围时划分为a类；当果蒂朝向落入逆时针135°～225°或315°～45°的方位范围时划分为b类；当果蒂朝向落入逆时针225°～315°的方位范围时划分为c类。

采用上述进一步方案的有益效果是，将水果方位分为a、b、c类，每一类对应不同的可溶性固形物含量光谱检测模型，有效提高检测精度。

进一步，所述s2中建立目标水果方位分类模型包括以下步骤：

s201：获取目标水果不同方位类别的俯视图像，并对所述俯视图像进行预处理；

s202：根据预处理后的俯视图像，获取目标水果中心，并根据所述目标水果中心，提取目标水果图像的感兴趣区域；

s203：提取所述图像中感兴趣区域的特征信息进行训练，建立目标水果方位分类模型，所述目标水果方位分类模型用于判断待测水果的在线方位的俯视图像所属的方位类别。采用上述进一步方案的有益效果是，由于工业生产中对水果进行检测时，水果在传送带上的方位是不确定的，通过建立水果方位分类模型对待测水果的在线方位图进行分类，再通过对应方位的可溶性固形物含量光谱检测模型进行检测，有效提高检测精度。

进一步，所述s201中预处理包括以下步骤：

s2011：将原始图像依次进行比例缩放、伽马变换、灰度化、二值化并分离

背景

采用上述进一步方案的有益效果是，进行预处理，消除原始图像中无关的信息，增强有关信息的可检测性和最大限度地简化数据。

进一步，所述s202包括以下步骤：

s2021：将预处理后的图像进行形态学处理，并确定外接区域；

s2022：根据所述外接区域获取目标水果中心，以目标水果中心为圆心，提取圆形感兴趣区域，所述圆形感兴趣区域作为所述图像的感兴趣区域。

采用上述进一步方案的有益效果是，通过定位水果中心提取感兴趣区域，感兴趣区域的确定是根据水果方位分类的角度设定，在俯视图像上形成圆形分界线，分界线以内的区域是感兴趣区域，因此仅需提取分界线以内的图像进行处理。进一步，所述s203中建立目标水果方位分类模型的过程为：

提取感兴趣区域的sift、hog、surf、dog、lbp、haar中的一种或多种特征，基于线性或非线性核函数建立识别目标水果在线方位的svm分类模型。

采用上述进一步方案的有益效果是，svm分类模型仅仅使用一部分支持向量来做超平面的决策，无需依赖全部数据，样本量不是海量数据的时候，分类准确率高，泛化能力强。

进一步，所述s2中建立目标水果可溶性固形物含量光谱检测模型包括以下步骤：

s204：将目标水果放置在各类方位范围内的任意位置，获取每一位置的透射光谱，再通过各类方位中不同位置的透射光谱分别获取a、b和c类方位各自的平均透射光谱；

s205:分别对所述a、b和c类方位各自的平均透射光谱进行预处理；

s206：根据预处理后的a、b和c类方位的平均透射光谱，分别提取光谱特征信息；

s207：根据所述光谱特征信息，分别建立a、b和c类方位的可溶性固形物含量光谱检测模型。

采用上述进一步方案的有益效果是，采用某一在线方位类别的平均透射光谱建立可溶性固形物含量光谱检测模型比直接使用该方位范围内任意位置透射光谱建立模型的误差更小。

进一步，所述s205中对所述a、b和c类方位各自的平均透射光谱进行预处理的方式为dwt、msc、snv、sg中的一种或多种；

所述s206中光谱特征信息提取的过程为：将预处理后的光谱归一化，并采用spa提取光谱特征信息。

采用上述进一步方案的有益效果是，采用dwt、msc、snv、sg中的一种或多种进行预处理，去除平均透射光谱中的噪声，减少对光谱信息的干扰，采用spa提取光谱信息，有利于去掉冗余信息，最大程度的减少信息的重叠，改善建立可溶性固形物含量光谱检测模型的条件。一种水果可溶性固形物在线检测系统，包括传输机构、图像采集系统、近红外光谱采集系统和控制器；所述近红外光谱采集系统和所述图像采集系统分别与所述控制器连接；

所述传输机构用于传送待测水果依次经过所述图像采集系统和所述近红外光谱采集系统；

所述图像采集系统用于采集待测水果在所述传输机构上的在线方位图像并将所述在线方位图像传输至所述控制器；

所述近红外光谱采集系统用于采集待测水果的透射光谱，并将所述透射光谱传输至所述控制器；

所述控制器用于判断所述待测水果在线方位图像的类别并利用相应类别的可溶性固形物含量光谱检测模型对待测水果进行检测。本发明的有益效果是，用所述图像采集系统采集待测水果的在线方位图像，近红外光谱采集系统采集待测水果的透射光谱，所述控制器内储存有判断目标水果在线方位的分类模型和对应方位类别的可溶性固形物含量光谱检测模型，通过输入的待测水果在线方位图像可判断出待测水果的方位类别，并通过对应方位类别的可溶性固形物含量光谱检测模型进行检测即可输出可溶性固形物含量的值，进行分类检测有效提高检测精度。

进一步，所述传输机构为传送带，所述图像采集系统集成了高速工业相机，所述高速工业相机设置在所述传送带的上方，用于采集待测水果在所述传送带上的俯视图像，所述俯视图像作为在线方位图像；所述光谱采集系统集成了高速光纤光谱仪，所述光纤光谱仪设置在所述传送带的下方，用于采集待测水果在传送带上的透射光谱。

采用上述进一步方案的有益效果是，将高速工业相机设置在传送带的上方采集俯视图像，方便确定待测水果在所述传送带上的在线方位；将高速光纤光谱仪设置在传送带的下方采集待测水果的透射光谱，有利于隔离传送带上方光源的干扰。

参见表1，本发明中名词解释如下：

表1

附图说明

图1为本发明一种水果可溶性固形物在线检测方法的逻辑图；

图2为本发明预处理后的图像；

图3为本发明确定外接区域后的图像；

图4为本发明提取的圆形感兴趣区域的图像；

图5为本发明的采用目标水果在线方位分类模型对水果在线方位分类的结果图；

图6为本发明一种水果可溶性固形物在线检测系统结构示意图；

图7为本发明水果方位分类的坐标图；

图8为本发明水果方位分类示例图。

附图说明：1、高速光纤光谱仪；2、传送带；3、待测水果；4、近红外光谱采集系统；5、光源；6、高速工业相机；7、图像采集系统；8控制器。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下。

实施例1

如图1所示，一种水果可溶性固形物在线检测方法，包括以下步骤：

s1：将目标水果在线方位进行分类，获取每一类方位的图像和透射光谱；

s2：根据方位的图像和透射光谱，建立目标水果方位分类模型和对应方位类别的可溶性固形物含量光谱检测模型；

s3：采集待检测水果的在线方位图像，利用目标水果方位分类模型判断待测水果3所属方位类别，并且利用相应方位类别的可溶性固形物含量光谱检测模型对待测水果3进行检测。

解决了工业化生产中由于自动上果造成水果检测方位不确定，从而导致水果可溶性固形物在线检测误差较大的问题，本发明提供的方法不仅检测速度快，且检测精度高。

在本实施例中，使用传送带2将待测目标水果依次输送至图像采集系统7和近红外光谱采集系统4，使用高速工业相机6快速采集待测目标水果在线方位的俯视图像，使用高速光纤光谱仪1快速采集待测目标水果的透射光谱，结构如图6所示。

s1中目标水果在线方位的分类方法为：

如图7所示，以果蒂与果脐的连线平行于水平面且果蒂正向朝右为基准，当果蒂朝向落入逆时针45°～135°的方位范围时划分为a类；当果蒂朝向落入逆时针135°～225°或315°～45°的方位范围时划分为b类；当果蒂朝向落入逆时针225°～315°的方位范围时划分为c类。

将水果方位分为a、b、c类，每一类对应不同的可溶性固形物含量光谱检测模型，有效提高检测精度。

例如，图8中待检测水果的在线方位为a类。

s2中建立目标水果方位分类模型包括以下步骤：

s201：获取目标水果不同方位类别的俯视图像，并对俯视图像进行预处理；

s202：根据预处理后的俯视图像，获取目标水果中心，并根据目标水果中心，提取目标水果图像的感兴趣区域；

s203：提取图像中感兴趣区域的特征信息进行训练，建立目标水果方位分类模型，目标水果方位分类模型用于判断待测水果3的在线方位的俯视图像所属的方位类别。

由于工业生产中对水果进行检测时，水果在传送带2上的方位是不确定的，通过建立水果方位分类模型对待测水果3的在线方位图进行分类，再通过对应方位的可溶性固形物含量光谱检测模型进行检测，有效提高检测精度。

s201中预处理包括以下步骤：

s2011：将原始图像依次进行比例缩放、伽马变换、灰度化、二值化并分离背景。

如图2所示，为灰度化后的目标水果在线方位图像。进行预处理，消除原始图像中无关的信息，增强有关信息的可检测性和最大限度地简化数据。

s202包括以下步骤：

s2021：将预处理后的图像进行形态学处理，并确定外接区域；将预处理后的图像进行膨胀和腐蚀，并采用8连通法确定目标水果的外接矩形区域，如图3所示；

s2022：根据外接区域获取目标水果中心，以目标水果中心为圆心，提取圆形感兴趣区域，圆形感兴趣区域作为图像的感兴趣区域，如图4所示。

在本实施例中，感兴趣区域的确定是根据目标水果方位分类的角度设定，在俯视图像上形成圆形分界线，分界线以内的区域是感兴趣区域，因此仅需提取分界线以内的图像进行处理，其中s2021将预处理后的图像进行膨胀和腐蚀，并采用8连通法确定目标水果的外接矩形区域在matlab中以算法实现。

s203中建立目标水果方位分类模型的过程为：

提取感兴趣区域的sift、hog、surf、dog、lbp、haar中的一种或多种特征，基于线性或非线性核函数建立识别目标水果在线方位的svm分类模型。svm分类模型仅仅使用一部分支持向量来做超平面的决策，无需依赖全部数据，样本量不是海量数据的时候，分类准确率高，泛化能力强，在本实施例中，采用目标水果在线方位分类模型的分类结果如图5所示。

s2中建立目标水果可溶性固形物含量光谱检测模型包括以下步骤：

s204：将目标水果放置在各类方位范围内的任意位置，获取每一位置的透射光谱，再通过各类方位中不同位置的透射光谱分别获取a、b和c类方位各自的平均透射光谱；

s205:分别对a、b和c类方位各自的平均透射光谱进行预处理；

s206：根据预处理后的a、b和c类方位的平均透射光谱，分别提取光谱特征信息；

s207：根据光谱特征信息，分别建立a、b和c类方位的可溶性固形物含量光谱检测模型。

所述s205中对所述a、b和c类方位各自的平均透射光谱进行预处理的方式为dwt、msc、snv、sg中的一种或多种；所述s206中光谱特征信息提取的过程为：将预处理后的光谱归一化，并采用spa提取光谱特征信息。

采用dwt、msc、snv、sg中的一种或多种进行预处理，去除平均透射光谱中的噪声，减少对光谱信息的干扰，采用spa提取光谱信息，有利于去掉冗余信息，最大程度的减少信息的重叠，改善建立可溶性固形物含量光谱检测模型的条件。

在本实施例中，s205中，采用msc进行预处理，具体的处理过程如下：

s2051:计算校正集平均光谱

s2052:将样品光谱xi与线性回归，即用最小二乘法求取ai和bi；

s2053:则第条i光谱经msc校正后为xi，msc＝(xi-bi)/ai。

在本实施例中，s206中，分别采用spa提取光谱特征信息，s207可溶性固形物含量光谱检测模型为pls模型。应当知道的是，进行光谱信息的提取还包括cras、mc-uve、dwt、ipls、sipls、bipls、ga、pso等。

采用某一在线方位类别的平均透射光谱建立可溶性固形物含量光谱检测模型比直接使用该方位范围内任意位置透射光谱建立模型的误差更小。

在本实施例中，目标水果采用脐橙，采用300个目标水果建模，105个目标水果进行测试，对于a类方位，对应建立了脐橙可溶性固形物含量模型1；对于b类方位，对应建立了脐橙可溶性固形物含量模型2；对于c类方位，对应建立了脐橙可溶性固形物含量模型3。

本发明的实施原理，在线检测时，通过高速工业相机6快速采集待测水果3的俯视图像，通过目标水果在线分类模型对该幅俯视图像进行分类识别，若识别结果为a类，则利用可溶性固形物含量模型1进行快速计算，输出可溶性固形物含量的值；若识别结果为b类，则利用可溶性固形物含量模型2进行快速计算，输出可溶性固形物含量的值；若识别结果为c类，则利用可溶性固形物含量模型3进行快速计算，输出可溶性固形物含量的值。

实施例2

一种水果可溶性固形物在线检测系统，包括传输机构、图像采集系统7、近红外光谱采集系统4和控制器8；近红外光谱采集系统4和图像采集系统7分别与控制器8连接；

传输机构用于传送待测水果3依次经过图像采集系统7和近红外光谱采集系统4；

图像采集系统7用于采集待测水果3在传输机构上的在线方位图像并将在线方位图像传输至控制器8；

近红外光谱采集系统4用于采集待测水果3的透射光谱，并将透射光谱传输至控制器8；

控制器8用于判断待测水果3在线方位图像的类别并利用相应类别的可溶性固形物含量光谱检测模型对待测水果3进行检测。用图像采集系统7采集待测水果3的在线方位图像，近红外光谱采集系统4采集待测水果3的透射光谱，控制器8内储存有判断目标水果在线方位的分类模型和对应方位类别的可溶性固形物含量光谱检测模型，通过输入的待测水果3在线方位图像可判断出待测水果3的方位类别，并通过对应方位类别的可溶性固形物含量光谱检测模型进行检测即可输出可溶性固形物含量的值，进行分类检测有效提高检测精度。

在本实施例中，控制器8可使用嵌入式系统，将实施例1中的目标水果方位分类模型和可溶性固形物含量的光谱检测模型存储在控制器8中。

传输机构为传送带2，图像采集系统7集成了高速工业相机6，高速工业相机6设置在传送带2的上方，用于采集待测水果3在传送带2上的俯视图像，俯视图像作为在线方位图像；光谱采集系统集成了高速光纤光谱仪1，光纤光谱仪设置在传送带2的下方，用于采集待测水果3在传送带2上的透射光谱。将高速工业相机6设置在传送带2的上方采集俯视图像，方便确定待测水果3在传送带2上的在线方位；将高速光纤光谱仪1设置在传送带2的下方采集待测水果3的透射光谱，有利于隔离传送带2上方光源5的干扰。

在本实施例中，在线方位图像的类别分别为a类、b类、c类，其中，以果蒂与果脐的连线平行于水平面且果蒂正向朝右为基准，当果蒂朝向落入逆时针45°～135°的方位范围时划分为a类；当果蒂朝向落入逆时针135°～225°或315°～45°的方位范围时划分为b类；当果蒂朝向落入逆时针225°～315°的方位范围时划分为c类；a类方位，对应可溶性固形物含量模型1；b类方位，对应可溶性固形物含量模型2；c类方位，对应可溶性固形物含量模型3。

如图6所示，传输机构为传送带2，将高速工业相机6设置在传送带2的上方采集俯视图像，方便确定待测水果3在传送带2上的在线方位；将高速光纤光谱仪1设置在传送带2的下方采集待测水果3的透射光谱，有利于隔离传送带2上方光源5的干扰。

本发明的实施原理，高速工业相机6采集待测目标水果在传送带2上的俯视图像，近红外光谱采集系统4采集待测目标水果在传送带2上的透射光谱，分别传输至控制器8，控制器8中目标水果在线方位分类模型对待测目标水果的俯视图像进行类别判断，若判断为a类，控制器8中可溶性固形物含量模型1通过计算，输出可溶性固形物含量的值；若判断为b类，控制器8中可溶性固形物含量模型2通过计算，输出可溶性固形物含量的值；若判断为c类，控制器8中可溶性固形物含量模型3通过计算，输出可溶性固形物含量的值。

以上仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护。