网站的运营方案,绿色建筑网站,怎么直接做免费网站吗,php网站搭建环境一、水果轻微损伤检测技术以及应用
无损检测技术顾名思义就是指在不破坏水果样品完整性的情况下对样品进行品质鉴定。目前比较常用的农产品水果类无损检测法有#xff1a;基于红外热成像、机器视觉技术的图像处理方法、光谱检测技术、介电特性技术检测法等。
1.1 基于红外热…一、水果轻微损伤检测技术以及应用
无损检测技术顾名思义就是指在不破坏水果样品完整性的情况下对样品进行品质鉴定。目前比较常用的农产品水果类无损检测法有基于红外热成像、机器视觉技术的图像处理方法、光谱检测技术、介电特性技术检测法等。
1.1 基于红外热成像的水果品质检测
红外热成像技术起初多用于军事以及工业随着技术的普及目前在农业领域也得到了广泛应用。在自然界所有高于绝对零度的物体都会产生热红外波段利用这一现象使检测对象与背景产生辐射差实现成像从而获得热红外图像 [1] 。热红外成像用于检测水果轻微损伤的优势有测量方便快捷检测范围广可测内部成分信息容易操作且可靠性高。
李光君2016 年等为了测量西拉葡萄叶片水分含量综合应用多种无损检测技术通过热成像图像观察到在同一时间内相同叶片不同部位的温度基本相同随着时间的增加平均温度出现了下降趋势降幅约有 5 ℃ [2] 。对近红外光谱图进行主成分分析PCA分析随着时间的增加叶片中水分含量逐渐降低使用 CWSI作物水分胁迫指数等偏最小二乘回归PLSR模型分析R2 都接近于 99%分别是98.953 73% 和 99.008 26%说明利用热成像与红外光谱结合数据信息所建立起来的 PLSR 预测模型可以用来估计植物水分状态 [2] 。
1.2 基于图像处理的机器视觉技术
以图像处理技术为软件基础的机器视觉已大量应用于农副产品品质无损检测中主要应用技术有图像预处理、图像分类、图像目标提取、图像测量等。在果品缺陷等级分类方面主要是对图像进行预处理包括去噪、分割、提取等。可以提升水果表面缺陷图像的质量为后续正确识别打下坚实基础 [3] 。
1.3 光谱检测技术
光谱技术检测水果轻微损伤的方式有 3 种
①反射光谱当光照射在水果表面发生反射通过接收反射光谱信号鉴定水果表面情况。
②全透射光谱光透过水果携带有非常全面的水果内部信息适用于内部品质检测。
③半透射光谱将光穿透水果赤道位置后从底部射出可获得局部的水果内部品质信息适用于局部品质表征水果品质特征。适用于水果轻微损伤的无损检测光谱有可见光谱、近红外光谱、高光谱成像、拉曼光谱和太赫兹等。
1.4 基于介电特性的水果品质检测
介电特性在农产品品质检测中具有高效、可靠以及简便的特性。检测水果轻微损伤的原理是水果分子内部存在电场水果每一阶段的变化都会造成水果分子结构发生改变以至于引起水果内部场强的剧烈变化。因此可以通过测定介电性质检测水果品质。R Seaman 等将常见的水果如苹果、桃、橘子、香蕉等作为研究对象测量了 150 MHz 下果肉和果皮的介电特性结果显示含水率的变化导致介电性存在差异 [4]。
1.5 其他检测方法
电子鼻技术、低场核磁共振技术、声特征技术等目前都已在农产品检测中广泛应用可根据不同水果的分级要求满足对所有病害损伤的检测需要。在检测中应根据环境以及成本等多方面条件综合分析针对性选取无损检测方法。
二、无损检测技术水果分级的实现
2.1水果外部品质分级
在建立水果内部品质分级模型之前 先对水果外部品质分级进行研究。其中包含水果形状、大小及重量。在水果形状的提取中分别对水果圆形度和距离均方差、对称性参数进行提取。
圆形度 C为一个利用区域中全部边界点所定义的特征向量其中圆形度计算式 C γ R σ R C\frac{\gamma_{R}}{\sigma_{R}} CσRγR
其中 γ R \gamma_{R} γR 代表由区域形心至边界点之间平均的距离 σ R \sigma_{R} σR 代表由区域形心至边界点之间距离的均方差 。
水果果形是否端正主要在侧面就能够反映出来所以对称性的指标 S S S利用分析水果侧面图像进行获取。收集同一种类水果样品分别在0、120、240度获取水果样品的侧面图片利用上式计算这三幅图像 的 γ R 、 σ R \gamma_{R}、\sigma_{R} γR、σR获得各样品侧面特征量将各特征向量分量进行归一化并对其对称性进行计算 。假设样 本 的 三 个 特 征 向 量 分 别 是 e 1 ( γ R 1 , σ R 1 , E 1 ) e_{1}(\gamma_{R1},\sigma_{R1},E_{1}) e1(γR1,σR1,E1) 、 e 2 ( γ R 2 , σ R 2 , E 2 ) e_{2}(\gamma_{R2},\sigma_{R2},E_{2}) e2(γR2,σR2,E2)、 e 2 ( γ R 2 , σ R 2 , E 2 ) e_{2}(\gamma_{R2},\sigma_{R2},E_{2}) e2(γR2,σR2,E2)
其中的 E代表水果本身偏心率。那么利用下式 对水果样本对称性进行计算 S Y M ( e 1 − e 2 ) 2 ( e 1 − e 3 ) 2 ( e 2 − e 3 ) 2 SYM\sqrt{(e1-e2)^{2}(e1-e3)^{2}(e2-e3)^{2}} SYM(e1−e2)2(e1−e3)2(e2−e3)2
上式中对称性的指标越小 那么水果就越端正 反之 对称性的指标越大 则水果就越畸形。
2.2 水果内部品质分级
对水果的内部品质进行分级的过程中利用红外热波无损伤检测技术实现水果高精度地分级 。对水果内部品质的分级 主要以水果的糖度为对象完成分级模型的建立 并根据该模型对水果糖度等级进行划分。
以水果外部特征提取结果为基础 利用红外热波无损伤检测技术对水果的红外信息进行提取。因为信 息维数偏大要获得红外信息主要特性这样会方便和机器视觉信息进行融合提高水果内部品质分级的可视化效果。利用主成分分析方式对红外热波光谱主成分特征进行提取。实现信息的标准化操作 X i j ~ X i j − X i j ˉ s j \tilde{X_{ij}}\frac{X_{ij}-\bar{ X_{ij}}}{s_{j}} Xij~sjXij−Xijˉ
其中 X i j ˉ \bar{ X_{ij}} Xijˉ代表样本均值 s s s代表样本标准差 X i j X_{ij} Xij代表红外信息 。
假设现已获得标准化矩阵 G G G和协方差矩阵 V V V对 V V V特征值进行求取同时依照从大至 小的顺序将水果样 本 协方差矩阵特征值和对应特征向量进行排序并要求它们为标准正交。
假设 P [ A 1 A 2 , … A m ] P [A1A2, … Am] P[A1A2,…Am]是载荷矩阵这个时候矩阵G满足 G ∗ P T G*PT G∗PTT代表得分矩阵。通过主成分的贡献率来选择主成分 那么 P [ A 1 A 2 , … A m ] P [A1A2, … Am] P[A1A2,…Am]据此对得分矩阵T进行计算 。
针对样本采集的 1×P光谱信息如果 要对光谱信息于 m各主成分中的得分值进行计算 则利用 t X i ∗ P tX_i*P tXi∗P就能够得到 式中t代表 1×P的向量 X i Xi Xi代表样品所 对应 的 1×P光谱 数据 。
利用上述步骤将校正集、测试集标准化后 将校正集样本的红外热波光谱矩阵进行处理 获得依照降序排列好的样本特征值和相应的特征向量 接着利用主成分的贡献率来选择主成分获得载荷矩阵P采用该矩阵对各水果样本所对应得分 向量进行汁算 该得分的向量就是各个水果样本特征提取的结果。
综上所述 利用水果外部品质特征和通过红 外热波光谱 中获得的主成分的得分特征构建了水果糖度分级的模型。据历史经验红外热波主成分选取前四个主成分得到的分级模型对水果进行分级的正确率最高。
三、参考文献
[1] 徐赛孙潇鹏张倩倩 . 大型厚皮水果的无损检测技术研究 [J]. 农产品质量与安全
[2] 李光君 . 热成像技术与近红外光谱技术结合无损检测西拉葡萄叶片水分含量 [J]. 山西农业科学
[3] 窦文卿柴春祥鲁晓翔 . 无损检测技术在水果品质评价中应用的研究进展 [J]. 食品工业科技
[4]R SeamanJ. Seals. Fruit Pulp and Skin Dielectric Properties for 150 MHz to 6400
MHz[J]. Journal of Microwave Power and Electromagnetic Energy
[5]无损检测技术在水果轻微损伤检测中的应用研究 我的个人博客主页欢迎访问
我的CSDN主页欢迎访问
我的GitHub主页欢迎访问
我的知乎主页欢迎访问
