本发明专利技术公开的一种基于近红外光谱的果蔬优选分拣方法、系统及可读存储介质，通过光源照射待分拣果蔬，采集待分拣果蔬的光谱信息，并将获取的光谱信息进行预处理，引入果蔬辨别模型；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，根据判断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。
【技术实现步骤摘要】
一种基于近红外光谱的果蔬优选分拣方法、系统及可读存储介质
本专利技术涉及一种果蔬优选分拣方法，更具体的，涉及一种基于近红外光谱的果蔬优选分拣方法、及可读存储介质。
技术介绍
如今随着人们生活水平的提高，对高品质消费愈发推崇。价格不再是影响人们购买的主要因素，在购买商品时更多人开始看重商品品质。有数据显示，在我国水果领域约有八九成的水果被用于鲜食，这就要求对这些新鲜水果进行品质区分从而满足人们对高品质新鲜水果的需求，传统的分拣工作由果农依靠人眼识别和手工操作进行，往往会出现分选出的新鲜水果大小不一，美观度不够甚至是有内部缺陷的问题，同时通过果农手工人眼识别和手工操作进行分选判别极易因疲劳造成失误，导致分选准确率极大地降低，且手工操作会给果蔬带来二次损伤和细菌感染；所以消费者在选购这类新鲜果蔬使只能凭借经验、靠运气，常常因为经验不足选到品质不好的果蔬。为了能够满足消费者能够吃到高品质的果蔬产品，需要开发一款可以对果蔬进行优选分拣的系统，该系统通过获取待分拣果蔬的光谱信息，将所述的光谱信息进行预处理，引入果蔬辨别模型，根据果蔬辨别模型得到的预测缺陷类别值，判别待分拣果蔬中的有物理损伤和有虫害的果蔬，在进行果蔬分拣的过程中，如何实现对果蔬光谱信息进行处理，如何通过建立预测能力好、误差值小的果蔬辨别模型判断果蔬的品质好坏与否都是亟不可待要解决的问题。
技术实现思路
为了解决上述至少一个技术问题，本专利技术提出了一种基于近红外光谱的果蔬优选分拣方法、系统和可读存储介质。本专利技术第一方面提供了一种基于近红外光谱的果蔬优选分拣方法，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。本方案中，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。本方案中，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。本方案中，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。本方案中，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。本方案中，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。本方案中，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，其中偏差率的计算具体为：其中Qj和Pj分别表示在果蔬辨别模型判别过程中第j个缺陷类别值的实际值和预测值，z表示样品的个数。本专利技术第二方面还提供了一种基于近红外光谱的果蔬优选分拣系统，该系统包括：存储器、处理器，所述存储器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。本方案中，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。本方案中，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。本方案中，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。本方案中，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。本方案中，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。本方案中，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，其中偏差率的计算具体为：其中Qj和Pj分别表示在果蔬辨别模型判别过程中第j个缺陷类别值的实际值和预测值，z表示样品的个数。本专利技术第三方面还提供一种计算机可读存储介质，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，实现如上述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。本专利技术公开的一种基于近红外光谱的果蔬优选分拣方法、系统和可读存储介质，通过获取待分拣果蔬的光谱信息，将所述的光谱信息进行预处理，引入果蔬辨别模型，根据果蔬辨别模型得到的预测缺陷类别值，通过预测缺陷类别值与预设缺陷类别值的比较，判别待分拣果蔬中的有物理损伤和有虫害的果蔬，实现果蔬的优选分拣。附图说明图1示出了本专利技术一种基于近红外光谱的果蔬优选分拣方法的流程图；图2示出了本专利技术本文档来自技高网...
【技术保护点】
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：/n获取待分拣果蔬的光谱信息；/n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；/n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。/n
【技术特征摘要】
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...
【专利技术属性】
技术研发人员：徐杰柱，
申请(专利权)人：佛山一本农业科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。