【技术实现步骤摘要】
本专利技术涉及苹果品质检测，更具体的说是涉及一种基于拉曼光谱技术的苹果品质快速无损检测方法及系统。
技术介绍
1、目前，现有技术检测苹果品质存在的问题主要包括以下几个方面：
2、检测方法的局限性：许多传统的检测方法往往只能检测苹果的外观和大小等表面特征，而无法对其内部品质进行准确评估。这导致一些外观看似完好的苹果实际上内部已经变质。
3、检测效率低下：一些检测方法需要耗费大量的时间和精力，无法满足快速、高效的检测需求。
4、对果实造成破坏：一些检测方法需要进行破坏性试验，如切开果实观察内部状况，这不仅会对果实造成破坏，还可能影响其商品价值。
5、综上所述，现有技术检测苹果品质存在的问题包括检测方法的局限性、检测效率低下以及对果实造成破坏等，需要进一步研究和改进以解决这些问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于拉曼光谱技术的苹果品质快速无损检测方法及系统，用于快速、准确的对苹果品质进行无损检测。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、本专利技术一方面公开了一种基于拉曼光谱技术的苹果品质快速无损检测方法，包括以下步骤：
4、采集苹果的拉曼光谱数据并进行预处理，所述拉曼光谱数据包括苹果表面拉曼光谱数据和苹果内部拉曼光谱数据；
5、对预处理后的拉曼光谱数据进行特征提取，获取苹果外部特征信息和苹果内部特征信息，所述苹果外部特征信息包括苹果病害区域、苹果虫害区域
6、针对苹果外部特征信息，通过二次连续投影算法以提取特征波长集sp1；
7、针对苹果内部特征信息，通过多参数连续投影算法以提取特征波长集sp2；
8、分别对特征波长集sp1和特征波长集sp2进行融合；
9、基于融合后的特征波长集sp1和特征波长集sp2，利用bp神经网络实现对苹果内外品质的检测。
10、进一步地，采集苹果的拉曼光谱数据并进行预处理步骤中，具体包括：
11、数据清洗：包括识别并处理光谱数据中的缺失值、异常值和错误数据；
12、数据转换：包括对数据清洗后的光谱数据进行归一化、标准化和离散化处理；
13、数据规约：包括对数据转换后的光谱数据进行数据抽样和特征选择。
14、进一步地，针对苹果外部特征信息，通过二次连续投影算法以提取特征波长集sp1，具体包括:
15、初始化：选择初始的投影向量或矩阵；
16、第一次投影：将原始数据投影到选定的初始投影空间上；
17、第二次投影：在第一次投影结果基础上，再次进行投影，进一步提取特征或减少数据的维度，获取特征波长集sp1。
18、进一步地，针对苹果内部特征信息，通过多参数连续投影算法以提取特征波长集sp2，具体包括：
19、定义投影参数：定义多个投影参数包括角度、距离、阈值；
20、投影变换：根据定义的投影参数，对苹果内部特征信息进行一系列的投影变换；
21、特征提取：从多参数投影后的数据中提取相关的特征信息，得到特征波长集sp2。
22、进一步地，分别对特征波长集sp1和特征波长集sp2进行融合，具体包括以下步骤：
23、将特征波长集sp1中苹果外部不同区域的特征数据分别赋予不同的权重；
24、通过加权求和算法完成对特征波长集sp1的融合；
25、将特征波长集sp2中苹果内部距果核不同深度的特征数据分别赋予不同的权重；
26、通过加权求和算法完成对特征波长集sp2的融合。
27、进一步地，利用bp神经网络实现对苹果内外品质的检测，具体包括以下步骤：
28、以苹果外部特征信息作为自变量，以苹果外部品质指标作为因变量，建立第一线性回归模型；
29、利用苹果外部训练数据集对所述第一线性回归模型进行训练，并使用对应的第一测试数据集对所述第一线性回归模型的预测性能进行评估，得到训练好的第一线性回归模型；
30、将融合后的特征波长集sp1中的特征数据输入训练好的第一线性线性回归模型，完成对苹果外部品质的检测；
31、以苹果内部特征信息作为自变量，以苹果内部品质指标作为因变量，建立第二线性回归模型；
32、利用苹果内部训练数据集对所述第二线性回归模型进行训练，并使用对应的第二测试数据集对所述第二线性回归模型的预测性能进行评估，得到训练好的第二线性回归模型；
33、将融合后的特征波长集sp2中的特征数据输入训练好的第二线性线性回归模型，完成对苹果内部品质的检测。
34、本专利技术另一方面公开了一种基于拉曼光谱技术的苹果品质快速无损检测系统，包括，
35、数据采集及预处理模块：用于采集苹果的拉曼光谱数据并进行预处理，所述拉曼光谱数据包括苹果表面拉曼光谱数据和苹果内部拉曼光谱数据；
36、特征提取模块：用于对预处理后的拉曼光谱数据进行特征提取，获取苹果外部特征信息和苹果内部特征信息，并针对苹果外部特征信息，通过二次连续投影算法以提取特征波长集sp1，针对苹果内部特征信息，通过多参数连续投影算法以提取特征波长集sp2；所述苹果外部特征信息包括苹果病害区域、苹果虫害区域、果梗区域/花萼区域以及正常区域，所述苹果内部特征信息包括果肉的质量、水分含量、糖度以及酸度；
37、特征融合模块：用于分别对特征波长集sp1和特征波长集sp2进行融合；
38、品质检测模块：基于融合后的特征波长集sp1和特征波长集sp2，利用bp神经网络实现对苹果内外品质的检测。
39、优选的，所述数据采集及预处理模块中，进行预处理具体包括以下步骤：
40、数据清洗：包括识别并处理光谱数据中的缺失值、异常值和错误数据；
41、数据转换：包括对数据清洗后的光谱数据进行归一化、标准化和离散化处理；
42、数据规约：包括对数据转换后的光谱数据进行数据抽样和特征选。
43、优选的，所述特征提取模块中，通过二次连续投影算法以提取特征波长集sp1，具体包括以下步骤：
44、初始化：选择初始的投影向量或矩阵；
45、第一次投影：将原始数据投影到选定的初始投影空间上；
46、第二次投影：在第一次投影结果基础上，再次进行投影，进一步提取特征或减少数据的维度，获取特征波长集sp1。
47、优选的，所述特征提取模块中，通过多参数连续投影算法以提取特征波长集sp2，具体包括：
48、定义投影参数：定义多个投影参数包括角度、距离、阈值；
49、投影变换：根据定义的投影参数，对苹果内部特征信息进行一系列的投影变换；
50、特征提取：从多参数投影后的数据中提取相本文档来自技高网...
【技术保护点】
1.一种基于拉曼光谱技术的苹果品质快速无损检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于拉曼光谱技术的苹果品质快速无损检测方法，其特征在于，采集苹果的拉曼光谱数据并进行预处理步骤中，具体包括：
3.根据权利要求1所述的一种基于拉曼光谱技术的苹果品质快速无损检测方法，其特征在于，针对苹果外部特征信息，通过二次连续投影算法以提取特征波长集SP1，具体包括:
4.根据权利要求1所述的一种基于拉曼光谱技术的苹果品质快速无损检测方法，其特征在于，针对苹果内部特征信息，通过多参数连续投影算法以提取特征波长集SP2，具体包括：
5.根据权利要求1所述的一种基于拉曼光谱技术的苹果品质快速无损检测方法，其特征在于，分别对特征波长集SP1和特征波长集SP2进行融合，具体包括以下步骤：
6.根据权利要求1所述的一种基于拉曼光谱技术的苹果品质快速无损检测方法，其特征在于，利用BP神经网络实现对苹果内外品质的检测，具体包括以下步骤：
7.一种基于拉曼光谱技术的苹果品质快速无损检测系统，其特征在于，包括，
...【技术特征摘要】
1.一种基于拉曼光谱技术的苹果品质快速无损检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于拉曼光谱技术的苹果品质快速无损检测方法，其特征在于，采集苹果的拉曼光谱数据并进行预处理步骤中，具体包括：
3.根据权利要求1所述的一种基于拉曼光谱技术的苹果品质快速无损检测方法，其特征在于，针对苹果外部特征信息，通过二次连续投影算法以提取特征波长集sp1，具体包括:
4.根据权利要求1所述的一种基于拉曼光谱技术的苹果品质快速无损检测方法，其特征在于，针对苹果内部特征信息，通过多参数连续投影算法以提取特征波长集sp2，具体包括：
5.根据权利要求1所述的一种基于拉曼光谱技术的苹果品质快速无损检测方法，其特征在于，分别对特征波长集sp1和特征波长集sp2进行融合，具体包括以下步骤：
...
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。