本发明专利技术涉及一种基于高光谱成像技术的脐橙糖度检测方法，特指基于高光谱成像技术的脐橙糖度检测方法。包括：利用高光谱成像系统对脐橙进行光谱采集，并进行黑白标定，消除噪声影响；采用数字式折射仪测量脐橙糖度；建立了光谱与糖度之间的关系，从而方便以后糖度的测量，可以用于脐橙糖度的无损检测。与常规检测方法相比，检测速度快、操作简单方便、对水果无损害；与近红外光谱检测相比，得到的信息更全面，检测结果更加精确和稳定。
【技术实现步骤摘要】
【专利摘要】本专利技术涉及，特指基于高光谱成像技术的脐橙糖度检测方法。包括：利用高光谱成像系统对脐橙进行光谱采集，并进行黑白标定，消除噪声影响；采用数字式折射仪测量脐橙糖度；建立了光谱与糖度之间的关系，从而方便以后糖度的测量，可以用于脐橙糖度的无损检测。与常规检测方法相比，检测速度快、操作简单方便、对水果无损害；与近红外光谱检测相比，得到的信息更全面，检测结果更加精确和稳定。【专利说明】
本专利技术设计水果糖度的检测方法，具体设计。
技术介绍
水果品质的判断和检测一直是农产品研究的重要课题之一。随着人们生活质量的提高，消费者在选购水果时，除了注重大小、颜色、外观形状等外部品质之外，对于内部品质如口感、糖度、酸度和维生素含量等也极为关注。水果的甜味与其糖度的高低有关，糖度作为决定水果内部品质的重要因素之一，一直被人们关注。因此，研究快速、实时的无损伤检测水果内糖度的方法是水果分级的重要前提。传统的糖度检测方法是通过手持式糖度仪直接对果品果汁取样进行测量，具有费时、效率低、破坏性、易产生操作误差等缺点。而近红外光谱诊断技术存在一些缺点，例如:需要大量有代表性且化学值已知的样品建立模型；建模本钱高，测试用度大。因次，迫切的需要一种更加方便、通用的水果糖度的检测方法。高光谱成像技术有多波段、高分辨率和图谱合一的特点，能够把二维图像和光谱技术融为一体，能克服其他检测方法的一些不足，具有较多优势。近年来，高光谱成像技术在果品内外品质检测中已经取得了广泛的应用。因此，采用高光谱技术检测水果糖度是可行的。
技术实现思路
本专利技术的目的:针对现在水果糖度测试方法存在的不足，本专利技术的目的是提供，通过高光谱数据分析技术，对采集到的光谱进行特征光谱参数的提取，建立相关模型，从而对水果的糖度进行定量化预测。技术方案:为了实现上述专利技术目的，本专利技术以脐橙为例采用的技术法案如下:一种基于高光谱技术的水果糖度检测方法，包括以下步骤: O高光谱图像的采集和校正:利用高光谱成像系统对脐橙进行光谱采集，并进行黑白标定； 2)糖度的测定:采用数字式折射仪测量脐橙糖度； 3)图像的选取:对采集到的高光谱图像选择感兴趣区域； 4)特征波长的提取:利用遗传算法(GA)对采集到的平均光谱进行平滑滤波，并挑选出合适的特征变量； 5)建立模型:利用偏最小二乘法对GA算法挑选出来的特征变量进行建模，并利用验证样本进行检验； 6)利用上述模型检测水果糖度。其中所述的高光谱图像的采集和校正，指利用高光谱成像系统对脐橙进行光谱采集，并进行黑白标定，消除噪声影响。其中所述的糖度的测定，指采用数字式折射仪测量脐橙糖度，并利用K-S方法从实验样品中选取部分作为建模集，剩余样本作为为验证集。其中所述的图像的选取，指对采集到的高光谱图像选择感兴趣区域，得到样本的光谱曲线。其中所述的特征波长的提取是指利用遗传算法(GA)对采集到的平均光谱进行平滑滤波，并挑选出合适的特征变量。其中所述的建立模型，指利用偏最小二乘法对GA算法挑选出来的特征变量进行建模，并利用验证样本进行检验。利用偏最小二乘法对GA算法挑选出来的特征变量进行建模，模型的预测值与实测值的相关系数和均方根差分别为0.83和0.54。建立了光谱与糖度之间的关系，从而方便以后糖度的测量，可以用于脐橙糖度的无损检测。与常规检测方法相比，检测速度快、操作简单方便、对水果无损害；与近红外光谱检测相比，得到的信息更全面，检测结果更加精确和稳定。本专利技术的有益效果是:本专利技术利用脐橙糖分引起的光谱特征的变化，采用偏最小二乘法检测脐橙糖度，能提供一种快速稳定的检测方法。【专利附图】【附图说明】图1本专利技术的流程图； 图2高光谱成像系统。其中:1.计算机；2.光栅光谱仪；3.CCD ；4.光箱；5.光源；6.成像镜头；7.移动台；8.样本；9.支撑架。图3为脐橙样本ROI的选取。图4为样本的平均光谱反射值曲线。图5为利用遗传算法(GA)对光谱进行选择的结果。图6为利用偏最小二乘法建模时所得方程系数分布图。图7为预测模型训练结果图。【具体实施方式】下面结合附图和实施例子对本专利技术做进一步的说明 实验材料为从某水果批发市场购买的脐橙样本，将表面灰尘擦拭干净，依次编号。将脐橙放置在温度20°C、湿度60%的实验环境下，使样本达到室温，病防治至少24h。脐橙糖度的检测: α)高光谱系统及图像采集:利用图2的进行图像采集，图2中结构包括计算机1、光栅光谱仪2、(XD3、光箱4、光源5、成像镜头6、移动台7、样本8、支撑架9，光箱4的上端连有(XD3，(XD3连接光栅光谱仪2，光栅光谱仪2连接成像镜头6，光箱4的两侧壁分别连有光源5，所述光箱4的底端连接支撑架9，支撑架9上放置有移动台7，移动台7上放置有样本8，所述移动台7和CCD3分别连接计算机I。实验数据采集前，为了避免基线漂移，将高光谱成像系统打开预热30min。将脐橙放置在一移动平台的黑色底板上，让果梗保持水平方向。为使避免图像失真，光照饱和。设置高光谱成像系统相机的曝光时间为5 ms，摄像头分辨率为1344 X 1024,电动平台的移动速度为16.6 mm/s，光谱范围是400~1000 nm，光谱分辨率为2.8 nm，光谱采样间隔为2.44nm，采集到254个波长下的图像，最终得到一个大小为1344X 1024X 254的高光谱图像数据块。对采集到的高光谱图像进行黑白标定，消除噪声影响。扫描标准白色校正板得到全白的标定图像W，关闭相机快门采集到全黑的标定图像B，根据公示(I)使采集到的绝对图像I变成相对图像R。Jt1(I)(2)光谱曲线的获取:针对采集到的高光谱图像，在脐橙中心选择一个7 X 7的正方形形感兴趣区域Region of Interesting(ROI),如图3,然后计算49个像素点的平均光谱,得到样本的光谱曲线，如图4。(3)脐橙糖度的检测:脐橙样本糖度的含量采用数字式折射仪PR-1Ola (AtagoC0.Ltd.，Tokyo, Japan)测量。对应脐橙高光谱图像中心位置切下一块，挤出滴果汁滴于数字折射仪的测试窗口上，用K-S方法从实验样品中选取部分作为建模集，剩余作为验证集。(4)特征波长选取:遗传算法(Genetic Algorithm)是在1975年由美国的J.Holland教授首先提出，是一类借鉴生物界的进化规律(适者生存，优胜劣汰遗传机制)演化而来的随机化搜索方法。主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。在光谱分析中可以利用遗传算法(GA)实现全局搜索，从而消除无关变量的干扰，选出特征波长。 将ROI的平均光谱导入matlab R2010a,参数设置为:群体数目为30，交叉概率0.50,编译概率0.01,迭代次数为100,独立运行100次。依照上述参数运行GA100次,每次输出0-1 二进制编码字符串，计算波长点标识为“I”的概率。挑选出频率较高的46个波长变量点:17-19, 33-35，38，40-42，51-56，82，84-92，94-96，121-125，178-18本文档来自技高网...
【技术保护点】
一种基于高光谱成像技术的脐橙糖度检测方法，其特征是包括以下步骤：?1）高光谱图像的采集和校正：利用高光谱成像系统对脐橙进行光谱采集，并进行黑白标定，消除噪声影响；?????2）糖度的测定：采用数字式折射仪测量脐橙糖度；?????3）图像的选取：对采集到的高光谱图像选择感兴趣区域，得到其光谱曲线；4）特征波长的提取：利用遗传算法（GA）对采集到的平均光谱进行平滑滤波，并挑选出合适的特征变量；5）建立模型：利用偏最小二乘法对GA算法挑选出来的特征变量进行建模，并利用验证样本进行检验；6）利用上述模型检测水果糖度。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘燕德，孙祥，陈洞滨，张光伟，杨信庭，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：
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。