CN101949686A - 水果内外综合品质在线无损检测方法及装置 - Google Patents
水果内外综合品质在线无损检测方法及装置 Download PDFInfo
- Publication number
- CN101949686A CN101949686A CN 201010247564 CN201010247564A CN101949686A CN 101949686 A CN101949686 A CN 101949686A CN 201010247564 CN201010247564 CN 201010247564 CN 201010247564 A CN201010247564 A CN 201010247564A CN 101949686 A CN101949686 A CN 101949686A
- Authority
- CN
- China
- Prior art keywords
- fruit
- near infrared
- computing machine
- fruits
- infrared spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种内外品质在线无损检测方法和装置。采用由输送***、机器视觉***,近红外光谱***,分级***组成的检测装置,先建立水果综合品质评价模型,水果通过输送***进行在线匀速运动;机器视觉***采集水果图像信息,并提取水果的外部特征;近红外光谱***采集水果的光谱信息;分级***通过事先建立好的数学模型,分析光谱信息,提取水果的内部特征;分级***通过事先建立好的信息融合模型,融合水果的内外特征,得到水果的综合品质等级。本发明可同时对水果的内部品质和外部品质进行检测;采用DSP高速图像处理***处理复杂的图像信息,大大提高了***的实时性;采用信息融合技术,对水果的综合品质进行在线实时检测。
Description
技术领域
本发明涉及水果内外综合品质的在线无损检测方法,尤其涉及采用DSP机器视觉和近红外光谱快速无损检测水果内外综合品质的方法及装置。
背景技术
水果是国内继粮食和蔬菜之后的第三大种植产品,80年代中后期以来,我国的水果迅猛发展。近几年我国的水果产量均居世界首位。按照农业部的规划,2010年水果产量将达到9300万吨。随着水果产量的不断增加和人们生活水平的不断提高,消费者不仅对水果外表质量注重选择,更看重水果的内部品质,如口感、糖度、酸度等。我国虽为水果生产大国却不是生产强国,水果每年的出口量还不到总产量的10%,主要原因在于水果外观质量较差和内在质量不能保证,导致水果的市场竞争力比较弱。
分级是果品商品化处理的重要环节,它在技术方面发展最快并在最近几年发生了根本的变化。分级的标准主要有外部品质和内部品质两个指标,外部品质主要是大小、颜色、形状、表面缺陷等参数,内部品质主要是糖度、酸度、坚实度等参数。国外早在80年代就开始了水果分级的研究,90年代后已经实现了应用。尽管如此,由于国外的设备结构复杂,价格较为昂贵,因此国内很少有购买此类设备的例子。目前国内的分级技术较为成熟的是在水果的外部品质分级方面,内部品质方面的研究近几年也发展很快,但多数研究都是针对单一的外部品质分级或单一的内部品质分级进行的。因此发展出能同时检测水果内部和外部品质并具有实用价值的水果分级装置的意义是显而易见的。
发明内容
本发明的目的是提供一种基于DSP机器视觉和近红外光谱信息融合技术的水果内外综合品质无损检测方法及装置。通过机器视觉***获取水果的图像信息,再从图像信息中提取出水果的外部特征(水果的大小、颜色、果形、缺陷等);通过近红外光谱检测***采集到水果的光谱信息,再从光谱信息中提取出水果的内部特征(如水果的糖度、酸度、黑心等);最后,将水果的外部特征和内部特征通过信息融合技术,对水果的内外综合品质进行分级判别。
本发明的第一个目的是通过以下方法实现的:基于DSP机器视觉和近红外光谱的水果内外综合品质在线无损检测方法,其特征在于:包括如下步骤:
(1)建立水果综合品质无损检测数学模型:
1)选择样本水果在包括输送***,机器视觉***,近红外光谱检测***,分级***的检测装置的输送装置上运动,由检测装置上的位置编码器记录其位置信息,并传送给计算机;
2)当水果到达机器视觉***时,由CCD摄像机获取水果的图像信息;当水果到达近红外检测***时,由近红外设备获取水果的光谱信息;
3)通过理化分析,对水果的内部特征进行有损检测,得出水果的内部特征;
4)通过水果图像信息处理,建立水果的图像信息与外部特征的数学模型;
5)通过近红外光谱信息处理,建立水果的近红外光谱与内部特征的数学模型;
6)按照一定的水果品质检测标准,评定出水果的综合品质等级;
7)采用信息融合技术,建立水果的内外特征和综合品质等级的数学模型;
(2)建立水果综合品质无损检测数学模型后,进行水果综合品质在线无损检测:
1)水果在包括输送***,机器视觉***,近红外光谱检测***,分级***的检测装置的输送装置上平稳匀速运动,由输送装置上的位置编码器记录其位置信息,并传送给计算机;
2)水果到达机器视觉***时,由CCD摄像机获取水果的图像信息;
3)水果到达近红外检测***时,由近红外设备获取水果的光谱信息,并传送给计算机;
4)通过机器视觉***对水果图像信息处理,通过事先建立好的图像信息与外部特征的数学模型,提取出水果的外部特征,并传送给计算机;
5)计算机通过事先建立好的近红外光谱与内部特征的数学模型,得到水果的内部特征;
6)计算机通过事先建立好的信息融合数学模型,融合水果的外部特征和水果的内部特征,得到水果的综合品质等级;
所述的输送***由输送装置13和旋转编码器14组成,输送装置13运送水果平稳匀速运动,旋转编码器14记录水果的位置信息。
所述的机器视觉***由机器视觉***密闭光箱1、CCD摄像头2、照明光源3、DSP高速图像处理***4组成,其中CCD摄像头2和照明光源3位于机器视觉***密闭光箱1内部,DSP高速图像处理***4通过PCI接口5位于计算机11内部。
所述的近红外光谱检测***由近红外光谱检测***密闭光箱6、卤钨光源7、光纤探头8、近红外光谱仪9组成,其中卤钨光源7位于近红外光谱检测***密闭光箱6内部,光纤探头8位于输送装置13下方,可通过光纤与近红外光谱仪9连接,近红外光谱仪9通过USB接口10与计算机11连接。
所述的分级***12位于计算机11,是计算机中的应用软件。
所述的水果图像信息和光谱信息的采集,具体是将水果以任意姿态放置在输送装置的果托上,匀速运动,由旋转编码器记录水果的位置信息;当机器视觉***检测到水果到达视觉信息采集区域时,由上方的CCD摄像机采集水果的图像信息,采集到的图像信息传输给DSP高速图像处理***;当计算机通过旋转编码器提供的位置信息判断水果到达近红外检测位置时,计算机控制近红外光谱检测***采集水果的近红外光谱信息;四盏近红外光源以90度环绕布置在近红外检测箱中,对水果进行照射,光纤探头位于水果下方,采集水果的漫透射光谱,传输给近红外光谱仪后,由近红外光谱仪通过USB接口,传输给计算机。
所述的水果图像信息处理,具体包括水果图像的预处理和水果外部特征的提取。其中水果图像的预处理有以下步骤:
1)采用中值滤波法对水果图像原始数据进行滤波去噪;
2)采用最大类间方差法进行背景分割;
3)通过轮廓提取及跟踪得到水果的边界曲线。
水果外部特征的提取包括以下步骤:
1)利用水果自身轴向对称性检测果轴;
2)采用最大果宽法检测水果大小;
3)对采集到的彩色水果图像采用HSI彩色模型来表示水果颜色,并利用色度值H对水果表面颜色组成进行分析,确定苹果颜色等级。
4)根据表面坏损区域与非坏损区域的颜色特征差异,利用R分量与分量在坏损区域与非坏损区域交界处的突变,求得可疑坏损点,然后再利用区域增长法,求出整个受损区域的面积。
5)采用轮廓小波描述子获取水果的果形特征。
所述的水果近红外光谱信息处理,包括近红外光谱预处理和成分预测模型建立,预处理包括以下步骤:
1)对光谱信息进行SG(Savitzky-Golay)平滑滤波;
2)求取滤波后的光谱数据的二阶导数;
3)对以上求得的光谱二阶导数进行SNV变量标准化处理。
成分预测模型的建立采用Bipls反向间隔偏最小二乘方法建立水果内部成分预测模型。
所述的信息融合技术采用DSmT证据组合理论,融合水果的大小、颜色、果形、缺陷、糖度、酸度、黑心等内外特征,得到水果综合品质。
本发明的第二个目的是这样实现的:基于DSP机器视觉和近红外光谱的水果内外综合品质在线无损检测装置,其特征在于,设有输送***,机器视觉***,近红外光谱检测***,分级***;所述的输送***由输送装置13和旋转编码器14组成,输送装置13运送水果匀速运动,旋转编码器14记录水果的位置信息;所述的机器视觉***由机器视觉***密闭光箱1、CCD摄像头2、照明光源3、DSP高速图像处理***4组成,其中CCD摄像头2和照明光源3位于机器视觉***密闭光箱1内部,DSP高速图像处理***4通过PCI接口5位于计算机11内部;所述的近红外光谱检测***由近红外光谱检测***密闭光箱6、卤钨光源7、光纤探头8、近红外光谱仪9组成,其中卤钨光源7位于近红外光谱检测***密闭光箱6内部,光纤探头8位于输送装置13下方,可通过光纤与近红外光谱仪9连接,近红外光谱仪9通过USB接口10与计算机11连接;所述的分级***12位于计算机11,是计算机中的应用软件。
本发明的有益效果是:
基于DSP机器视觉和近红外光谱的水果内外综合品质无损检测方法模仿人的信息处理功能,对图像信息和光谱信息进行实时处理,并采用信息融合的技术,融合水果的外部特征和内部特征,与单一的机器视觉和近红外光谱检测相比,得到的信息更全面,可以在同一时间对水果的内外综合品质进行评价。
本发明将耗时的图像处理工作由DSP高速图像处理***完成,大大提高了在线检测的实时性。
附图说明
下面结合附图和实例对本发明进一步说明。
图1是本发明的建立模型方法流程示意图;
图2是本发明的模型建立后进行水果在线品质检测方法流程示意图;
图3是本发明装置示意图。
图中:1.机器视觉***密闭光箱,2.CCD摄像头,3.照明光源,4.DSP高速图像处理***,5.PCI接口,6.近红外光谱检测***密闭光箱,7.卤钨光源,8.光纤探头,9.近红外光谱仪,10.USB接口,11.计算机,12.分级***,13.输送装置,14.旋转编码器。
具体实施方式
如图3所示,选用配备基于DSP机器视觉和近红外光谱的水果内外综合品质在线无损检测装置,由输送***,机器视觉***,近红外光谱检测***,分级***四部分组成。输送***由输送装置13和旋转编码器14组成,输送装置13运送水果匀速运动,旋转编码器14记录水果的位置信息;所述的机器视觉***由机器视觉***密闭光箱1、CCD摄像头2、照明光源3、DSP高速图像处理***4组成,其中CCD摄像头2和照明光源3位于机器视觉***密闭光箱1内部,DSP高速图像处理***4通过PCI接口5位于计算机11内部;所述的近红外光谱检测***由近红外光谱检测***密闭光箱6、卤钨光源7、光纤探头8、近红外光谱仪9组成,其中卤钨光源7位于近红外光谱检测***密闭光箱6内部,光纤探头8位于输送装置13下方,可通过光纤与近红外光谱仪9连接,近红外光谱仪9通过USB接口10与计算机11连接;所述的分级***12位于计算机11,是计算机中的应用软件。
其中近红外光谱检测***的近红外光源采用四盏150W的卤钨灯,四盏灯互相成90度直角固定在密闭光箱内部,对水果进行照射,光纤探头固定在输送装置上,位于水果的下方,用来接收水果的漫透射光谱,接收到水果的漫透射光谱后,由近红外光谱仪通过USB接口传输给分级***;计算机中的分级***由两部分组成,成分预测和信息融合,其中成分预测是通过事先建立好的水果近红外光谱和内部成分的数学模型,得到水果的内部特征;信息融合部分是融合机器视觉***传输过来的水果外部特征和通过成分预测得到的水果内部特征,得到水果的综合品质等级。
首先选取一批水果样本,用来建立模型。用基于机器视觉和近红外光谱的水果内外综合品质在线无损检测装置对这批水果样本进行图像采集和光谱采集。采集到的图像信息直接由DSP高速图像处理***进行分析,提取出外部特征;采集到的光谱数据通过近红外光谱仪传输给计算机;通过理化方法得到水果的内部特征;建立水果的光谱信息与内部特征的数学模型;按照国家标准,对水果的综合品质等级进行一个评价;融合内外特征,结合水果的综合品质等级,建立一个水果综合品质等级评价模型。
建立水果综合品质无损检测数学模型后,进行水果综合品质在线无损检测:
可以通过机器或人工的方法将水果放置在输送装置上,水果匀速向检测装置运动,由旋转编码器14记录水果的位置信息,并反馈给计算机11中的分级***12;当水果运动到机器视觉***密闭光箱1时,密闭光箱1中的照明光源3提供照明,由CCD摄像头2采集水果的图像信息,并传输给DSP高速图像处理***4,提取出水果的外部特征(大小、颜色、果形、缺陷等)后,通过PCI接口5传输给计算机11中的分级***12;当水果运动到近红外光谱检测***密闭光箱6时,卤钨光源7对水果进行近红外漫透射,光纤探头8接收水果的近红外漫透射光谱,由近红外光谱仪9通过USB接口10传输给计算机,由计算机中的分级***根据建立好的数学模型得到水果的内部特征(糖度、酸度、黑心等);最后通过分级***12中事先建立好的综合品质评价模型得到水果的综合品质等级。在得到水果的综合品质等级后,可以用本装置结合一定的分级装置对水果进行综合品质的实时在线分级工作。
Claims (6)
1.一种水果内外综合品质在线无损检测方法,其特征在于:包括如下步骤:
(1)建立水果综合品质无损检测数学模型:
1)选择样本水果在包括输送***,机器视觉***,近红外光谱检测***,分级***的检测装置的输送装置上运动,由检测装置上的位置编码器记录其位置信息,并传送给计算机;
2)当水果到达机器视觉***时,由CCD摄像机获取水果的图像信息;当水果到达近红外检测***时,由近红外设备获取水果的光谱信息;
3)通过理化分析,对水果的内部特征进行有损检测,得出水果的内部特征;
4)通过水果图像信息处理,建立水果的图像信息与外部特征的数学模型;
5)通过近红外光谱信息处理,建立水果的近红外光谱与内部特征的数学模型;
6)按照一定的水果品质检测标准,评定出水果的综合品质等级;
7)采用信息融合技术,建立水果的内外特征和综合品质等级的数学模型;
(2)建立水果综合品质无损检测数学模型后,进行水果综合品质在线无损检测:
1)水果在包括输送***,机器视觉***,近红外光谱检测***,分级***的检测装置的输送装置上平稳匀速运动,由输送装置上的位置编码器记录其位置信息,并传送给计算机;
2)水果到达机器视觉***时,由CCD摄像机获取水果的图像信息;
3)水果到达近红外光谱检测***时,由近红外设备获取水果的光谱信息,并传送给计算机;
4)通过机器视觉***对水果图像信息处理,通过事先建立好的图像信息与外部特征的数学模型,提取出水果的外部特征,并传送给计算机;
5)计算机通过事先建立好的近红外光谱与内部特征的数学模型,得到水果的内部特征;
6)计算机通过事先建立好的信息融合数学模型,融合水果的外部特征和水果的内部特征,得到水果的综合品质等级;
2.根据权利要求1所述的水果内外综合品质在线无损检测方法,其特征在于:所述的输送***由输送装置(13)和旋转编码器(14)组成,输送装置(13)运送水果平稳匀速运动,旋转编码器(14)记录水果的位置信息。
3.根据权利要求1所述的水果内外综合品质在线无损检测方法,其特征在于:所述的机器视觉***由机器视觉***密闭光箱(1)、CCD摄像头(2)、照明光源(3)、DSP高速图像处理***(4)组成,其中CCD摄像头(2)和照明光源(3)位于机器视觉***密闭光箱(1)内部,DSP高速图像处理***(4)通过PCI接口(5)位于计算机(11)内部。
4.根据权利要求1所述的水果内外综合品质在线无损检测方法,其特征在于:所述的近红外光谱检测***由近红外光谱检测***密闭光箱(6)、卤钨光源(7)、光纤探头(8)、近红外光谱仪(9)组成,其中卤钨光源(7)位于近红外光谱检测***密闭光箱(6)内部,光纤探头(8)位于输送装置(13)下方,可通过光纤与近红外光谱仪(9)连接,近红外光谱仪(9)通过USB接口(10)与计算机(11)连接。
5.根据权利要求1所述的水果内外综合品质在线无损检测方法,其特征在于:所述的分级***(12)位于计算机(11),是计算机中的应用软件。
6.水果内外综合品质在线无损检测装置,其特征在于,包括输送***,机器视觉***,近红外光谱检测***,分级***;所述的输送***由输送装置(13)和旋转编码器(14)组成,输送装置(13)运送水果匀速运动,旋转编码器(14)记录水果的位置信息;所述的机器视觉***由机器视觉***密闭光箱(1)、CCD摄像头(2)、照明光源(3)、DSP高速图像处理***(4)组成,其中CCD摄像头(2)和照明光源(3)位于机器视觉***密闭光箱(1)内部,DSP高速图像处理***(4)通过PCI接口(5)位于计算机(11)内部;所述的近红外光谱检测***由近红外光谱检测***密闭光箱(6)、卤钨光源(7)、光纤探头(8)、近红外光谱仪(9)组成,其中卤钨光源(7)位于近红外光谱检测***密闭光箱(6)内部,光纤探头(8)位于输送装置(13)下方,可通过光纤与近红外光谱仪(9)连接,近红外光谱仪(9)通过USB接口(10)与计算机(11)连接;所述的分级***(12)位于计算机(11),是计算机中的应用软件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010247564 CN101949686A (zh) | 2010-08-02 | 2010-08-02 | 水果内外综合品质在线无损检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010247564 CN101949686A (zh) | 2010-08-02 | 2010-08-02 | 水果内外综合品质在线无损检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101949686A true CN101949686A (zh) | 2011-01-19 |
Family
ID=43453267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010247564 Pending CN101949686A (zh) | 2010-08-02 | 2010-08-02 | 水果内外综合品质在线无损检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101949686A (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102539433A (zh) * | 2011-12-30 | 2012-07-04 | 华南农业大学 | 一种荔枝种核质量的无损检测方法 |
CN102735340A (zh) * | 2012-06-11 | 2012-10-17 | 陕西科技大学 | 一种基于压缩传感的水果颜色分级方法 |
CN103028555A (zh) * | 2012-12-03 | 2013-04-10 | 天津理工大学 | 基于hsi颜色特征的葡萄干色选检测方法 |
CN103063585A (zh) * | 2013-01-05 | 2013-04-24 | 石河子大学 | 瓜果成熟度快速无损检测装置及检测***建立方法 |
CN103521457A (zh) * | 2013-10-25 | 2014-01-22 | 江南大学 | 基于机器视觉和近红外光谱仪的苹果分级装置 |
CN104174597A (zh) * | 2014-08-13 | 2014-12-03 | 山西农业大学 | 轻微损伤鲜枣的快速无损在线检测与分选装置 |
CN104323405A (zh) * | 2014-10-24 | 2015-02-04 | 新华新橙科技股份有限公司 | 橙子清洗筛选装置 |
CN104359856A (zh) * | 2014-11-19 | 2015-02-18 | 天津市傲绿农副产品集团股份有限公司 | 近红外水果无损检测装置 |
CN104697927A (zh) * | 2013-12-05 | 2015-06-10 | 克朗斯股份公司 | 容器的印迹或涂层的固化程度的测量 |
CN105170485A (zh) * | 2015-10-07 | 2015-12-23 | 西北农林科技大学 | 一种猕猴桃检测分级装置 |
CN105628708A (zh) * | 2016-01-27 | 2016-06-01 | 塔里木大学 | 一种南疆红枣多参量品质快速无损检测方法 |
CN106742205A (zh) * | 2017-03-10 | 2017-05-31 | 胡珂 | 一种可以检测苹果完整度和成熟度的苹果自动装箱方法 |
CN106769900A (zh) * | 2016-12-30 | 2017-05-31 | 深圳市芭田生态工程股份有限公司 | 一种高光拍照和无损光谱扫描判断果蔬品质的*** |
CN106885783A (zh) * | 2016-12-30 | 2017-06-23 | 深圳市芭田生态工程股份有限公司 | 一种高光拍照和无损光谱扫描判断果蔬品质的方法 |
CN106896114A (zh) * | 2017-03-10 | 2017-06-27 | 胡珂 | 一种可以检测苹果完整度的苹果自动装箱方法 |
WO2017167181A1 (zh) * | 2016-04-01 | 2017-10-05 | 高利通科技(深圳)有限公司 | 一种组合式光谱探头及光谱分析*** |
CN108151644A (zh) * | 2016-12-02 | 2018-06-12 | 财团法人资讯工业策进会 | 农产品检测装置、农产品管理***及其方法 |
CN108593600A (zh) * | 2018-04-19 | 2018-09-28 | 滨州市沾化区冬枣研究所 | 冬枣自动分选方法和装置 |
CN108906653A (zh) * | 2018-08-07 | 2018-11-30 | 山东商业职业技术学院 | 一种桃子刷毛分级设备及桃子刷毛分级方法 |
CN109030402A (zh) * | 2018-08-21 | 2018-12-18 | 浙江大学 | 无损检测面包内部异物的在线检测装置与方法 |
CN109342431A (zh) * | 2018-12-10 | 2019-02-15 | 山东农业大学 | 鲜食葡萄无损采摘品质检测分级装置及其控制方法 |
CN109507959A (zh) * | 2018-10-12 | 2019-03-22 | 龙口盛福达食品有限公司 | 一种苹果等级分选运输生产线的智能控制方法 |
CN109827971A (zh) * | 2019-03-19 | 2019-05-31 | 湖州灵粮生态农业有限公司 | 一种无损检测水果表面缺陷的方法 |
CN110174065A (zh) * | 2019-06-17 | 2019-08-27 | 湖南农业大学 | 基于正交双目机器视觉的水果大小无损检测方法 |
CN110296992A (zh) * | 2019-08-15 | 2019-10-01 | 西北农林科技大学 | 一种基于机器视觉的采后甘蓝内外品质检测评价装置 |
CN111060473A (zh) * | 2020-01-15 | 2020-04-24 | 王丽娟 | 一种食品质量分析检测装置 |
CN111076670A (zh) * | 2019-12-03 | 2020-04-28 | 北京京仪仪器仪表研究总院有限公司 | 一种苹果内外品质在线无损检测方法 |
CN111122454A (zh) * | 2018-11-01 | 2020-05-08 | 西北农林科技大学 | 基于光纤光谱和机器视觉的苹果脆性无损检测仪 |
CN112474415A (zh) * | 2020-10-28 | 2021-03-12 | 扬州大学 | 一种果实分拣机 |
CN112691939A (zh) * | 2020-12-21 | 2021-04-23 | 中国农业大学 | 果蔬品质智能感知分拣机器人*** |
CN114354508A (zh) * | 2021-12-31 | 2022-04-15 | 深圳铯敏发科技有限公司 | 一种智慧农业植物保障*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005018639B3 (de) * | 2005-04-21 | 2006-06-08 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Erfolgskontrolle bei Steinobstentkernung |
CN1837788A (zh) * | 2006-03-24 | 2006-09-27 | 浙江大学 | 基于光特性的水果内部品质在线无损检测方法和装置 |
CN1940555A (zh) * | 2006-09-04 | 2007-04-04 | 江苏大学 | 一种农产品内外品质检测方法及装置 |
CN201041553Y (zh) * | 2007-05-29 | 2008-03-26 | 浙江大学 | 基于多光谱成像技术的水果品质无损检测*** |
CN101308086A (zh) * | 2008-06-24 | 2008-11-19 | 江苏大学 | 基于近红外光谱技术的水果内部品质在线检测方法及装置 |
-
2010
- 2010-08-02 CN CN 201010247564 patent/CN101949686A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005018639B3 (de) * | 2005-04-21 | 2006-06-08 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Erfolgskontrolle bei Steinobstentkernung |
CN1837788A (zh) * | 2006-03-24 | 2006-09-27 | 浙江大学 | 基于光特性的水果内部品质在线无损检测方法和装置 |
CN1940555A (zh) * | 2006-09-04 | 2007-04-04 | 江苏大学 | 一种农产品内外品质检测方法及装置 |
CN201041553Y (zh) * | 2007-05-29 | 2008-03-26 | 浙江大学 | 基于多光谱成像技术的水果品质无损检测*** |
CN101308086A (zh) * | 2008-06-24 | 2008-11-19 | 江苏大学 | 基于近红外光谱技术的水果内部品质在线检测方法及装置 |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102539433B (zh) * | 2011-12-30 | 2013-09-11 | 华南农业大学 | 一种荔枝种核质量的无损检测方法 |
CN102539433A (zh) * | 2011-12-30 | 2012-07-04 | 华南农业大学 | 一种荔枝种核质量的无损检测方法 |
CN102735340A (zh) * | 2012-06-11 | 2012-10-17 | 陕西科技大学 | 一种基于压缩传感的水果颜色分级方法 |
CN102735340B (zh) * | 2012-06-11 | 2014-03-12 | 陕西科技大学 | 一种基于压缩传感的水果颜色分级方法 |
CN103028555A (zh) * | 2012-12-03 | 2013-04-10 | 天津理工大学 | 基于hsi颜色特征的葡萄干色选检测方法 |
CN103063585A (zh) * | 2013-01-05 | 2013-04-24 | 石河子大学 | 瓜果成熟度快速无损检测装置及检测***建立方法 |
CN103063585B (zh) * | 2013-01-05 | 2015-09-02 | 石河子大学 | 瓜果成熟度快速无损检测装置及检测***建立方法 |
CN103521457A (zh) * | 2013-10-25 | 2014-01-22 | 江南大学 | 基于机器视觉和近红外光谱仪的苹果分级装置 |
CN104697927A (zh) * | 2013-12-05 | 2015-06-10 | 克朗斯股份公司 | 容器的印迹或涂层的固化程度的测量 |
CN104174597A (zh) * | 2014-08-13 | 2014-12-03 | 山西农业大学 | 轻微损伤鲜枣的快速无损在线检测与分选装置 |
CN104323405A (zh) * | 2014-10-24 | 2015-02-04 | 新华新橙科技股份有限公司 | 橙子清洗筛选装置 |
CN104359856A (zh) * | 2014-11-19 | 2015-02-18 | 天津市傲绿农副产品集团股份有限公司 | 近红外水果无损检测装置 |
CN104359856B (zh) * | 2014-11-19 | 2017-04-26 | 天津市傲绿农副产品集团股份有限公司 | 近红外水果无损检测装置 |
CN105170485A (zh) * | 2015-10-07 | 2015-12-23 | 西北农林科技大学 | 一种猕猴桃检测分级装置 |
CN105628708A (zh) * | 2016-01-27 | 2016-06-01 | 塔里木大学 | 一种南疆红枣多参量品质快速无损检测方法 |
WO2017167181A1 (zh) * | 2016-04-01 | 2017-10-05 | 高利通科技(深圳)有限公司 | 一种组合式光谱探头及光谱分析*** |
CN108151644A (zh) * | 2016-12-02 | 2018-06-12 | 财团法人资讯工业策进会 | 农产品检测装置、农产品管理***及其方法 |
CN106769900A (zh) * | 2016-12-30 | 2017-05-31 | 深圳市芭田生态工程股份有限公司 | 一种高光拍照和无损光谱扫描判断果蔬品质的*** |
CN106885783A (zh) * | 2016-12-30 | 2017-06-23 | 深圳市芭田生态工程股份有限公司 | 一种高光拍照和无损光谱扫描判断果蔬品质的方法 |
CN106742205B (zh) * | 2017-03-10 | 2019-07-09 | 余志浩 | 一种可以检测苹果完整度和成熟度的苹果自动装箱方法 |
CN106896114A (zh) * | 2017-03-10 | 2017-06-27 | 胡珂 | 一种可以检测苹果完整度的苹果自动装箱方法 |
CN106742205A (zh) * | 2017-03-10 | 2017-05-31 | 胡珂 | 一种可以检测苹果完整度和成熟度的苹果自动装箱方法 |
CN108593600A (zh) * | 2018-04-19 | 2018-09-28 | 滨州市沾化区冬枣研究所 | 冬枣自动分选方法和装置 |
CN108906653A (zh) * | 2018-08-07 | 2018-11-30 | 山东商业职业技术学院 | 一种桃子刷毛分级设备及桃子刷毛分级方法 |
CN108906653B (zh) * | 2018-08-07 | 2024-03-15 | 山东商业职业技术学院 | 一种桃子刷毛分级设备及桃子刷毛分级方法 |
CN109030402A (zh) * | 2018-08-21 | 2018-12-18 | 浙江大学 | 无损检测面包内部异物的在线检测装置与方法 |
CN109507959A (zh) * | 2018-10-12 | 2019-03-22 | 龙口盛福达食品有限公司 | 一种苹果等级分选运输生产线的智能控制方法 |
CN109507959B (zh) * | 2018-10-12 | 2020-10-09 | 厉聪 | 一种苹果等级分选运输生产线的智能控制方法 |
CN111122454A (zh) * | 2018-11-01 | 2020-05-08 | 西北农林科技大学 | 基于光纤光谱和机器视觉的苹果脆性无损检测仪 |
CN109342431A (zh) * | 2018-12-10 | 2019-02-15 | 山东农业大学 | 鲜食葡萄无损采摘品质检测分级装置及其控制方法 |
CN109827971A (zh) * | 2019-03-19 | 2019-05-31 | 湖州灵粮生态农业有限公司 | 一种无损检测水果表面缺陷的方法 |
CN110174065A (zh) * | 2019-06-17 | 2019-08-27 | 湖南农业大学 | 基于正交双目机器视觉的水果大小无损检测方法 |
CN110296992A (zh) * | 2019-08-15 | 2019-10-01 | 西北农林科技大学 | 一种基于机器视觉的采后甘蓝内外品质检测评价装置 |
CN111076670A (zh) * | 2019-12-03 | 2020-04-28 | 北京京仪仪器仪表研究总院有限公司 | 一种苹果内外品质在线无损检测方法 |
CN111076670B (zh) * | 2019-12-03 | 2021-06-08 | 北京京仪仪器仪表研究总院有限公司 | 一种苹果内外品质在线无损检测方法 |
CN111060473A (zh) * | 2020-01-15 | 2020-04-24 | 王丽娟 | 一种食品质量分析检测装置 |
CN111060473B (zh) * | 2020-01-15 | 2021-06-25 | 王丽娟 | 一种食品质量分析检测装置 |
CN112474415A (zh) * | 2020-10-28 | 2021-03-12 | 扬州大学 | 一种果实分拣机 |
CN112691939A (zh) * | 2020-12-21 | 2021-04-23 | 中国农业大学 | 果蔬品质智能感知分拣机器人*** |
CN114354508A (zh) * | 2021-12-31 | 2022-04-15 | 深圳铯敏发科技有限公司 | 一种智慧农业植物保障*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101949686A (zh) | 水果内外综合品质在线无损检测方法及装置 | |
CN101251526B (zh) | 鲜猪肉综合品质无损检测方法与装置 | |
CN101403602B (zh) | 嵌入式高速在线机器视觉检测方法及装置 | |
CN101832941B (zh) | 一种基于多光谱图像的水果品质评价装置 | |
CN101915738B (zh) | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 | |
CN202057579U (zh) | 一种在线检测水果内部品质的光学*** | |
CN105067531A (zh) | 一种芒果品质无损检测方法及装置 | |
CN101692052B (zh) | 基于超光谱图像技术的名优茶真伪鉴别方法及装置 | |
CN105092579A (zh) | 一种芒果品质无损检测设备 | |
Sun et al. | Detection of internal qualities of hami melons using hyperspectral imaging technology based on variable selection algorithms | |
CN1804620A (zh) | 一种禽蛋表面品质检测的方法和装置 | |
CN103018196A (zh) | 一种油菜需水信息的快速探测方法 | |
CN101059452A (zh) | 基于多光谱成像技术的水果品质无损检测方法与*** | |
CN103521457A (zh) | 基于机器视觉和近红外光谱仪的苹果分级装置 | |
CN102788794A (zh) | 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法 | |
CN105628708A (zh) | 一种南疆红枣多参量品质快速无损检测方法 | |
CN105170485A (zh) | 一种猕猴桃检测分级装置 | |
CN110146516A (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN104048966B (zh) | 一种基于大律法的布面疵点检测及分类方法 | |
CN105004722A (zh) | 一种烟叶成熟度快速检测方法 | |
CN201156043Y (zh) | 食品综合品质无损检测装置 | |
CN103868857A (zh) | 一种农药残留的检测方法、装置及*** | |
CN110826552A (zh) | 基于深度学习的葡萄无损自动检测装置及其方法 | |
CN101614663A (zh) | 可见和近红外光谱的蜂花粉品种鉴别方法 | |
CN104198398A (zh) | 一种基于高光谱成像鉴别阿胶的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20110119 |