CN107607480A - 脐橙有效酸度的无损检测方法 - Google Patents
脐橙有效酸度的无损检测方法 Download PDFInfo
- Publication number
- CN107607480A CN107607480A CN201610546734.9A CN201610546734A CN107607480A CN 107607480 A CN107607480 A CN 107607480A CN 201610546734 A CN201610546734 A CN 201610546734A CN 107607480 A CN107607480 A CN 107607480A
- Authority
- CN
- China
- Prior art keywords
- navel orange
- msub
- mrow
- effective acidity
- effective
- 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.)
- Granted
Links
- 235000005976 Citrus sinensis Nutrition 0.000 title claims abstract description 63
- 240000002319 Citrus sinensis Species 0.000 title claims abstract description 63
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 238000009659 non-destructive testing Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000001035 drying Methods 0.000 claims abstract description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 239000002253 acid Substances 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000003339 best practice Methods 0.000 abstract description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003556 assay Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 125000001400 nonyl group Chemical group [H]C([*])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])[H] 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种脐橙有效酸度的无损检测方法，包括以下步骤：采集建模样本和检验样本，将超出果面的果梗部分去除；对建模样本和检验样本进行清洗及吹干处理后，采集原始图像；对原始图像进行裁切；去背景处理，并进行边缘检测及果实区域提取，得到脐橙果实区域的RGB图像；将RGB图像转换为HSI图像；统计各HSI图像的色调均值
Description
技术领域
本发明特别涉及一种脐橙有效酸度的无损检测方法。
背景技术
在现有技术中，对脐橙有效酸度的测定需要将待测果实破损才能实现，这种方法实用性不强。
由于脐橙果皮是内部品质与外观质量的综合映射体，果皮的颜色与脐橙果实有效酸度之间存在关联性。若能通过一种无损的方法检测脐橙有效酸度，这就为生产中脐橙内部品质分级提供了依据。基于这点，提出一种脐橙有效酸度的无损检测方法。
发明内容
本发明的目的在于，针对上述现有技术的不足，提供一种脐橙有效酸度的无损检测方法。
为解决上述技术问题，本发明所采用的技术方案是：
一种脐橙有效酸度的无损检测方法，包括以下步骤：
步骤一，采集M个待检测的脐橙果实作为建模样本，采集N个待检测的脐橙果实作为检验样本，将建模样本和检验样本超出果面的果梗部分去除；
步骤二，对建模样本和检验样本进行清洗及吹干处理后，采集建模样本和检验样本的原始图像；
步骤三，对原始图像进行裁切；
步骤四，对裁切后的图像进行去背景处理，对去背景处理后的图像进行边缘检测及果实区域提取，得到脐橙果实区域的RGB图像；
步骤五，将所述RGB图像转换为HSI图像；
步骤六，统计所述各HSI图像的色调均值
步骤七，建立脐橙有效酸度预测模型：
式中，x为色调均值，为脐橙有效酸度预测值，ai、bi、ci(i＝1,2,…,P；P＝5或6)、d为待定系数；
同时，建立目标函数其中yj为建模样本有效酸度实际值，求方程组的近似解，得到各待定系数ai、bi、ci、d，将求得的ai、bi、ci、d代入式得到脐橙有效酸度无损检测模型；
步骤八，将检测样本的色调均值输入所述无损检测模型，输出检测样本对应的有效酸度。
作为一种优选方式，所述步骤二中包括：将建模样本和检验样本分别置于500×500×500mm3的光照箱底部中央，背景黑色，数码相机于光照箱顶部中央，相机镜头距果顶460～490mm，箱顶以相机镜头为中心对称均布4盏60w白炽灯，采集果实两个侧面的数字图像。
作为一种优选方式，所述步骤三中包括：利用数字图像处理软件对采集的原始图像进行1024×1024像素大小的裁切。
作为一种优选方式，所述步骤四中包括：取边缘检测的色差分量模型为ξ＝R-0.45B，式中，R、B分别为图像的红色和蓝色分量；将色差分量ξ作为红色分量值，绿色与蓝色分量置0，生成色差分量ξ图，运用canny算子对所述色差分量ξ图进行脐橙果实边缘检测并提取脐橙果实区域。
与现有技术相比，本发明利用脐橙果实区域的色调均值作为脐橙有效酸度无损检测的参数，建立脐橙有效酸度无损检测多项式模型，通过最优方法求解模型参数，最终确定脐橙有效酸度无损检测模型，实现无损检测脐橙有效酸度，实用性强。
附图说明
图1为裁切后的图像。
图2为色差分量ξ图。
图3为果实边缘曲线图。
图4为果实区域图。
具体实施方式
本发明为一种脐橙有效酸度的无损检测方法，以朋娜脐橙作为被测对象，包括以下步骤：
步骤一，采集16个待检测的脐橙果实作为建模样本，采集134个待检测的脐橙果实作为检验样本，将果梗平齐果面，将建模样本和检验样本超出果面的果梗部分剪去；
步骤二，对建模样本和检验样本进行清洗及吹干处理后，采集建模样本和检验样本的原始图像；具体包括：
将建模样本和检验样本分别置于500×500×500mm3的光照箱底部中央，背景黑色，数码相机于光照箱顶部中央，相机镜头距果顶460～490mm，箱顶以相机镜头为中心对称均布4盏60w白炽灯，采集果实两个侧面的数字图像。
步骤三，对原始图像进行裁切，为后续图像处理作准备；具体包括：
利用数字图像处理软件对采集的原始图像进行1024×1024像素大小的裁切，得到如图1所示的图像。
步骤四，对裁切后的图像进行去背景处理，对去背景处理后的图像进行边缘检测及果实区域提取，得到脐橙果实区域的RGB图像；具体包括：
取边缘检测的色差分量模型为ξ＝R-kB，式中，R、B分别为图像的红色和蓝色分量；经过多次反复实验，当k∈[0.5，1]时，脐橙果实区域内出现与脐橙果实区域外的背景色差分量接近的色块，当k∈(0，0.4]时，脐橙果实区域外出现与脐橙果实区域内色差分量接近的色块，当k∈(0.4，0.5)时，脐橙果实区域内外两部分各自色差接近，同时，两部分彼此间色差又有区别，实际取k＝0.45。将色差分量ξ作为红色分量值，绿色与蓝色分量置0，生成色差分量ξ图，如图2所示，在该图中脐橙果实区域内外各自色差分量相近且二者又有差异。然后运用传统最优化方法——canny算子对所述色差分量ξ图进行脐橙果实边缘检测，脐橙果实内外区域分别联通，这种处理使边缘连续，内外无过分割现象，如图3所示。依据canny算子检测出的脐橙果实边缘，提取脐橙果实区域，如图4所示，果实边缘连贯不间断，果实区域完整无孔洞。
步骤五，将所述RGB图像转换为HSI图像，备色调统计用；
步骤六，统计所述各HSI图像的色调均值作为脐橙有效酸度的预测依据；
步骤七，采用同类函数叠加，理论上可无限逼近任意映射的方法建立脐橙有效酸度预测模型：
式中，x为色调均值，为脐橙有效酸度预测值，ai、bi、ci(i＝1,2,…,P；P＝5)、d为待定系数；若模型中含x的项少于4项，影响脐橙有效酸度预测精度；多于7项，因待定系数过多加大计算工作量，通常P取5～6项为最佳，在这里取5。
同时，建立目标函数其中yj为建模样本有效酸度实际值，求方程组的近似解，得到各待定系数ai、bi、ci、d，将求得的ai、bi、ci、d代入式得到脐橙有效酸度无损检测模型，如下式所示(单位是pH)：
步骤八，将检测样本的色调均值输入所述无损检测模型，输出检测样本对应的有效酸度。
为验证本发明方法的可靠性，首先分别利用本发明所述方法检测134个检验样本的糖度，然后对134个检验样本参照食品卫生检验方法理论部分总则GB/T5009.1-2003和食品中总酸的测定方法GB/T12456-90进行pH值测定，仪器采用南京庚辰科学仪器公司生产的PHS－2F数字pH计，基本误差pH±0.1，分辨率0.01pH，测量范围pH0.00－14.00。试验操作中取单果全部果肉榨汁搅拌均匀后测量有效酸度，以消除单果各部位内部品质差异的影响。最后将用pH计实际测得的有效酸度(实测值)和本发明方法预测的有效酸度(预测值)比较，发现误差介于±0.5pH之内的判断正确率为89.55％，介于±0.4pH之内的判断正确率为82.84％，因此本发明所述方法可作为脐橙有效酸度的无损估测。
| 样本序号 | 预测值 | 实测值 |
| 1 | 3.3998 | 3.41 |
| 2 | 3.3278 | 3.09 |
| 3 | 3.3228 | 3.66 |
| 4 | 3.3166 | 3.45 |
| 5 | 3.3114 | 2.70 |
| 6 | 3.3105 | 3.32 |
| 7 | 3.3040 | 3.60 |
| 8 | 3.2750 | 3.49 |
| 9 | 3.2623 | 3.30 |
| 10 | 3.2503 | 3.47 |
表1。
Claims (4)
1.一种脐橙有效酸度的无损检测方法，其特征在于，包括以下步骤：
步骤一，采集M个待检测的脐橙果实作为建模样本，采集N个待检测的脐橙果实作为检验样本，将建模样本和检验样本超出果面的果梗部分去除；
步骤二，对建模样本和检验样本进行清洗及吹干处理后，采集建模样本和检验样本的原始图像；
步骤三，对原始图像进行裁切；
步骤四，对裁切后的图像进行去背景处理，对去背景处理后的图像进行边缘检测及果实区域提取，得到脐橙果实区域的RGB图像；
步骤五，将所述RGB图像转换为HSI图像；
步骤六，统计所述各HSI图像的色调均值
步骤七，建立脐橙有效酸度预测模型：
<mrow>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>e</mi>
<mrow>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mi>x</mi>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>e</mi>
<mrow>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mi>x</mi>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>+</mo>
<mo>...</mo>
<mo>+</mo>
<mfrac>
<msub>
<mi>c</mi>
<mi>P</mi>
</msub>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>e</mi>
<mrow>
<msub>
<mi>b</mi>
<mi>P</mi>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mi>P</mi>
</msub>
<mi>x</mi>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mi>d</mi>
<mo>,</mo>
</mrow>
式中，x为色调均值，为脐橙有效酸度预测值，ai、bi、ci(i＝1,2,…,P；P＝5或6)、d为待定系数；
同时，建立目标函数其中yj为建模样本有效酸度实际值，求方程组的近似解，得到各待定系数ai、bi、ci、d，将求得的ai、bi、ci、d代入式得到脐橙有效酸度无损检测模型；
步骤八，将检测样本的色调均值输入所述无损检测模型，输出检测样本对应的有效酸度。
2.如权利要求1所述的脐橙有效酸度的无损检测方法，其特征在于，所述步骤二中包括：将建模样本和检验样本分别置于500×500×500mm3的光照箱底部中央，背景黑色，数码相机于光照箱顶部中央，相机镜头距果顶460～490mm，箱顶以相机镜头为中心对称均布4盏60w白炽灯，采集果实两个侧面的数字图像。
3.如权利要求1所述的脐橙有效酸度的无损检测方法，其特征在于，所述步骤三中包括：利用数字图像处理软件对采集的原始图像进行1024×1024像素大小的裁切。
4.如权利要求1所述的脐橙有效酸度的无损检测方法，其特征在于，所述步骤四中包括：取边缘检测的色差分量模型为ξ＝R-kB，式中，R、B分别为图像的红色和蓝色分量，k∈(0.4，0.5)；将色差分量ξ作为红色分量值，绿色与蓝色分量置0，生成色差分量ξ图，运用canny算子对所述色差分量ξ图进行脐橙果实边缘检测并提取脐橙果实区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610546734.9A CN107607480B (zh) | 2016-07-12 | 2016-07-12 | 脐橙有效酸度的无损检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610546734.9A CN107607480B (zh) | 2016-07-12 | 2016-07-12 | 脐橙有效酸度的无损检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107607480A true CN107607480A (zh) | 2018-01-19 |
| CN107607480B CN107607480B (zh) | 2020-03-17 |
Family
ID=61055381
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610546734.9A Active CN107607480B (zh) | 2016-07-12 | 2016-07-12 | 脐橙有效酸度的无损检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107607480B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059452A (zh) * | 2007-05-29 | 2007-10-24 | 浙江大学 | 基于多光谱成像技术的水果品质无损检测方法与*** |
| CN101125333A (zh) * | 2007-09-24 | 2008-02-20 | 浙江大学 | 水果按表面颜色分级的方法 |
| CN101153851A (zh) * | 2007-06-15 | 2008-04-02 | 中国农业大学 | 一种基于机器视觉的苹果检测分级方法 |
| CN101701916A (zh) * | 2009-12-01 | 2010-05-05 | 中国农业大学 | 一种玉米品种快速鉴定、鉴别方法 |
| CN102706908A (zh) * | 2012-05-30 | 2012-10-03 | 浙江大学 | 水果内部品质快速检测模型的建模方法 |
| CN103472031A (zh) * | 2013-09-20 | 2013-12-25 | 华东交通大学 | 一种基于高光谱成像技术的脐橙糖度检测方法 |
| CN103528962A (zh) * | 2013-10-28 | 2014-01-22 | 湖南科技学院 | 一种便携式水果品质无损检测装置 |
| CN104034684A (zh) * | 2014-06-05 | 2014-09-10 | 北京金达清创环境科技有限公司 | 一种基于紫外-可见吸收光谱的水质多指标检测方法 |
| CN104677920A (zh) * | 2015-02-09 | 2015-06-03 | 浙江大学 | 一种基于果面局部灰度突变的水果表面虫眼检测标记方法 |
| CN104713835A (zh) * | 2015-03-25 | 2015-06-17 | 上海烟草集团有限责任公司 | 一种烟叶颜色在线数值化识别方法 |
-
2016
- 2016-07-12 CN CN201610546734.9A patent/CN107607480B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059452A (zh) * | 2007-05-29 | 2007-10-24 | 浙江大学 | 基于多光谱成像技术的水果品质无损检测方法与*** |
| CN101153851A (zh) * | 2007-06-15 | 2008-04-02 | 中国农业大学 | 一种基于机器视觉的苹果检测分级方法 |
| CN101125333A (zh) * | 2007-09-24 | 2008-02-20 | 浙江大学 | 水果按表面颜色分级的方法 |
| CN101701916A (zh) * | 2009-12-01 | 2010-05-05 | 中国农业大学 | 一种玉米品种快速鉴定、鉴别方法 |
| CN102706908A (zh) * | 2012-05-30 | 2012-10-03 | 浙江大学 | 水果内部品质快速检测模型的建模方法 |
| CN103472031A (zh) * | 2013-09-20 | 2013-12-25 | 华东交通大学 | 一种基于高光谱成像技术的脐橙糖度检测方法 |
| CN103528962A (zh) * | 2013-10-28 | 2014-01-22 | 湖南科技学院 | 一种便携式水果品质无损检测装置 |
| CN104034684A (zh) * | 2014-06-05 | 2014-09-10 | 北京金达清创环境科技有限公司 | 一种基于紫外-可见吸收光谱的水质多指标检测方法 |
| CN104677920A (zh) * | 2015-02-09 | 2015-06-03 | 浙江大学 | 一种基于果面局部灰度突变的水果表面虫眼检测标记方法 |
| CN104713835A (zh) * | 2015-03-25 | 2015-06-17 | 上海烟草集团有限责任公司 | 一种烟叶颜色在线数值化识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张新红: "《小波网络理论及其在经济建模中的应用》", 30 November 2008, 东北财经大学出版社 * |
| 彭辉等: "采用自适应canny算子的树上柑橘图像边缘检测", 《计算机工程与应用》 * |
| 黎移新: "基于前馈神经网络的脐橙糖度及有效酸度检测", 《食品与机械》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107607480B (zh) | 2020-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109269951B (zh) | 基于图像的浮选尾煤灰分、浓度、粗颗粒含量检测方法 | |
| CN106023158B (zh) | Sd-oct图像的淡水无核珍珠珍珠质层缺陷识别方法 | |
| CN104256882B (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
| CN107144353B (zh) | 一种基于数码相机的纺织品色差测量方法 | |
| CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
| CN103900972B (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
| Chalidabhongse et al. | 2D/3D vision-based mango's feature extraction and sorting | |
| CN102621154B (zh) | 基于改进差分盒多重分形算法的布匹疵点在线自动检测方法 | |
| CN104458597A (zh) | 一种基于相机的产品颜色检测方法、装置和*** | |
| CN105466921A (zh) | 一种多样品同时检测的方法 | |
| CN102539433B (zh) | 一种荔枝种核质量的无损检测方法 | |
| CN108509696A (zh) | 基于三维激光扫描技术的古建筑健康监测方法及装置 | |
| CN106067173A (zh) | 柑橘果实糖度的复杂性测度无损检测方法 | |
| CN106018179A (zh) | 一种基于图像处理的胶料表面黏性测量方法及装置 | |
| CN104952754A (zh) | 基于机器视觉的镀膜后硅片分选方法 | |
| CN102735340B (zh) | 一种基于压缩传感的水果颜色分级方法 | |
| CN105606610A (zh) | 一种基于生物散斑技术无损检测苹果内部品质的方法 | |
| Ma et al. | Rapid estimation of apple phenotypic parameters based on 3D reconstruction | |
| CN102750547B (zh) | 一种基于压缩传感的水果大小分级方法 | |
| CN107607480A (zh) | 脐橙有效酸度的无损检测方法 | |
| CN100449309C (zh) | 一种苹果内部品质的无损检测方法 | |
| CN104778709B (zh) | 一种基于纱线序列图像的电子黑板的构建方法 | |
| CN102768212B (zh) | 一种基于压缩传感的水果缺陷分级方法 | |
| CN104165696A (zh) | 一种材料表面颜色特征在线自动检测方法 | |
| TWI282847B (en) | Method to measure the weight based on machine vision |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20180119 Assignee: Yiyang Xiangchu Yunong Agricultural Development Co.,Ltd. Assignor: HUNAN BIOLOGICAL AND ELECTROMECHANICAL POLYTECHNIC Contract record no.: X2024980000153 Denomination of invention: Non destructive testing method for effective acidity of navel oranges Granted publication date: 20200317 License type: Common License Record date: 20240108 |