CN110068276A - 一种精确测量柑橘果皮厚度的方法 - Google Patents
一种精确测量柑橘果皮厚度的方法 Download PDFInfo
- Publication number
- CN110068276A CN110068276A CN201910355656.8A CN201910355656A CN110068276A CN 110068276 A CN110068276 A CN 110068276A CN 201910355656 A CN201910355656 A CN 201910355656A CN 110068276 A CN110068276 A CN 110068276A
- Authority
- CN
- China
- Prior art keywords
- scanning
- thickness
- orange peel
- fruit
- apron
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005259 measurement Methods 0.000 title claims abstract description 32
- 235000020971 citrus fruits Nutrition 0.000 claims abstract description 35
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000010191 image analysis Methods 0.000 claims abstract description 6
- 244000182264 Lucuma nervosa Species 0.000 claims abstract description 4
- 241001270131 Agaricus moelleri Species 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 235000013372 meat Nutrition 0.000 claims description 2
- 229910017435 S2 In Inorganic materials 0.000 claims 1
- 240000000560 Citrus x paradisi Species 0.000 description 13
- 241001672694 Citrus reticulata Species 0.000 description 11
- 235000005979 Citrus limon Nutrition 0.000 description 10
- 244000131522 Citrus pyriformis Species 0.000 description 10
- 241000207199 Citrus Species 0.000 description 7
- 239000010410 layer Substances 0.000 description 6
- 244000276331 Citrus maxima Species 0.000 description 4
- 235000001759 Citrus maxima Nutrition 0.000 description 4
- 235000005976 Citrus sinensis Nutrition 0.000 description 3
- 240000002319 Citrus sinensis Species 0.000 description 3
- 235000006662 Lansium Nutrition 0.000 description 3
- 241001156382 Lansium Species 0.000 description 3
- 239000002356 single layer Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 210000001672 ovary Anatomy 0.000 description 2
- 210000003934 vacuole Anatomy 0.000 description 2
- PYMYPHUHKUWMLA-UHFFFAOYSA-N 2,3,4,5-tetrahydroxypentanal Chemical compound OCC(O)C(O)C(O)C=O PYMYPHUHKUWMLA-UHFFFAOYSA-N 0.000 description 1
- 206010011469 Crying Diseases 0.000 description 1
- 241000219095 Vitis Species 0.000 description 1
- 235000009754 Vitis X bourquina Nutrition 0.000 description 1
- 235000012333 Vitis X labruscana Nutrition 0.000 description 1
- 235000014787 Vitis vinifera Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229940040387 citrus pectin Drugs 0.000 description 1
- 239000009194 citrus pectin Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006408 female gonad development Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000341 volatile oil Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B5/00—Measuring arrangements characterised by the use of mechanical techniques
- G01B5/02—Measuring arrangements characterised by the use of mechanical techniques for measuring length, width or thickness
- G01B5/06—Measuring arrangements characterised by the use of mechanical techniques for measuring length, width or thickness for measuring thickness
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种精确测量柑橘果皮厚度的方法,包括如下步骤:S1、选取柑橘果实横径最大处,即果实赤道部位横向切取果实3片,每片厚度2厘米;剥离果肉,保留完整白皮层,剥离后的柑橘果皮整体呈圈状;S2、将柑橘果皮圈放入到图像扫描盘中,使用双光源扫描成像仪对柑橘果皮圈依次进行扫描,每个柑橘果皮圈正反2面分别重复扫描3次,共获得18张扫描图;S3、借助根系图像分析软件进行果皮图像分析,计算平均直径即果皮厚度,并运用批处理功能依次分析所有扫描图;S4、柑橘果皮厚度的计算。本发明采用图像扫描与分析的方法进行柑橘果皮厚度的测量,精确度显著提高,且能够在不更改所有参数的条件下,适宜各种柑橘果实果皮厚度的测量。
Description
技术领域
本发明属于农业技术领域,涉及一种精确测量柑橘果皮厚度的方法。
背景技术
柑橘是世界第一大水果,种类繁多,果皮厚度因种类和品种的不同而有显著差异。柑橘果皮厚度是衡量柑橘果实品质和加工、贮藏特性的重要指标。柑橘果皮粗厚通常与风味下降并存,但耐贮藏特性则与果皮的厚度呈正相关。另外以柑橘果皮为原料的柑橘加工工艺,如陈皮、橘皮精油、柑橘果胶等,果皮的厚度直接影响产品质量和产量。因此进行柑橘果皮厚度的测量时柑橘生产过程中必不可少环节,其测量的精度对柑橘果实的品质和柑橘果皮加工的工艺参数设置均有显著影响。
众所周知,柑橘果实为柑果,是由子房发育而来的,子房的外壁发育成果实的外果皮,富含油胞,故又称油胞层,因其成熟时颜色通常为黄色所以也叫黄皮层;子房壁发育为中果皮即海绵层,又称为白皮层。因此,通常所测果皮厚度是指的白皮层和和黄皮层的总和。目前常用测量柑橘果皮厚度的方法主要游标卡尺法,根据一次测量果皮的数量又可分为以下两种方法:(1)单层果皮法:即将果皮从柑橘上剥下来,选取果实赤道的不同部位的果皮,用电子数显游标卡尺测量果皮厚度,重复三次得t1、t2和t3,取其平均值T,计算公式为:T=(t1+t2+t3)/3;(2)多层果皮叠加方法:将多层果皮叠放测量其厚度T=T总/n。但是上述测量柑橘果皮厚度方法的精确度和准确度均受到测量者个人操作的影响,主要表现为:(1)柑橘果皮质地较软,用游标卡尺测量时很容易受到测量者测量力度的影响,从而改变柑橘果皮的形态,测量结果误差较大。(2)柑橘果实各部位厚度不均,且品种间差异较大,其中以果顶和果蒂部分较厚,赤道部位较薄。即使通过选取多个部位取其平均值,仍然在精确度上与真实厚度存在显著差异。(3)柑橘果皮由白皮层和黄皮层构成,橘瓣与白皮层的结合处并非是平直的,而是与橘瓣形状一致。那么橘瓣的弧顶处果皮较薄,而橘瓣边缘处果皮较厚。可见,常规测量得到的果皮厚度是极不准确的。
发明内容
为解决上述问题,本发明提供了一种基于数字图像扫描与分析的精确测量柑橘果皮厚度的方法,借助一定的模型研究能得到比较理想的结果,能够准确测量全果的平均厚度,解决了现有技术中存在测量误差较大、测量者的力度差异等的问题。
为实现上述目的,本发明采取的技术方案为:
一种精确测量柑橘果皮厚度的方法,包括如下步骤:
S1、待测柑橘果实果皮切片
选取柑橘果实横径最大处,即果实赤道部位横向切取果实3片,每片厚度2厘米;小心剥离果肉,保留完整白皮层,剥离后的柑橘果皮整体呈圈状;
S2、柑橘果皮的形态扫描
将柑橘果皮圈放入到图像扫描盘中,使用双光源扫描成像仪对柑橘果皮圈依次进行扫描,得到图像灰度为16位灰度,分辨率为300dp i的扫描图;每个柑橘果皮圈正反2面分别重复扫描3次,共获得18张扫描图;
S3、柑橘果皮图像的分析
借助根系图像分析软件进行果皮图像分析,计算其平均直径即果皮厚度,并运用批处理功能依次分析所有扫描图;
S4、柑橘果皮厚度的计算
通过以下公式计算每个柑橘果皮圈的平均厚度:
式中,T为平均厚度,t1-t18为单次果皮厚度
其中,所述步骤S2中的扫描参数为:扫描模式:照片;文稿类型:彩色正片;图像灰度:16-位灰度;分辨率:300dpi;扫描质量:标准;图像格式:TIFF;扫描区域:27.8000×33.3000厘米。
其中,所述步骤S2中,将扫描图从t1-1逐次命名到t1-18。
其中,所述步骤S3中,将扫描图导入到软件中,勾选根平均直径图标,运行软件,运行完毕后,点击建立文本文件(.TXT),存入分析数据并命名,点击图片批量处理按钮对所有扫描图片进行分析。
本发明具有以下有益效果:
本发明采用图像扫描与分析的方法进行柑橘果皮厚度的测量,精确度显著提高。
本发明步骤操作简单,全部过程只需要4个步骤。
本发明的使用范围广,能够在不更改所有参数的条件下,适宜各种柑橘果实果皮厚度的测量。
附图说明
图1为本发明实施例一种精确测量柑橘果皮厚度的方法的流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
如图1所述,本发明的一种精确测量柑橘果皮厚度的方法,包括如下步骤:
S1、待测柑橘果实果皮切片
选取柑橘果实横径最大处,即果实赤道部位横向切取果实3片,每片厚度2厘米。小心剥离果肉(橘瓣),保留完整白皮层,剥离后的柑橘果皮整体呈圈状。
S2、柑橘果皮的形态扫描
将柑橘果皮圈放入到图像扫描盘中,使用双光源扫描成像仪对柑橘果皮圈依次进行扫描,运行双光源扫描成像仪软件,并设置如下扫描参数:扫描模式:照片;文稿类型:彩色正片;图像灰度:16-位灰度;分辨率:300dpi;扫描质量:标准;图像格式:TIFF;扫描区域:27.8000×33.3000厘米,每个果皮圈正反2面分别重复扫描3次,共获得图片18张(3×2×3),将图片保存到“柑橘果皮厚度测量”文件夹中,将图片采用t1-1到t1-18逐次命名,其他葡萄柚果皮逐次命名为t2-1到t2-18和t3-1到t3-18。
S3、柑橘果皮图像的分析
借助根系图像分析软件进行果皮图像分析,将扫描图导入到软件中,勾选根平均直径图标,运行软件,运行完毕后,点击建立文本文件(.TXT),存入分析数据并命名,点击图片批量处理按钮对所有扫描图片进行分析;
S4、柑橘果皮厚度的计算
将获得的文本文件(.TXT)使用Excel软件打开,每个柑橘果皮圈的平均厚度通过如下公式进行计算:
实施例1
一种精确测量柑橘果皮厚度的方法,包括如下步骤:
实施例1以葡萄柚为测量对象。
(1)选择果皮完整的葡萄柚果实3个,用锋利的切片刀在其果实赤道部位横向切取果实3片,每片厚度2厘米,小心剥离果肉,保留完整白皮层,剥离后的葡萄柚果皮整体呈圈状。
(2)将圈状葡萄柚果皮放入到图像扫描盘中,使用双光源扫描成像仪对葡萄柚果皮圈依次进行扫描,运行双光源扫描成像仪软件,并设置如下扫描参数:扫描模式:照片;文稿类型:彩色正片;图像灰度:16-位灰度;分辨率:300dpi;扫描质量:标准;图像格式:TIFF;扫描区域:27.8000×33.3000厘米,每个果皮圈正反2面分别重复扫描3次,共获得图片18张(3×2×3),将图片保存到“葡萄柚果皮厚度测量”文件夹中,采用t1-1到t1-18逐次命名,另两个葡萄柚果皮逐次命名为t2-1到t2-18和t3-1到t3-18。
(3)借助根系图像分析软件进行果皮图像分析,将扫描图导入到软件中,勾选根平均直径图标,运行软件。运行完毕后,点击建立文本文件(.TXT),存入分析数据并命名。点击图片批量处理按钮对所有扫描图片进行分析。
(4)将获得的文本文件(.TXT)使用Excel软件打开,将每个葡萄柚果皮圈的平均厚度通过如下公式进行计算:
得到3个葡萄柚果皮的厚度T1、T2和T3,取其平均值获得葡萄柚果皮精确厚度。
实施例2
本发明柑橘果皮厚度测量方法与其它果皮测量方法的比较试验。
实施例以2以柑橘常见种类,且个体差异较大的柠檬、红桔、葡萄柚、脐橙和柚为实施材料。分别采用游标卡尺法和本发明方法进行果实果皮厚度的测量,其中游标卡尺法又分别采用单层果皮测量和多层果皮叠加测量(5层)。游标卡尺为数显游标卡尺。
(1)选择果皮完整的柠檬、红桔、葡萄柚、脐橙和柚果实各3个,先用游标卡尺法测量其厚度,然后再用本发明方法测量其厚度。
(2)用锋利的切片刀在其果实赤道部位横向切取果实3片,每片厚度2厘米。小心剥离果肉(橘瓣),保留完整白皮层,剥离后的柑橘果皮整体呈圈状
(3)将圈状柠檬等果皮放入到图像扫描盘中,使用双光源扫描成像仪对柠檬、红桔、葡萄柚、脐橙和柚果皮圈依次进行扫描。
(4)运行双光源扫描成像仪软件,并设置如下扫描参数。扫描模式:照片;文稿类型:彩色正片;图像灰度:16-位灰度;分辨率:300dpi;扫描质量:标准;图像格式:TIFF;扫描区域:27.8000×33.3000厘米。将柠檬等果皮圈放入扫描仪托盘中,运行扫描仪,将图片保存到“柠檬等果皮厚度测量”文件夹中,分别命名为t1-1。每个果皮圈正反2面分别重复扫描3次,共获得图片18张(3×2×3),逐次命名到t1-18,其他柠檬等果皮命名t2-1-t2-18和t3-1-t3-18。
(5)借助根系图像分析软件进行果皮图像分析,将扫描图导入到软件中,勾选根平均直径图标,运行软件。运行完毕后,点击建立文本文件(.TXT),存入分析数据并命名。点击图片批量处理按钮对所有扫描图片进行分析。
(6)将获得的文本文件(.TXT)使用Excel软件打开,将每个柠檬等果皮圈的平均厚度通过如下公式进行计算:
得到柠檬等各果实果皮的厚度T1、T2和T3,取其平均值获得柠檬等果皮的精确厚度。
试验结果见如表1所示,与单层果皮和多层果皮叠加游标卡尺法相比,本发明的试验方法所得测量数据精确度提高了10倍,精确到微米级别。另外试验误差与游标卡尺法相比显著降低。
表1本发明方法与其它测量方法比较
注:表格所示数值为各项平均值+标准误差,数值后的大写之母表示同类柑橘不同方法间的显著性分析,小写字母为标准误差之间的显著性分析,显著性水平为p<0.05。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (4)
1.一种精确测量柑橘果皮厚度的方法,其特征在于:包括如下步骤:
S1、待测柑橘果实果皮切片
选取柑橘果实横径最大处,即果实赤道部位横向切取果实3片,每片厚度2厘米;小心剥离果肉,保留完整白皮层,剥离后的柑橘果皮整体呈圈状;
S2、柑橘果皮的形态扫描
将柑橘果皮圈放入到图像扫描盘中,使用双光源扫描成像仪对柑橘果皮圈依次进行扫描,得到图像灰度为16位灰度,分辨率为300dpi的扫描图;每个柑橘果皮圈正反2面分别重复扫描3次,共获得18张扫描图;
S3、柑橘果皮图像的分析
借助根系图像分析软件进行果皮图像分析,计算其平均直径即果皮厚度,并运用批处理功能依次分析所有扫描图;
S4、柑橘果皮厚度的计算
通过以下公式计算每个柑橘果皮圈的平均厚度:
式中,T为平均厚度,t1-t18为单次果皮厚度。
2.如权利要求1所述的一种精确测量柑橘果皮厚度的方法,其特征在于:所述步骤S2中的扫描参数为:扫描模式:照片;文稿类型:彩色正片;图像灰度:16-位灰度;分辨率:300dpi;扫描质量:标准;图像格式:TIFF;扫描区域:27.8000×33.3000厘米。
3.如权利要求1所述的一种精确测量柑橘果皮厚度的方法,其特征在于:所述步骤S2中,将扫描图从t1-1逐次命名到t1-18。
4.如权利要求1所述的一种精确测量柑橘果皮厚度的方法,其特征在于:所述步骤S3中,将扫描图导入到软件中,勾选根平均直径图标,运行软件,运行完毕后,点击建立文本文件(.TXT),存入分析数据并命名,点击图片批量处理按钮对所有扫描图片进行分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910355656.8A CN110068276A (zh) | 2019-04-29 | 2019-04-29 | 一种精确测量柑橘果皮厚度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910355656.8A CN110068276A (zh) | 2019-04-29 | 2019-04-29 | 一种精确测量柑橘果皮厚度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110068276A true CN110068276A (zh) | 2019-07-30 |
Family
ID=67369449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910355656.8A Pending CN110068276A (zh) | 2019-04-29 | 2019-04-29 | 一种精确测量柑橘果皮厚度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110068276A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111156889A (zh) * | 2020-01-07 | 2020-05-15 | 天津市农作物研究所(天津市水稻研究所) | 玉米果皮厚度的测量方法及应用 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1142205A (zh) * | 1994-11-03 | 1997-02-05 | 新奇士种植者公司 | 检测半透明物体表面特征的方法和装置 |
CN107609111A (zh) * | 2017-09-13 | 2018-01-19 | 福建省农业科学院果树研究所 | 一种枇杷果实品种鉴别、品质分级和成熟度判定的检索方法 |
-
2019
- 2019-04-29 CN CN201910355656.8A patent/CN110068276A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1142205A (zh) * | 1994-11-03 | 1997-02-05 | 新奇士种植者公司 | 检测半透明物体表面特征的方法和装置 |
CN107609111A (zh) * | 2017-09-13 | 2018-01-19 | 福建省农业科学院果树研究所 | 一种枇杷果实品种鉴别、品质分级和成熟度判定的检索方法 |
Non-Patent Citations (1)
Title |
---|
孙先成: "基于机器视觉的柚子自动检测指标的研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111156889A (zh) * | 2020-01-07 | 2020-05-15 | 天津市农作物研究所(天津市水稻研究所) | 玉米果皮厚度的测量方法及应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jefferson et al. | Geographic variation in skull morphology of humpback dolphins (Sousa spp.) | |
Lü et al. | Leaf area measurement based on image processing | |
CN109597968A (zh) | 基于smt大数据的锡膏印刷性能影响因素分析方法 | |
Clarke | Use of shark fin trade data to estimate historic total shark removals in the Atlantic Ocean | |
CN110418030B (zh) | 基于图像色块用于纺织品喷墨印染的颜色一致性映射方法 | |
CN105067532B (zh) | 一种鉴别油菜菌核病和灰霉病早期病斑的方法 | |
CN106585090B (zh) | 一种印刷网点面积增大值的检测与校正方法 | |
CN108279238A (zh) | 一种果实成熟度判断方法及装置 | |
CN107423537A (zh) | 一种基于自适应阈值的地表温度降尺度的方法 | |
Jinorose et al. | Development of a computer vision system and novel evaluation criteria to characterize color and appearance of rice | |
CN108921210B (zh) | 一种基于卷积神经网络的云分类方法 | |
Zharkova et al. | Solar feature catalogues in EGSO | |
CN109977991A (zh) | 基于高清卫星遥感的林业资源采集方法 | |
CN110068276A (zh) | 一种精确测量柑橘果皮厚度的方法 | |
CN109765194A (zh) | 基于高光谱成像技术的枸杞子产地识别方法 | |
CN108120402A (zh) | 一种基于Photoshop软件测定植物叶面积的方法 | |
Ratprakhon et al. | Developing an automatic color determination procedure for the quality assessment of mangos (Mangifera indica) using a CCD camera and color standards | |
Monteiro et al. | Image processing to identify damage to soybean seeds | |
CN111291686B (zh) | 农作物根果表型参数的提取与根果表型判别方法及*** | |
Parsaeian et al. | Estimating oil and protein content of sesame seeds using image processing and artificial neural network | |
CN110009609A (zh) | 一种快速检测黄粒米的方法 | |
CN112700059B (zh) | 一种中药丹参品质评价方法及其应用 | |
Li et al. | Variety identification of delinted cottonseeds based on BP neural network | |
CN109102457A (zh) | 一种基于卷积神经网络的智能化变色***及方法 | |
Beneducci et al. | Dental shade matching assisted by computer vision techniques |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190730 |
|
RJ01 | Rejection of invention patent application after publication |