CN111982835A - 一种基于硅基多光谱芯片的水果糖度无损检测装置及方法 - Google Patents
一种基于硅基多光谱芯片的水果糖度无损检测装置及方法 Download PDFInfo
- Publication number
- CN111982835A CN111982835A CN202010823837.1A CN202010823837A CN111982835A CN 111982835 A CN111982835 A CN 111982835A CN 202010823837 A CN202010823837 A CN 202010823837A CN 111982835 A CN111982835 A CN 111982835A
- Authority
- CN
- China
- Prior art keywords
- multispectral
- fruit
- sugar degree
- silicon
- light source
- 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
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 title claims abstract description 41
- 229910052710 silicon Inorganic materials 0.000 title claims abstract description 41
- 239000010703 silicon Substances 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000009659 non-destructive testing Methods 0.000 title claims abstract description 28
- RFSUNEUAIZKAJO-ARQDHWQXSA-N Fructose Chemical compound OC[C@H]1O[C@](O)(CO)[C@@H](O)[C@@H]1O RFSUNEUAIZKAJO-ARQDHWQXSA-N 0.000 title claims abstract description 25
- 229930091371 Fructose Natural products 0.000 title claims abstract description 25
- 229960002737 fructose Drugs 0.000 title claims abstract description 25
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 129
- 238000001514 detection method Methods 0.000 claims abstract description 83
- 230000003595 spectral effect Effects 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 210000002615 epidermis Anatomy 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 239000007779 soft material Substances 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 241000220225 Malus Species 0.000 description 29
- 235000021016 apples Nutrition 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 10
- 241000581835 Monodora junodii Species 0.000 description 7
- 238000002329 infrared spectrum Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 210000003491 skin Anatomy 0.000 description 3
- 235000005976 Citrus sinensis Nutrition 0.000 description 2
- 240000002319 Citrus sinensis Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009614 chemical analysis method Methods 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000021022 fresh fruits Nutrition 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明一种基于硅基多光谱芯片的水果糖度无损检测装置及方法,涉及苹果糖度无损检测技术领域。检测装置上方设置水果支架,可放置待测水果样品,检测装置内部设置光源、采用硅基多光谱芯片的多光谱相机、检测模块,多光谱相机与检测模块连接并与光源形成一个夹角,多光谱相机采集待测水果样品后的散射多光谱图像数据并输入检测模块,检测模块根据接收的多光谱图像数据检测待测水果样品的糖度。本发明采用的硅基多光谱芯片由硅基晶元制成,具有体积小、重量轻、结构简单、成本低等优点,糖度检测装置操作更为便捷、检测速度更快。本发明的水果糖度检测方法,无需复杂的数学模型和长时间的运算,即可对水果糖度进行相对可靠的分级。
Description
技术领域
本发明涉及苹果糖度无损检测技术领域,尤其涉及一种基于硅基多光谱芯片的水果糖度无损检测装置及方法。
背景技术
我国是世界果树种植大国,很多品种水果产量位居世界前列。随着我国水果消费层次的提高,人们对鲜果质量要求越来越高,不仅要求果实外观好看,还要求内在质量,其中糖度是判断内在质量的一个重要指标。对于水果糖度的检测分为内部检测与外部检测两种方法,其中,内部检测主要依靠化学分析的方法,利用破坏性的方法检测,这种方法更为准确,但耗时、费力且成本高,难以满足快速分级的市场需求;外部检测主要通过肉眼观察的方式看水果的大小、颜色和表皮缺陷等,但这种辨别方法因人而异,缺乏科学性。
可见/近红外光谱技术作为一种无损的检测手段,已被很多研究人员尝试应用于水果质量的检测中:[高荣杰,水果糖度可见/近红外光谱在线检测方法研究[M],2011]、中国专利文献CN103487396B公开了一种光照参数可调的近红外水果糖度无损检测装置,中国专利文献CN111220568A公开了一种基于近红外光谱分析技术的苹果糖分测定装置及方法,并从大量不同质量样品的可见/近红外光谱中进行特征提取,构建模型,实现对水果糖度的无损检测。文献[徐惠荣,基于可见/近红外光谱的水果糖度检测模型优化及应用研究[M],2010]、[郎雷,水果糖度可见/近红外光谱检测仪的研发[M],2016]、[温馨,基于深度学习的水果糖度可见/近红外光谱无损检测方法研究]、中国专利文献CN109540836A基于BP人工神经网络的近红外光谱糖度检测方法及***等。这些检测方法和装置中,核心仪器均为传统光谱仪,导致测试***具有体积庞大,造价昂贵,另外由于建模需要大量样本,导致检测速度较慢,测试样品范围窄等缺点,不易于广泛推广。
近年来,多光谱图像/高光谱图像的检测方法也在水果糖度检测方面得到的一定的应用:中国专利文献CN105158178B基于高光谱透射技术谱峰面积的脐橙糖度检测快速建模法、中国专利文献CN103472031A一种基于高光谱成像技术的脐橙糖度检测方法、中国专利文献CN101832941A一种基于多光谱图像的水果品质评价装置,这里所谓的高光谱图像技术仍是利用光谱仪与CCD相结合或高光谱成像仪完成,仪器工艺复杂,仍然避免不了高成本的弊端,而多光谱图像技术是采用光谱范围包含可见、红外波段的CCD相机加装带有窄带滤光片轮盘镜头来完成,光谱信息收到硬件局限,且这种检测仪器操作起来也不够便捷。
发明内容
针对现有技术中的上述缺陷,本发明的目的在于提供一种基于硅基多光谱芯片的水果糖度无损检测装置及方法,利用厚度为微米量级的硅基光谱芯片构成多光谱相机,实现水果糖度的快速、无损、高效检测,以解决现有技术的不足。
本发明为解决其技术问题所采用的技术方案是:
一种基于硅基多光谱芯片的水果糖度无损检测装置,所述检测装置上方设置水果支架,可放置待测水果样品;检测装置内部设置光源、采用硅基多光谱芯片的多光谱相机、检测模块,所述的多光谱相机与所述检测模块连接;
所述多光谱相机以所述水果支架放置的待测水果样品为原点,多光谱相机与所述光源形成一个夹角;
所述多光谱相机采集经光源照射待测水果样品后的散射多光谱图像数据并输入检测模块,所述检测模块根据接收的多光谱图像数据检测待测水果样品的糖度。
更具体地,所述的水果支架为不透光的软质材料,呈上大下小的喇叭口型,供放置水果并与水果表面紧密接触,使水果下方的检测装置内部形成相对暗光环境,阻断外部光线干扰。
更具体地,所述的检测模块包括图像采集模块、糖度多光谱数据库、糖度识别匹配模块;
所述的图像采集模块,用于采集并储存所述多光谱相机获取的多光谱图像并进行光谱数据计算;
所述的糖度多光谱数据库,用于储存不同品种水果的各糖度等级的多光谱数据,用于与待测水果样品的多光谱图像数据的比对;
所述的糖度识别匹配模块,用于将多光谱相机获取的待测水果样品的多光谱数据与糖度多光谱数据库中的多光谱数据进行比对,显示所述待测水果样品的多光谱数据对应的糖度。
更具体地,所述光源发出可见光和近红外波段的光;可见光照射水果表面后将提供待测水果样品的表皮信息;近红外光提供待测水果样品的内部信息。
更具体地,所述光源可伸缩地固定在检测装置内部,使光源出光口可与放置在水果支架的待测水果样品的表面紧密接触。
更具体地,所述光源出光口设置聚焦透镜,用以减小光斑面积,使光源经聚焦透镜照射水果表面的光斑面积小于所述光源出光口的面积。
更具体地,所述多光谱相机包括聚焦透镜,聚焦透镜自动调节焦距,用于水果清晰成像。
更具体地,所述检测装置的外部还设置有显示部件,可显示待测水果样品的糖度测试结果。
本发明还提供一种基于硅基多光谱芯片的水果糖度无损检测方法,包括以下步骤:
步骤S1,将待测水果样品放置于检测装置的水果支架,水果与水果支架、光源出光口紧密接触,水果下方形成相对暗光环境;采用硅基多光谱芯片的多光谱相机设置在检测装置内部,以待测水果样品为原点,多光谱相机与所述光源形成一个夹角;
步骤S2,开启多光谱相机和检测模块中的图像采集模块,多光谱相机获取n张背景多光谱图像,采集方法为高速采集,并将n张背景多光谱图像储存于图像采集模块中,等待进一步处理;
步骤S3,开启光源、多光谱相机、检测模块中的图像采集模块,多光谱相机获取光源照射下,从待测水果样品中散射出的多光谱图像,采集方法为高速采集,连续获取n张多光谱图像,且n张多光谱图像储存于图像采集模块中;
步骤S4,多光谱图像采集结束,关闭光源和多光谱相机,启动图像采集模块,进行光谱数据计算,将n张背景多光谱图像和水果散射多光谱图像处理后进行差分:扣除背景,计算水果多光谱图像有效区域内的多组多光谱数据,降噪处理后得到一组水果多光谱数据;
步骤S5,启动检测模块中的糖度识别匹配模块,将步骤S4计算得到的多光谱数据与检测模块中的糖度多光谱数据库中的多光谱数据进行均方差计算,找到最小均方差对应的数据,则检测结果显示该数据对应的糖度;
其中,所述的糖度多光谱数据库,用于储存不同品种水果的各糖度等级的多光谱数据。
由于采用上述的技术方案,与现有技术相比,本发明的有益效果是:
本发明的水果糖度检测装置,多光谱相机的核心器件—硅基多光谱芯片由硅基晶元制成,无需昂贵的红外光电探测器,芯片整体厚度为微米量级,尺寸为毫米量级,因此具有体积小、重量轻、结构简单、成本低等优点,另外本发明提出的光谱芯片检测光谱范围广、分辨率高、采集速度快,因此糖度检测***操作更为便捷、检测速度更快。
本发明提供的水果糖度检测方法,无需复杂的数学模型和长时间的运算,即可实现对水果糖度进行相对可靠的分级。
本发明利用可见/近红外光直接与水果表皮接触,测试从水果内部散射出来的光谱,该检测方法受水果表皮颜色、粗糙度、厚度影响较小,检测结果更准确。
附图说明
图1是本发明一种基于硅基多光谱芯片的水果糖度无损检测装置的结构示意图。
图2是本发明一种基于硅基多光谱芯片的水果糖度无损检测装置及方法的光源激发下国光苹果图片。
图3是本发明一种基于硅基多光谱芯片的水果糖度无损检测装置及方法检测模块示意图。
图4是本发明一种基于硅基多光谱芯片的水果糖度无损检测装置及方法的一个具体实施例的背景多光谱图像。
图5是本发明一种基于硅基多光谱芯片的水果糖度无损检测装置及方法的一个具体实施例的国光苹果多光谱图像。
图6是本发明一种基于硅基多光谱芯片的水果糖度无损检测装置及方法的一个具体实施例的扣除背景的国光苹果多光谱图像的有效区域。
图7是本发明一种基于硅基多光谱芯片的水果糖度无损检测装置及方法的一个具体实施例的扣除背景的国光苹果多光谱图像的光谱图。
具体实施方式
下面结合附图所示的具体实施方式,对本发明作进一步的说明。
基于硅基多光谱芯片的水果糖度无损检测装置的具体实施方式:
参见图1所示的本发明一种基于硅基多光谱芯片的水果糖度无损检测装置,检测装置1上方设置水果支架10,可放置待测水果样品4;检测装置内部设置光源2、采用硅基多光谱芯片的多光谱相机3、检测模块5,所述的多光谱相机与所述检测模块连接;
多光谱相机3以水果支架10放置的待测水果样品4为原点,与光源2形成一个夹角θ;
多光谱相机3拍摄经光源2照射待测水果样品4后的散射多光谱图像数据并输入检测模块5,检测模块5根据接收的多光谱图像数据,存储并处理,进而检测出待测水果样品4的糖度。
水果支架10采用不透光的软质材料,例如软胶圈,形状呈上大下小的喇叭口型,上端用于放置水果,并且与水果表面紧密接触,以阻断外部光线干扰,使水果下方的检测装置内部形成相对暗光环境,为检测提供暗光环境,减少外界光源对检测结果的干扰。
光源2可发出白光、635nm、808nm、980nm四种LED光源,白光是可见光,照射水果表面后提供待测水果样品4的表皮信息;635nm、808nm、980nm三种光源属于红光和近红外光,由于具有较高的穿透深度,可提供待测水果样品4的内部信息。
光源2出光口配备聚焦透镜,焦距为2cm,用以减小光斑面积,光源通过伸缩弹簧连接并固定在检测装置的底部。将待测水果样品4放置在水果支架10后,光源2出光口可与水果4的表面紧靠,光源2经聚焦透镜聚焦后照射到水果表面的光斑面积为1.5mm2,小于光源2的出光口面积(0.785cm2),这种方案可降低光源2发出的光线直接进入多光谱相机3,避免对测试结果产生干扰。
多光谱相机3包括聚焦透镜和光谱芯片,聚焦透镜采用现有的自动调节焦距透镜组,用于水果清晰成像。
光谱芯片可将可见光到近红外波段的光信号输出相应的电信号,经过放大及模数转换后形成数字信号或者编码输出,数字信号或代码携带能够反映水果糖度的光谱信息,进而根据该信号实现水果糖度的检测。
本实施例中的光谱芯片选用高光谱像素级镀膜芯片,其光电转换基底为CMOS图像传感器,光谱芯片型号规格:QS-A-8-400-001,尺寸为3mm×3mm,厚度为100μm,数据采集时间为1ms,光谱采集范围为400-1000nm,光谱分辨率为50nm。
检测模块5包括图像采集模块7、糖度识别匹配模块8、糖度多光谱数据库9。
图像采集模块7,用于采集并储存多光谱相机获取的多光谱图像并进行光谱数据计算。
糖度多光谱数据库9,用于储存不同品种水果的各糖度等级的多光谱数据,本实施例选取6个糖度等级,每个糖度等级对应9组多光谱数据,便于与待测水果样品4的多光谱数据进行比对,进而得到其糖度信息。
所述的糖度识别匹配模块8,用于将多光谱相机3获取的待测水果样品4的散射多光谱数据与糖度多光谱数据库9中的多光谱数据进行比对,比对方法为计算待测水果样品4多光谱数据与糖度多光谱数据库9中多光谱数据的均方差,找到最小均方差对应的数据,则检测结果显示该数据对应的糖度。
本领域通用的水果糖度无损检测定标方法,以国光苹果为例,包括以下步骤:
步骤S1,将6个不同糖度的国光苹果分别放置于检测装置1的水果支架10上,国光苹果与水果支架10、光源2出光口紧密接触,苹果下方形成相对暗光环境;采用硅基多光谱芯片的多光谱相机3设置在检测装置1内部,以水果支架10放置的待测水果样品4为原点,与光源2形成一个夹角θ;
其中,国光苹果糖度使用糖度计(高精度折射仪,选糖度0~32%)进行测试,将15个国光苹果破碎取汁,滴于糖度计上,最终选择糖度间隔均匀的6个国光苹果的糖度作为标准,下表为1~6号国光苹果的糖度值。
序号 | 1号 | 2号 | 3号 | 4号 | 5号 | 6号 |
糖度 | 8.2% | 9.4% | 10.2% | 11.4% | 12.2% | 13% |
步骤S2,开启基于硅基多光谱芯片的多光谱相机3和检测模块5中的图像采集模块7,多光谱相机3高速采集20张背景多光谱图像,参见图4所示,为其中一张背景多光谱图像;将20张背景多光谱图像储存于图像采集模块7中,等待进一步处理;
步骤S3,开启光源2、多光谱相机3、检测模块5中的图像采集模块7,多光谱相机3高速采集20张光源2照射下,从国光苹果中散射出的多光谱图像,并将20张多光谱图像储存于图像采集模块7中;
步骤S4,多光谱图像采集结束,关闭光源2和多光谱相机3,启动图像采集模块7,进行光谱数据计算,将20张背景多光谱图像和20***苹果散射多光谱图像处理后进行差分,即扣除背景,计算国光苹果多光谱图像有效区域内的多组多光谱数据,降噪处理后得到一组国光苹果多光谱数据;
其中,扣除背景处理方法是:
将20张背景多光谱图像相同坐标下像素点灰度值取平均,得到一张背景多光谱图像;
将20***苹果散射多光谱图像相同坐标下像素点灰度值取平均,得到一***苹果散射多光谱图像,即I(j,z)=average(∑I(i,j,z)),i为检测次数(i=20张),j为国光苹果多光谱图像上的有效像素点,z为国光苹果样本个数(z=6);
将国光苹果散射多光谱图像与背景多光谱图像按像素进行差分,得到一张扣除背景的国光苹果散射多光谱图像;
其中,扣除背景的国光苹果散射多光谱图像的有效区域如图6所示的白色虚线框,对应图1中的附图标记6指向的区域;
本实施例有效区域内包含64个像素点,各像素点对应9个多光谱数据,光谱强度代表各波长光束在苹果内部传播时的散射光强度,将多光谱数据进行空间降噪处理,处理方法是将各像素点对应的多光谱数据取平均,即I(j’,z)=average(∑I(j,z)),j’=1~9,这里对应的光谱强度为I(j’)。
利用上述计算方法获得6个不同糖度国光苹果的多光谱数据如图7所示,作为标准数据储存于糖度多光谱数据库9中。
基于上述的现有技术,一种基于硅基多光谱芯片的水果糖度无损检测方法的具体实施方式如下:
一种基于硅基多光谱芯片的水果糖度无损检测方法,包括以下步骤:
步骤S1,将一个绿色苹果放置于检测装置1的水果支架10上,绿色苹果与水果支架10、光源2出光口紧密接触,苹果下方形成相对暗光环境;
采用硅基多光谱芯片的多光谱相机3设置在检测装置1内部,以水果支架10放置的待测水果样品4为原点,与光源2形成一个夹角θ;
步骤S2,开启基于硅基多光谱芯片的多光谱相机3和检测模块5中的图像采集模块7,多光谱相机3高速采集20张背景多光谱图像,并将背景多光谱图像储存于图像采集模块7中,等待进一步处理;
步骤S3,开启光源2、多光谱相机3、检测模块5中的图像采集模块7,多光谱相机3高速采集20张光源2照射下,从绿色苹果中散射出的多光谱图像,并将20张多光谱图像储存于图像采集模块7中;
步骤S4,多光谱图像采集结束,关闭光源2和多光谱相机3,启动图像采集模块7进行光谱数据计算,将20张背景多光谱图像和20张绿色苹果散射多光谱图像处理后进行差分,即扣除背景,计算绿色苹果多光谱图像有效区域内的多组多光谱数据,降噪处理后得到一组绿色苹果多光谱数据,分别为:3.033209、7.245698、12.32663、39.75236、45.44123、19.13915、9.83675、69.70332、5.98844;
步骤S5,启动检测模块5中的糖度识别匹配模块8,将步骤S4得到的多光谱数据与糖度多光谱数据库9中的6个糖度等级国光苹果的多光谱数据进行均方差计算,参见图7所示,得到的均方差分别为:48.63355、32.13755、19.80806、3.161382、20.56654、34.9458,其中最小均方差为3.161382,对应数据库中4号国光苹果,则检测结果显示待测绿色苹果糖度为11.4%。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种基于硅基多光谱芯片的水果糖度无损检测装置,其特征在于:所述检测装置上方设置水果支架,可放置待测水果样品;检测装置内部设置光源、采用硅基多光谱芯片的多光谱相机、检测模块,所述的多光谱相机与所述检测模块连接;
所述多光谱相机以所述水果支架放置的待测水果样品为原点,多光谱相机与所述光源形成一个夹角;
所述多光谱相机采集经光源照射待测水果样品后的散射多光谱图像数据并输入检测模块,所述检测模块根据接收的多光谱图像数据检测待测水果样品的糖度。
2.根据权利要求1所述的基于硅基多光谱芯片的水果糖度无损检测装置,其特征在于,所述的水果支架为不透光的软质材料,呈上大下小的喇叭口型,供放置水果并与水果表面紧密接触,使水果下方的检测装置内部形成相对暗光环境,阻断外部光线干扰。
3.根据权利要求2所述的基于硅基多光谱芯片的水果糖度无损检测装置,其特征在于,所述的检测模块包括图像采集模块、糖度多光谱数据库、糖度识别匹配模块;
所述的图像采集模块,用于采集并储存所述多光谱相机获取的多光谱图像并进行光谱数据计算;
所述的糖度多光谱数据库,用于储存不同品种水果的各糖度等级的多光谱数据,用于与待测水果样品的多光谱图像数据的比对;
所述的糖度识别匹配模块,用于将多光谱相机获取的待测水果样品的多光谱数据与糖度多光谱数据库中的多光谱数据进行比对,显示所述待测水果样品的多光谱数据对应的糖度。
4.根据权利要求3所述的基于硅基多光谱芯片的水果糖度无损检测装置,其特征在于,所述光源发出可见光和近红外波段的光;可见光照射水果表面后将提供待测水果样品的表皮信息;近红外光提供待测水果样品的内部信息。
5.根据权利要求1或4所述的基于硅基多光谱芯片的水果糖度无损检测装置,其特征在于,所述光源可伸缩地固定在检测装置内部,使光源出光口可与放置在水果支架的待测水果样品的表面紧密接触。
6.根据权利要求5所述的基于硅基多光谱芯片的水果糖度无损检测装置,其特征在于,所述光源出光口设置聚焦透镜,用以减小光斑面积,使光源经聚焦透镜照射水果表面的光斑面积小于所述光源出光口的面积。
7.根据权利要求6所述的基于硅基多光谱芯片的水果糖度无损检测装置,其特征在于,所述多光谱相机包括聚焦透镜,聚焦透镜自动调节焦距,用于水果清晰成像。
8.根据权利要求1或7所述的基于硅基多光谱芯片的水果糖度无损检测装置,其特征在于,所述检测装置的外部还设置有显示部件,可显示待测水果样品的糖度测试结果。
9.一种基于硅基多光谱芯片的水果糖度无损检测方法,其特征在于,包括以下步骤:
步骤S1,将待测水果样品放置于检测装置的水果支架,水果与水果支架、光源出光口紧密接触,水果下方形成相对暗光环境;采用硅基多光谱芯片的多光谱相机设置在检测装置内部,以待测水果样品为原点,多光谱相机与所述光源形成一个夹角;
步骤S2,开启多光谱相机和检测模块中的图像采集模块,多光谱相机获取n张背景多光谱图像,采集方法为高速采集,并将n张背景多光谱图像储存于图像采集模块中,等待进一步处理;
步骤S3,开启光源、多光谱相机、检测模块中的图像采集模块,多光谱相机获取光源照射下,从待测水果样品中散射出的多光谱图像,采集方法为高速采集,连续获取n张多光谱图像,且n张多光谱图像储存于图像采集模块中;
步骤S4,多光谱图像采集结束,关闭光源和多光谱相机,启动图像采集模块,进行光谱数据计算,将n张背景多光谱图像和水果散射多光谱图像处理后进行差分:扣除背景,计算水果多光谱图像有效区域内的多组多光谱数据,降噪处理后得到一组水果多光谱数据;
步骤S5,启动检测模块中的糖度识别匹配模块,将步骤S4计算得到的多光谱数据与检测模块中的糖度多光谱数据库中的多光谱数据进行均方差计算,找到最小均方差对应的数据,则检测结果显示该数据对应的糖度;
其中,所述的糖度多光谱数据库,用于储存不同品种水果的各糖度等级的多光谱数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010823837.1A CN111982835A (zh) | 2020-08-17 | 2020-08-17 | 一种基于硅基多光谱芯片的水果糖度无损检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010823837.1A CN111982835A (zh) | 2020-08-17 | 2020-08-17 | 一种基于硅基多光谱芯片的水果糖度无损检测装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111982835A true CN111982835A (zh) | 2020-11-24 |
Family
ID=73435506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010823837.1A Pending CN111982835A (zh) | 2020-08-17 | 2020-08-17 | 一种基于硅基多光谱芯片的水果糖度无损检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111982835A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465077A (zh) * | 2021-02-02 | 2021-03-09 | 中国人民解放军国防科技大学 | 水果糖度无损检测方法、装置、计算机设备和存储介质 |
CN112986179A (zh) * | 2021-02-28 | 2021-06-18 | 深圳盈达机器视觉技术有限公司 | 电子装置及物品信息检测方法 |
CN113655017A (zh) * | 2021-06-30 | 2021-11-16 | 浙江大学 | 一种智能手机连用的无损糖度检测装置及其检测方法 |
CN113686803A (zh) * | 2021-08-11 | 2021-11-23 | 哈尔滨工业大学 | 基于智能手机的苹果糖度无损测量装置及方法 |
CN113779755A (zh) * | 2021-08-05 | 2021-12-10 | 中科联芯(广州)科技有限公司 | 一种硅基多光谱集成电路芯片的设计方法和集成电路芯片 |
CN113933305A (zh) * | 2021-11-12 | 2022-01-14 | 江南大学 | 基于智能手机的薄皮水果糖度无损测量方法及*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080123097A1 (en) * | 2004-10-25 | 2008-05-29 | Hamed Hamid Muhammed | System for Multi- and Hyperspectral Imaging |
CN201233362Y (zh) * | 2008-06-04 | 2009-05-06 | 江西农业大学 | 一种用于检测水果品质的多光谱成像装置 |
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 |
CN103487396A (zh) * | 2013-09-20 | 2014-01-01 | 华东交通大学 | 一种光照参数可调的近红外水果糖度无损检测装置 |
CN107202761A (zh) * | 2017-06-09 | 2017-09-26 | 甘肃萃英大农科技有限公司 | 一种快速检测水果内部品质的便携式检测设备及检测方法 |
US20180252691A1 (en) * | 2017-03-01 | 2018-09-06 | Maf Agrobotic | Method and device for optically analysing fruit or vegetables and device for automatic sorting |
CN108807587A (zh) * | 2018-06-07 | 2018-11-13 | 浙江大学 | 具有增强中红外光谱信号功能的硅基芯片及其制备方法 |
CN108846203A (zh) * | 2018-06-13 | 2018-11-20 | 深圳市华慧品牌管理有限公司 | 水果无损检测的方法及装置 |
CN109085125A (zh) * | 2018-09-29 | 2018-12-25 | 温州大学 | 一种水果的内部品质无损检测装置及方法 |
CN110924066A (zh) * | 2019-12-20 | 2020-03-27 | 吉林求是光谱数据科技有限公司 | 基于图像识别技术及光谱技术的衣服材质识别方法及装置 |
CN110940641A (zh) * | 2019-12-20 | 2020-03-31 | 吉林求是光谱数据科技有限公司 | 一种基于成像光谱芯片技术的衣服材质的识别***及方法 |
CN110954513A (zh) * | 2019-11-26 | 2020-04-03 | 吉林求是光谱数据科技有限公司 | 一种基于光谱调制法的光谱芯片 |
CN111007026A (zh) * | 2019-12-27 | 2020-04-14 | 吉林求是光谱数据科技有限公司 | 一种基于光谱芯片的食品新鲜度检测***及检测方法 |
CN111044466A (zh) * | 2019-12-27 | 2020-04-21 | 吉林求是光谱数据科技有限公司 | 果蔬新鲜度的光谱检测***及检测方法 |
-
2020
- 2020-08-17 CN CN202010823837.1A patent/CN111982835A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080123097A1 (en) * | 2004-10-25 | 2008-05-29 | Hamed Hamid Muhammed | System for Multi- and Hyperspectral Imaging |
CN201233362Y (zh) * | 2008-06-04 | 2009-05-06 | 江西农业大学 | 一种用于检测水果品质的多光谱成像装置 |
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 |
CN103487396A (zh) * | 2013-09-20 | 2014-01-01 | 华东交通大学 | 一种光照参数可调的近红外水果糖度无损检测装置 |
US20180252691A1 (en) * | 2017-03-01 | 2018-09-06 | Maf Agrobotic | Method and device for optically analysing fruit or vegetables and device for automatic sorting |
CN107202761A (zh) * | 2017-06-09 | 2017-09-26 | 甘肃萃英大农科技有限公司 | 一种快速检测水果内部品质的便携式检测设备及检测方法 |
CN108807587A (zh) * | 2018-06-07 | 2018-11-13 | 浙江大学 | 具有增强中红外光谱信号功能的硅基芯片及其制备方法 |
CN108846203A (zh) * | 2018-06-13 | 2018-11-20 | 深圳市华慧品牌管理有限公司 | 水果无损检测的方法及装置 |
CN109085125A (zh) * | 2018-09-29 | 2018-12-25 | 温州大学 | 一种水果的内部品质无损检测装置及方法 |
CN110954513A (zh) * | 2019-11-26 | 2020-04-03 | 吉林求是光谱数据科技有限公司 | 一种基于光谱调制法的光谱芯片 |
CN110924066A (zh) * | 2019-12-20 | 2020-03-27 | 吉林求是光谱数据科技有限公司 | 基于图像识别技术及光谱技术的衣服材质识别方法及装置 |
CN110940641A (zh) * | 2019-12-20 | 2020-03-31 | 吉林求是光谱数据科技有限公司 | 一种基于成像光谱芯片技术的衣服材质的识别***及方法 |
CN111007026A (zh) * | 2019-12-27 | 2020-04-14 | 吉林求是光谱数据科技有限公司 | 一种基于光谱芯片的食品新鲜度检测***及检测方法 |
CN111044466A (zh) * | 2019-12-27 | 2020-04-21 | 吉林求是光谱数据科技有限公司 | 果蔬新鲜度的光谱检测***及检测方法 |
Non-Patent Citations (3)
Title |
---|
王伟平 等: "芯片级硅基光谱仪研究进展", 《光谱学与光谱分析》 * |
王伟平 等: "芯片级硅基光谱仪研究进展", 《光谱学与光谱分析》, vol. 40, no. 2, 28 February 2020 (2020-02-28), pages 333 - 342 * |
龚健雅: "《对地观测数据处理与分析研究进展》", 21 December 2007, 武汉大学出版社, pages: 177 - 178 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465077A (zh) * | 2021-02-02 | 2021-03-09 | 中国人民解放军国防科技大学 | 水果糖度无损检测方法、装置、计算机设备和存储介质 |
CN112986179A (zh) * | 2021-02-28 | 2021-06-18 | 深圳盈达机器视觉技术有限公司 | 电子装置及物品信息检测方法 |
CN113655017A (zh) * | 2021-06-30 | 2021-11-16 | 浙江大学 | 一种智能手机连用的无损糖度检测装置及其检测方法 |
CN113779755A (zh) * | 2021-08-05 | 2021-12-10 | 中科联芯(广州)科技有限公司 | 一种硅基多光谱集成电路芯片的设计方法和集成电路芯片 |
CN113779755B (zh) * | 2021-08-05 | 2023-11-17 | 中科联芯(广州)科技有限公司 | 一种硅基多光谱集成电路芯片的设计方法和集成电路芯片 |
CN113686803A (zh) * | 2021-08-11 | 2021-11-23 | 哈尔滨工业大学 | 基于智能手机的苹果糖度无损测量装置及方法 |
CN113933305A (zh) * | 2021-11-12 | 2022-01-14 | 江南大学 | 基于智能手机的薄皮水果糖度无损测量方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111982835A (zh) | 一种基于硅基多光谱芯片的水果糖度无损检测装置及方法 | |
Lee et al. | Hyperspectral near-infrared imaging for the detection of physical damages of pear | |
CN101251526B (zh) | 鲜猪肉综合品质无损检测方法与装置 | |
CN100480680C (zh) | 多光谱肉类新鲜度人工智能测量方法及*** | |
CN103063585A (zh) | 瓜果成熟度快速无损检测装置及检测***建立方法 | |
CN105372203B (zh) | 基于多传感器融合的新鲜苹果损伤敏感度无损检测方法 | |
CN104833638B (zh) | 基于连续波的双层瓜果组织光学特性无损检测方法与装置 | |
CN101059452A (zh) | 基于多光谱成像技术的水果品质无损检测方法与*** | |
CN109253975A (zh) | 基于msc-cfs-ica的苹果轻微损伤高光谱检测方法 | |
Tan et al. | The feasibility of early detection and grading of apple bruises using hyperspectral imaging | |
CN108760652A (zh) | 基于可见/近红外光谱的葡萄多品质无损检测方法及装置 | |
CN110243805A (zh) | 基于拉曼高光谱成像技术的鱼刺检测方法 | |
CN110108649A (zh) | 基于太赫兹光谱技术的油料作物品质的快速无损检测方法 | |
Wang et al. | Quantitative determination of onion internal quality using reflectance, interactance, and transmittance modes of hyperspectral imaging | |
CN112014376A (zh) | 一种基于空间偏移拉曼光谱的虾肉新鲜度检测方法 | |
CN201156043Y (zh) | 食品综合品质无损检测装置 | |
Torres et al. | Setting up a methodology to distinguish between green oranges and leaves using hyperspectral imaging | |
Wang et al. | Grading detection of “Red Fuji” apple in Luochuan based on machine vision and near-infrared spectroscopy | |
CN102788796B (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 | |
Defrianto et al. | Fluorescence spectrum analysis on leaf and fruit using the ImageJ software application | |
CN111521583B (zh) | 一种苹果霉心病检测模型建立的方法 | |
Itoh et al. | Measurement of nitrate concentration distribution in vegetables by near-infrared hyperspectral imaging | |
Tian et al. | Recognition method of insect damage and stem/calyx on apple based on hyperspectral imaging | |
Ravindran et al. | A review on non-destructive techniques for evaluating quality of fruits | |
CN115015180B (zh) | 一种基于光谱反射率重建技术的水果糖度无损检测方法 |
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 |