基于高光谱成像苹果外观与内部多指标检测研究
基于高光谱成像的苹果多品质参数同时检测
基于高光谱成像的苹果多品质参数同时检测单佳佳;吴建虎;陈菁菁;彭彦昆;王伟;李永玉【期刊名称】《光谱学与光谱分析》【年(卷),期】2010(030)010【摘要】利用高光谱空间散射曲线的3个洛伦兹拟合参数对苹果的品质(硬度、可溶性固溶物含量)进行同时检测.采用偏最小二乘,逐步多元线性回归和BP神经网络3种方法,对归一化处理和未归一化处理的3个洛伦兹参数组合分别建立苹果品质的预测模型.结果表明:采用偏最小二乘法对未归一化处理参数的组合建立硬度的预测模型其预测结果最好,校正组相关系数Rc=0.93,校正标准差SEC=0.56,验证组相关系数Rv=0.84,验证标准差SEV=0.94.采用偏最小二乘法对归一化处理参数的组合建立可溶性固形物的预测模型其预测结果最好,Rc=0.95,SEC=0.29,Rv=0.83,SEV=0.63.研究结果表明:利用高光谱空间散射曲线的多拟合参数组合可以同时检测苹果的多品质参数.【总页数】5页(P2729-2733)【作者】单佳佳;吴建虎;陈菁菁;彭彦昆;王伟;李永玉【作者单位】中国农业大学工学院,北京,100083;中国农业大学工学院,北京,100083;中国农业大学工学院,北京,100083;中国农业大学工学院,北京,100083;中国农业大学工学院,北京,100083;中国农业大学工学院,北京,100083【正文语种】中文【中图分类】S123【相关文献】1.高光谱成像技术在水果多品质无损检测中的应用 [J], 刘亚;木合塔尔·米吉提;曹鹏程;岳建魁2.基于高光谱成像技术的苹果内外品质同时检测 [J], 单佳佳;彭彦昆;王伟;李永玉;吴建虎;张雷蕾3.基于特征LED光源的苹果多品质参数无损检测装置研究 [J], 赵娟;全朋坤;张猛胜;田世杰;张海辉;任小林4.基于高光谱成像的肥城桃品质可视化分析与成熟度检测 [J], 邵园园;王永贤;玄冠涛;高冲;王凯丽;高宗梅5.基于高光谱图像和3D-CNN的苹果多品质参数无损检测 [J], 王浩云;李晓凡;李亦白;孙云晓;徐焕良因版权原因，仅展示原文概要，查看原文内容请购买。
基于高光谱成像的苹果多品质参数同时检测
引 言
苹 果 的硬 度 和 可 溶 性 固溶 物 含 量 是 评 价 苹 果 品质 的 主要 指 标 Ｊ 。 统 的 苹 果 硬 度 和 糖 分 测 量 方 法 采 用 Ｍａ ｎ ｓ－ ａ — ‘ 传 ｌ ｌ Ｊ ｇ ｅｓＴ ｙ
对多个 洛伦兹拟合参数组合建模 ， 并且评价模 型的好 坏。
高光谱技术 是将 图像技术 和光谱技 术结合起来的一门新 技 术。图像是按光谱顺序排列 的图像 数据 “ 方体” 立 。光进 入 苹果 内部 ，与苹果的内部组织成分相 互作用 后 ， 苹果 的入 从 射 表面反射 出来发生漫反射 ，反射出来的光携带 着苹果 内部 品质 的信息 ¨ 。 ｅｇ等＿］ １ Ｐｎ 】 研究 了利用 单个 洛伦兹 拟合 参
合建立硬度 的预测模 型其 预测 结果最好 ， 校正组 相关 系数 Ｒ 一０ ９ ，校正标 准差 Ｓ Ｃ＝０ ５ ， 证组相关 。 ．３ Ｅ ．６ 验 系数 Ｒ 一０ ８ ，验证 标准差 Ｓ Ｖ一０ ９ 。采用偏最小二乘法对归一化处 理参数 的组 合建立可 溶性 固形 物的 ．４ Ｅ ．４ 预测模 型其 预测结果 最好 ， ． ５ Ｓ Ｃ ． ９ Ｒ 一Ｏ ８ ， Ｅ Ｒ 一Ｏ ９ ， Ｅ ＝０ ２ ， ． ３ Ｓ Ｖ＝０ ６ 。 ． ３ 研究结果表 明： 利用 高光谱 空间 散射 曲线 的多拟合参数组合可 以同时检 测苹果 的多品质参数 。
基 于高 光谱 成 像 的苹 果 多品质 参 数 同 时检 测
单佳佳 ，吴建 虎，陈菁菁 ，彭彦 昆 ，王 伟 ，李永玉
中 国农 、 学 工 学 院 ， 京 １０ ８ №大 北 ００３
摘
要
利 用高光谱空间散射 曲线的 ３个洛伦兹拟合参数 对苹果 的品质 （ 硬度 、可溶性 固溶 物含量 ） 进行 同
基于高光谱图像技术的水果品质检测的若干问题研究的开题报告
基于高光谱图像技术的水果品质检测的若干问题研究的开题报告一、研究背景水果作为人们日常生活中重要的食品之一，其品质的好坏直接关系到消费者的健康和满意度。
传统的水果品质检测主要依靠人工经验和观察。
但这种方法存在不可避免的主观性，而且检测效率低下，无法满足大规模生产的需求。
高光谱图像技术是一种新兴的无损检测方法，可以获取物体的大量光谱信息，对物体进行全面、准确的质量评估。
近年来，高光谱图像技术在农产品品质检测领域得到广泛应用，成为解决传统检测方法缺陷的有效手段。
二、研究目的本研究旨在探索基于高光谱图像技术的水果品质检测方法，研究如何利用高光谱图像技术提取水果的特征信息，建立水果品质检测模型，实现自动化检测，提高检测效率和准确性。
三、研究内容1. 研究高光谱图像技术在水果品质检测中的应用原理和方法；2. 建立基于高光谱图像技术的水果品质检测模型，采用经典算法和深度学习等方法进行特征提取和分类；3. 实验验证所建立的水果品质检测模型的准确性和可靠性；4. 分析不同因素对水果品质检测结果的影响，探讨如何进一步提高检测效率和灵敏度。
四、研究意义本研究探索基于高光谱图像技术的水果品质检测方法，具有以下意义：1. 提高了水果品质检测的准确性和效率，为水果质量监测提供了新的手段和思路；2. 推广了高光谱图像技术在农业领域的应用，为农业智能化发展做出了贡献；3. 为消费者提供更加安全、健康的水果产品，促进健康中国战略的实施。
五、研究方法本研究采用文献调研和实验验证相结合的方法进行，具体步骤如下：1. 对高光谱图像技术在农业领域的基础理论和应用现状进行全面调研和综述；2. 收集水果品质检测相关数据，采用高光谱图像技术进行数据处理和特征提取；3. 采用传统算法和深度学习方法建立水果品质检测模型，进行实验验证；4. 分析实验结果，总结经验教训，提出可行性方案和改进建议。
六、研究计划本研究计划于2022年开始，历时两年完成。
苹果品质高光谱成像检测技术研究进展
Ｖｏ １ ． ３８， Ｎｏ ． １ｏ， ２０１ ７
便品摹 盐 婶技
苹果 品质高光谱成像 检 测 技 术 研 究 进 展
冯 迪 。 纪 建伟 ’ ， 张 莉。 ， 刘 思伽 ’ ， 田有院 ， 辽宁沈阳 １ １ ０ ８ ６ ６ ；
２ ． 辽 宁广播 电视 台 ， 辽 宁沈 阳 １ １ ０ ０ ０ ４；
３ ． 辽 宁广播 电视 传 输发 射 中心 ， 辽 宁沈 阳 １ １ ０ ０ １ ６ ）
摘 要： 高 光谱 成 像 对 水 果 的 无 损 检 测 是 近 些 年 迅 速发 展 的 一 项新 技 术 ， 它 能 三 维地 获取 被 检 测 对 象 内部 与 外 部 多项
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｈｙ ｐ ｅ ｒ ｓ ｐ ｅ ｃ ｔ ｒ ａ ｌ ｉ ｍａ ｇ ｉ ｎ ｇ ｉ ｎ ｆ ｒ ｕ ｉ ｔ ｎ ｏ ｎ ｄ ｅ ｓ ｔ ｒ ｕ ｃ ｔ ｉ ｖ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｗａ ｓ ａ ｎ ｅ ｗ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｅ ｄ ｒ ａ ｐ ｉ ｄ ｌ ｙ ｉ ｎ ｒ ｅ ｃ ｅ ｎ ｔ ｙ ｅ ａ ｒ ｓ ． Ｔ ｈ ｅ
ａ ｐ ｐｌ ｅ ｑ ｕａ ｌ ｉ ｔ ｙ ｄｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｗａ ｓ ｉ ｎｄ ｕｃ ｅ ｄ ｂ ｙ ｉ ｎ ｔ ｒ ｏ ｄｕ ｃ ｉ ｎ ｇ ｓ ｙ ｓ ｔ ｅ ｍ ｓ ｔ ｒ ｕ ｃ ｔ ｕ ｒ ｅ， ｌ ｉ ｇ ｈｔ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ａ ｎｄ ｓ ｃ ａ ｎｎ ｉ ｎｇ ｍｏ ｄ ｅ ｓ ． Ｓｅ ｖ ｅ ｒ ａ ｌ ｉ ｍｐｏ ｒ ｔ ａ ｎ ｔ ｌ ｉ ｎ ｋ ｓ ｗｅ ｒ ｅ ａ ｎ ａ ｌ ｙｚ ｅ ｄ ｂ ｙ ｄ ｅ ｓ ｃ ｒ ｉ ｂ ｉ ｎｇ ｏ ｐｅ ｒ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｏ ｆ ｉ ｎ ｄｉ ｃ ａ ｔ ｏ ｒ ｄｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ． Ｔｈ ｅ ｎ ｔ ｈ ｅ ｏ ｐｅ ｒ ａ ｔ ｉ ｏ ｎ ｐｒ ｏ ｃ ｅ ｓ ｓ， ｍｏ ｄ ｅ ｌ ｉ ｎｇ ｍｅ ｔ ｈｏ ｄ ｓ ａ ｎｄ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｐ ｒ ｏ ｇ ｒ ｅ ｓ ｓ ｏ ｆ ｉ ｎ ｄ ｉ ｃ ａ ｔ ｏ ｒ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｗｅ ｒ ｅ ｓ ｕ ｍ ｍａ ｒ ｉ ｚ ｅ ｄ ａ ｔ ｈｏ ｍｅ ａ ｎ ｄ ａ ｂ ｒ ｏ ａ ｄ ． Ｆ ｉ ｎ ａ ｌ ｌ ｙ， ｔ ｈ ｅ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｄｉ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｎ ｄ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｐｒ ｏ ｓ ｐ ｅ ｃ ｔ ｏ ｆ ｈ ｙ ｐｅ ｒ ｓ ｐ ｅ ｅ ｔ ｒ ａ ｌ ｎ ｏ ｎ ｄｅ ｓ ｔ ｒ ｕｃ ｔ ｉ ｖ ｅ ｄｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ａ ｐ ｐｌ ｅ ｑｕ ａ ｌ ｉ ｔ ｙ ｗｅ ｒ ｅ ｐｒ ｅ ｓ ｅ ｎｔ ｅ ｄ
基于光谱成像的苹果内外部品质检测研究
基于光谱成像的苹果内外部品质检测研究路绍军【摘要】The development of modern fruit industry need detect the internal and external quality of apple nondestructively and simultaneously. Spectral imaging technology is used in this paper, acquired the images of measured apple at different wavelength, by image processing and analysis of apple surface scattering spectrum, detected the size sugar content information of apple simultaneously. Some technical support is provided for apple fast and effective detection and grading.%同时实现苹果内外部品质的无损检测是现代果业发展的必然要求，文章采用光谱成像技术，通过采集待测苹果在不同波长通道的图像，进行图像处理与苹果表面散射光谱分析，实现苹果外形尺寸与糖度信息的同时检测，为快速有效的苹果分级检测提供一定技术支撑。
【期刊名称】《价值工程》【年(卷),期】2016(035)031【总页数】2页(P125-126)【关键词】光谱成像;外形;糖度;同时检测【作者】路绍军【作者单位】西安工业大学，西安710021【正文语种】中文【中图分类】TP274我国是世界第一苹果生产大国，2015年全国苹果产量达到4300万吨。
但我国的苹果在国际市场上大多数档次较低，国内的苹果出口比例只占到生产总量的1.5%左右[1，2]，而国内高档苹果市场也被国外苹果垄断，2015年进口苹果量激增50%，其中一个很重要的原因是我国对苹果分级检测投入不够，难以满足消费者对苹果品质越来越高的要求，导致苹果品种混杂、质量优劣不齐。
基于近红外透射光谱技术的苹果内部品质在线检测的研究的开题报告
基于近红外透射光谱技术的苹果内部品质在线检测的研究的开题报告一、选题背景及意义随着我国果品行业的发展，消费者对于果品的安全、质量、口感等方面的需求越来越高。
苹果作为我国重要的果品之一，其内部品质对于产业的发展及消费者的认可具有至关重要的影响。
传统的果品检测方法往往需要对苹果进行打捞、切割等过程，不仅费时费力，而且易导致样品变质，影响检测结果的准确性。
因此，开发一种基于近红外透射光谱技术的苹果内部品质在线检测方法显得十分必要和重要。
二、研究内容和方法本研究将基于近红外透射光谱技术，研究苹果内部品质在线检测的方法。
具体包括以下内容：1. 建立苹果内部品质的评价指标体系，并依据不同品质指标建立相应的定量模型；2. 设计苹果样品的采集与预处理方案，选择近红外透射光谱仪等实验设备，并进行实验验证；3. 总结实验数据，使用统计学方法对模型的精度、稳定性等性能进行评估，不断优化模型参数，提高检测精度和可靠性。
三、预期成果和应用价值本研究将开发出一套基于近红外透射光谱技术的苹果内部品质在线检测方法，实现对苹果品质的快速、准确和无损检测。
该方法具有以下预期成果和应用价值：1. 可以大幅节省时间和成本，提高苹果样品的利用率；2. 可以避免对样品进行破坏性处理，保持苹果的原始风味和营养成分；3. 可以加强苹果供应链的监控管理，保障产品的安全和质量。
四、研究的可行性分析近年来，基于光谱技术的果品品质检测受到了广泛的关注和研究。
近红外透射光谱技术是一种简单、无损、快速而且准确的光谱技术，已被广泛应用于果品质量检测领域。
因此，本研究具有很高的可行性和应用前景。
五、研究的难点和解决措施本研究的难点主要包括建立准确的苹果内部品质评价指标体系，选择适合的预处理方法和建立高效的光谱定量模型等方面。
为了解决这些问题，本研究将采用多种实验方法相结合的综合研究手段，运用化学分析、光谱学、数学统计学等相关学科的知识和技术，不断优化研究方案，提高研究效率和成果质量。
基于多光谱图像的水果外观品质检测方法研究解读
浙江大学硕士学位论文基于多光谱图像的水果外观品质检测方法研究姓名：叶昱程申请学位级别：硕士专业：机械设计及理论指导教师：应义斌20050301硕士学位论文摘要利用计算机视觉和图像处理技术对水果进行品质无损检测和自动分级过程中，果梗、花萼部分容易和碰伤、腐烂等常见表面缺陷混淆，从而被误判而引起分级错误。
本文主要针对这种情况，研究了碰伤、腐烂等常见表面缺陷的检测方法，并对果梗和花萼的识别进行了研究，主要研究内容和研究成果如下：ｌ、综述了利用计算机视觉技术和多光谱图像技术进行水果品质检测和自动分级的国内外研究进展，并指出了国内外同类研究中所存在的问题。
２、建立并完善了适合本研究的多光谱图像系统。
该系统由光照箱、８吏ＴＬ５１４Ｗ／８４０ＨＥ荧光灯、ＨＵＢＢＡ－ＩＩＩ黑白数字ＣＣＤ摄像头、滤光片支架、滤光片、ＭｅｔｅｏｒＩＩ／ＭＣ图像采集卡及ＡＤＶＡＮＴＥＣＨＩＮＤＵＳＴＲＩＡＬＣＯＭＰＵＴＥＲ６１０工控机组成。
３、进行了苹果的分光反射特性实验，采用美国分析光谱仪器公司（ＡｎａｌｙｔｉｃａｌＳｐｅｃｔｒａｌＤｅｖｉｃｅｓ）生产的ＦｉｅｌｄＳｐｅｃ＠ＨａｎｄＨｅｌｄ光谱分析仪进行。
通过该实验测定苹果的完好、碰伤、腐烂、果梗和花萼等不同表面组织的光谱反射特性曲线，进而可以得出区分不同表面组织的波段，然后选择合适的滤光片，有利于水果分级精度的提高。
４、根据ＲＧＢ颜色模型理论，把在４８０ｎｍ＋＿１０ｎｍ、５３０ｎｍ＿＿＋１０ｎｍ、６３０ｎｍ＿】０ｎｍ和８３０ｎｍ＿＋１０ｒｉｍ四个波段下所采集到的图像区域分别用Ｂ、Ｇ、Ｒ和Ｉ表示，然后作为ＲＧＢ颜色模型中的各个分量进行叠加，分别得到ＲＧＢ、ＲＧＩ、ＧＢｌ和ＲＧＢＩ四神多光谱图像。
从碰伤和腐烂等常见表面缺陷的识别结果可以看出：利用Ｒ、Ｇ、Ｂ、１单色图像和ＲＧＢ、ＲＧＩ、ＧＢＩ、ＲＧＢＩ多光谱图像进行分级时。
对完好表面的识别率分别为７５％、７８．３％、５５％、５１．７％、９５％、１００％、９６．７％、９８．３％，而对有缺陷表面的识别率分别为７５．８％、７３．３％、５３３％、４３．３％、９７．５％、９６．７％、９１．７％、９５．８％。
基于高光谱成像技术的富士苹果轻微机械损伤检测研究
基于高光谱成像技术的富士苹果轻微机械损伤检测研究作者：沈宇房胜郑纪业王风云张琛李哲来源：《山东农业科学》2020年第02期摘要：为降低苹果损伤造成的商业损失，延长苹果的储存期，利用高光谱成像技术实现了基于特征波段的苹果表面轻微机械损伤的快速、无损检测。
以120个富士苹果为研究对象，首先利用波段范围在400～1 000 nm的高光谱成像光谱仪获取完好和轻微损伤0、2、4 h的富士苹果的高光谱图像，并提取感兴趣区域的平均光谱数据，然后通过两次连续投影法进行分析，去除光谱波段间的冗余信息，找到共线性最小的波段组合（821 nm和940 nm）;其次，对特征波段图像进行主成分分析，选择完好与损伤区域差异明显的第二主成分（PC2）作为检测损伤的有效图像;最后，对有效图像进行固定阈值分割和形态学处理，得到苹果表面機械损伤的检测结果。
利用该方法对验证组40个正常和轻微损伤不同时间段的苹果进行测试，总体正确率达到94.4%。
关键词：高光谱成像技术;苹果;轻微机械损伤;连续投影法;特征波段;图像处理中图分类号：S661.109 文献标识号：A 文章编号：1001-4942（2020）02-0144-07Abstract To reduce the commercial loss caused by apple fruit damage and prolong the storage period of apple fruits， the hyperspectral imaging technology was used to realize rapid and non-destructive detection of slight mechanical damage on the surface of apple fruits based on feature bands. In the experiment， 120 Fuji apple fruits were taken as the research object. Firstly， the hyperspectral images of intact and damaged samples after 0， 2 and 4 hours were obtained by the hyperspectral imaging system across the wavelength range of 400～1 000 nm. The reflectance of all pixels in the region of interest （ROI） was extracted by ENVI 5.2 software and analyzed by successive projections algorithm （SPA） to remove the redundant information between spectral bands and find the collinear minimum band combination （821 and 940 nm）. Then， the PCA was conducted based on two images corresponding to the feature bands， and the second component （PC2） with obvious differences between intact and damaged regions was selected as the effective image for damage detection. Finally， the methods of threshold segmentation and morphological processing were used for the PC2 image to obtain the slightly damaged area on the surface of apple fruits. Using the developed algorithm to detect 40 intact and damaged samples， the average accuracy was 94.4%.Keywords Hyperspectral imaging technology; Apple; Slight mechanical damage; Successive projections algorithm; Feature band; Image processing苹果是世界上种植面积最广、产量最高的果品，其味道酸甜可口，营养丰富。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于高光谱成像苹果外观与内部多指标检测研究我国是苹果种植大国,产量近10年高居世界首位,各种苹果需要精确分级以适应不同人群的需求。
面对庞大的数量,有必要建立精度高、速度快、指标全的检测线,以实现智能化分级,对于提高分级效率、节省劳动成本、保障我国优质苹果与进口品种的竞争力具有重要意义。
本文以寒富苹果为研究对象,利用高光谱成像系统中图像与光谱相结合的特点,检测苹果外观与内部的多项指标。
根据指标特征开发针对性的检测技术与方法,并通过挖掘检测中的共用信息建立多指标综合分级仿真系统。
主要研究内容如下:(1)分析苹果的指标特性,根据指标的重要性确定检测流程。
外观指标包括大小、外形与病害,内部指标包括糖度与硬度,颜色作为辅助指标参考内部指标检测的光谱信息验证分级结果。
建立大小→外形→病害→糖度→硬度→颜色的检测顺序,实现外观状态与内部品质综合评价。
(2)依据765nm与904nm两个最佳波长信息检测大小、外形与病害3项外观指标。
图像预处理环节中,采用中值滤波法增强904nm图像以检测大小与外形;获取765nm的掩膜图像应用于病害检测。
检测过程中,各类指标开发了针对性的描述方法与数学方法。
采用MER矩判别法与像素点统计法检测大小,准确率为98.75%。
通过苹果轮廓最小外接圆与最大内切圆的相关信息判别果形指数、偏心度与对称度,其中以两圆的面积比描述果形指数,以两圆的极限距离比描述偏心度,以内切圆切点连线对轮廓的分割区域比描述对称度,实现三角度外形检测,准确率为95%。
病害检测中,根据病害区域与正常区域的反射光谱差异提出改进流行距离算
法,通过比较流行距离L值开发了 3个适合病害检测的特征波长—700nm、765nm 和904nm。
根据不同波长下的光谱信息组合,建立BP神经网络检测模型,发现
765nm结合904nm的反射光谱可以更好的检测病害特征,准确率为96.25%。
(3)内部品质检测中,利用543nm与674nm光谱信息同时检测苹果的糖度与硬度。
在双面图像采集的前提下,获取亮度相近感兴趣区域(ROIs)的光谱反射波形,采用二阶导数结合标准正态变量(SD+SNV)的方式平滑波形;根据ROIs的糖度与
硬度的测试结果连续投影(SPA)出两项指标各自的特征波长,结合特征波长分布
提出互换输出指标的二次连续投影算法,寻找双指标检测中共用的波长信息;根
据不同环境下共用的波长信息,比较最小二乘支持向量机(LS-SVM)与遗传算法开发神经网络(GA-BP)的预测效果,发现GA-BP参考双面取样最佳波长(543nm与
674nm)信息可建立最优效果,糖度预测相关系数(R)为0.8476,均方误差(MSE)为3.32;硬度R为0.7938,MSE为9.6。
此外,利用糖度与硬度的最佳波长信息检测苹果颜色,根据两个波长下RIOs
的反射光谱差异提出了红绿色的极限差之比与着色浓度比,判断苹果的着色度,
实现颜色指标的量化判定。
(4)使用MATLAB2013a设计苹果在线综合分级仿真系统,按照大小→外形→病害→糖度→硬度的顺序编写检测程序,通过识别苹果的
图像、光谱、指标信息模拟在线分级。
系统参照分级标准建立不同环境下的指标数据库,按照量化标准分为特级果、一级果、二级果、等外果。
程序末端增设了选用的检验环节,通过检测颜色指标验证分级结果的准确性。
设计仿真系统操作界面,包含用户管理、环境参数、指标参数、数据显示等功能,操作人员参考帮助信息合理使用分级系统,实现对苹果多指标的综合检测。