專利名稱：一種基于光譜和顏色測(cè)量的水果成熟度評(píng)價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種水果成熟度智能評(píng)價(jià)方法，具體涉及一種基于光譜和顏色測(cè)量的水果成熟度評(píng)價(jià)方法。
背景技術(shù)：
水果的成熟度是水果分級(jí)、保鮮及存儲(chǔ)的一項(xiàng)重要指標(biāo)，也是消費(fèi)者選購時(shí)的主要依據(jù)。采收成熟度對(duì)貯藏效果影響很大，采收過早，果實(shí)尚未充分發(fā)育，果個(gè)小，糖分積累不足，色澤差，缺乏應(yīng)有的風(fēng)味；采收過晚，果實(shí)過分成熟，果肉松軟、硬度不夠，不耐貯藏。目前，在果實(shí)采收環(huán)節(jié)，確定果實(shí)成熟期和最佳采收期的傳統(tǒng)方法是根據(jù)經(jīng)驗(yàn)和目測(cè)判斷，只能由人工從外觀進(jìn)行判斷，同時(shí)這種主觀評(píng)定受到個(gè)人視力、鑒別力、情緒、疲勞程度、經(jīng)驗(yàn)、光線強(qiáng)弱和顏色等因素的影響，無法保證準(zhǔn)確性；部分采用抽樣檢測(cè)，也往往是破壞性 檢測(cè)，而且工作效率低，難以在現(xiàn)代生產(chǎn)和營銷中應(yīng)用。隨著果樹產(chǎn)業(yè)規(guī)?；图s化進(jìn)程的加快，特別是國際化貿(mào)易對(duì)果實(shí)成熟度和科學(xué)采收的更高要求，常規(guī)的水果成熟度預(yù)測(cè)技術(shù)已不能適應(yīng)現(xiàn)代果樹產(chǎn)業(yè)發(fā)展的需求。為此，農(nóng)業(yè)及相關(guān)領(lǐng)域的學(xué)者都致力于研究開發(fā)更為快速、方便、準(zhǔn)確的果實(shí)成熟度預(yù)測(cè)方法，以適應(yīng)現(xiàn)代生產(chǎn)和物流的需要。W01999JPO1609、US2011040504A和JP7239320A通過果蔬敲擊振動(dòng)的頻譜分析判斷果蔬成熟度。公開號(hào)CN101806764A和CN100575950C的中國專利公布了利用電子鼻技術(shù)鑒別桃子和西瓜的成熟度。公開號(hào)CN2763804Y的中國專利根據(jù)水果的介電特性檢測(cè)水果的成熟度。公開號(hào)CN 102095797A的中國專利公布了基于水果內(nèi)部超聲波的傳輸特性檢測(cè)水果的成熟度。采用敲擊振動(dòng)的方式容易損傷水果，電子鼻技術(shù)樣品前處理集氣時(shí)間長，介電特性檢測(cè)操作不方便，難以實(shí)現(xiàn)自動(dòng)化檢測(cè)、便攜式快速檢測(cè)。水果的成熟度表現(xiàn)在顏色、風(fēng)味、形態(tài)、硬度和質(zhì)地等各方面，單一的檢測(cè)指標(biāo)往往是不全面的，為提高檢測(cè)的全面性、可靠性和靈敏度，融合各品質(zhì)指標(biāo)智能判識(shí)水果成熟度成為快速無損檢測(cè)的新趨勢(shì)。國內(nèi)外研究報(bào)道近紅外光譜檢測(cè)水果的內(nèi)部品質(zhì)(糖度、酸度、硬度和VC含量等)的方法，綜合各品質(zhì)指標(biāo)進(jìn)行成熟度預(yù)測(cè)國內(nèi)外未見報(bào)道。另外，水果表面顏色的變化是判斷水果成熟程度的重要參考指標(biāo)，融合水果各項(xiàng)內(nèi)部品質(zhì)指標(biāo)和顏色特征，可有效避免單一測(cè)量指標(biāo)表示水果成熟度的局限性，提高水果成熟度預(yù)測(cè)的準(zhǔn)確性和穩(wěn)定性。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種簡單、無損果實(shí)、準(zhǔn)確高效的基于光譜和顏色測(cè)量的水果成熟度評(píng)價(jià)方法。本發(fā)明的基于光譜和顏色測(cè)量的水果成熟度評(píng)價(jià)方法包括下述步驟( I)針對(duì)某一種水果，取具有代表性的水果樣本進(jìn)行等級(jí)劃分，測(cè)定每一等級(jí)水果的顏色測(cè)量參數(shù)、可見近紅外光譜和內(nèi)部品質(zhì)評(píng)價(jià)指標(biāo)；(2)首先結(jié)合可見近紅外光譜和內(nèi)部品質(zhì)評(píng)價(jià)指標(biāo)，應(yīng)用多元校正方法建立水果內(nèi)部品質(zhì)定量分析模型，然后融合顏色測(cè)量參數(shù)及水果內(nèi)部品質(zhì)定量分析模型中輸出的標(biāo)準(zhǔn)品質(zhì)評(píng)價(jià)指標(biāo)，以水果成熟度等級(jí)為標(biāo)準(zhǔn)參考，通過機(jī)器學(xué)習(xí)算法建立水果成熟度評(píng)價(jià)模型；(3)測(cè)定待評(píng)價(jià)水果樣本的可見近紅外光譜及顏色測(cè)量參數(shù)，將其分別輸入所述的水果內(nèi)部品質(zhì)定量分析模型及水果成熟度評(píng)價(jià)模型中，計(jì)算機(jī)對(duì)水果成熟度進(jìn)行智能等級(jí)評(píng)價(jià)。其中，所述顏色測(cè)量參數(shù)與標(biāo)準(zhǔn)品質(zhì)評(píng)價(jià)指標(biāo)的融合包括特征數(shù)據(jù)融合及決策數(shù)據(jù)融合，另外，所述顏色測(cè)量參數(shù)包括色坐標(biāo)L*a*b*和色差Λ Eo另外，所述品質(zhì)評(píng)價(jià)指標(biāo)為可溶性固形物含量、硬度、酸度及固酸比中的一種或幾種。 另外，所述多元校正方法為多元線性回歸、主成分回歸及偏最小二乘法回歸中的一種或幾種。另外，所述機(jī)器學(xué)習(xí)算法為人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)中的一種或幾種。另外，測(cè)定顏色測(cè)量參數(shù)及可見近紅外光譜時(shí)，選取水果赤道位多點(diǎn)測(cè)量。另外，測(cè)定可見近紅外光譜時(shí)，采用鹵素等光源，波長范圍為38(Tl700nm。水果成熟度檢測(cè)方法。本發(fā)明的方法能對(duì)水果的成熟度進(jìn)行快速無損檢測(cè)，綜合顏色和光譜信息，即綜合水果內(nèi)外部特性預(yù)測(cè)水果成熟度。與目前的理化分析方法及人工方法對(duì)水果成熟度相t匕，其客觀性、時(shí)效性更強(qiáng)，效率更高，且不損傷水果。本發(fā)明將基于光譜和顏色的光學(xué)檢測(cè)手段應(yīng)用于水果成熟度檢測(cè)過程中，既可以解放勞動(dòng)力、又具有檢測(cè)精度高、結(jié)果一致性好、自動(dòng)化程度強(qiáng)和環(huán)境友好等優(yōu)點(diǎn)，可準(zhǔn)確預(yù)測(cè)水果成熟度。


圖I為本發(fā)明的水果成熟度測(cè)試方法的流程圖。圖2為實(shí)施例中水果的可見近紅外光譜圖。圖3為實(shí)施例中顏色測(cè)量圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式
作進(jìn)一步詳細(xì)描述。本發(fā)明對(duì)水果的成熟度預(yù)測(cè)具有通用性，但由于水果種類很多，因此本發(fā)明僅以紅富士蘋果為實(shí)施實(shí)例，其它水果的成熟度預(yù)測(cè)可參照該實(shí)施實(shí)例的方法，具體針對(duì)所測(cè)的樣本的成熟度標(biāo)準(zhǔn)，建立一個(gè)新的成熟度評(píng)價(jià)模型，就可以對(duì)該水果進(jìn)行測(cè)試。以下實(shí)施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。
實(shí)施例如圖I所示，首先采摘不同成熟期的蘋果樣本，根據(jù)國家檢測(cè)標(biāo)準(zhǔn)GB10651-2008評(píng)定該不同成熟時(shí)期的蘋果分別對(duì)應(yīng)四個(gè)成熟度，即為未成熟、可采成熟度、食用成熟度、生理成熟度四個(gè)等級(jí)；將這些蘋果作為標(biāo)準(zhǔn)樣本，建立標(biāo)樣集；根據(jù)蘋果的光譜響應(yīng)特性，設(shè)置光譜掃描的積分時(shí)間為50毫秒，平均次數(shù)為10，平滑度為5，波長范圍400-1100nm，測(cè)試光程2_，光纖探頭配有長度可調(diào)諧遮光膠套遮光，存儲(chǔ)暗光譜和參考光譜，在水果赤道位進(jìn)行水果樣品的可見近紅外光譜采集；可見近紅外光譜儀為微型光纖光譜儀，內(nèi)置CXD陣列探測(cè)器，用于接收水果樣品的漫反射光信號(hào)，并將光譜信號(hào)轉(zhuǎn)變?yōu)殡娦盘?hào)，再通過A/D轉(zhuǎn)換轉(zhuǎn)變?yōu)閿?shù)字信號(hào)通過USB接口輸入到計(jì)算機(jī)，蘋果的可見近紅外光譜圖如圖2所示；同時(shí)選擇光纖光譜儀顏色測(cè)量功能，以標(biāo)準(zhǔn)漫反射參考白板為蘋果樣品背景參t匕，在水果赤道位進(jìn)行顏色測(cè)量，獲得CIE1976顏色空間的色坐標(biāo)(L*a*b*)和色差(ΔΕ)等參數(shù)，如表3所示，將結(jié)果輸入到計(jì)算機(jī)；同時(shí)根據(jù)國家檢測(cè)標(biāo)準(zhǔn)GB10651-2008測(cè)定硬度、可溶性固形物含量、酸度及固酸
t匕，輸入計(jì)算機(jī)；首先對(duì)獲取的蘋果光譜信號(hào)選用平滑、標(biāo)準(zhǔn)化、中心化、導(dǎo)數(shù)、多元散射校正、標(biāo)準(zhǔn)正態(tài)變量等光譜預(yù)處理方法處理，結(jié)合可見近紅外光譜及硬度、可溶性固形物含量、酸度及固酸比，應(yīng)用本領(lǐng)域技術(shù)人員公知的多元線性回歸及偏最小二乘法回歸建立水果內(nèi)部品質(zhì)定量分析模型；然后融合顏色測(cè)量參數(shù)及水果內(nèi)部品質(zhì)定量分析模型中輸出的標(biāo)準(zhǔn)品質(zhì)評(píng)價(jià)指標(biāo)，以水果成熟度等級(jí)為標(biāo)準(zhǔn)參考，通過本領(lǐng)域技術(shù)人員公知的支持向量機(jī)算法建立水果成熟度評(píng)價(jià)模型；取待評(píng)價(jià)水果樣本，按照上述同樣方法測(cè)定其可見近紅外光譜及CIE1976顏色空間的色坐標(biāo)(L*a*b*)和色差(ΛΕ)，將其分別輸入所述的水果內(nèi)部品質(zhì)定量分析模型及水果成熟度評(píng)價(jià)模型中，得到計(jì)算機(jī)對(duì)水果成熟度的智能等級(jí)評(píng)價(jià)。以上實(shí)施方式僅用于說明本發(fā)明，而并非對(duì)本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明的范疇，本發(fā)明的專利保護(hù)范圍應(yīng)由權(quán)利要求限定。
權(quán)利要求
1.一種基于光譜和顏色測(cè)量的水果成熟度評(píng)價(jià)方法，其特征在于，包括下述步驟 (1)針對(duì)某一種水果，取具有代表性的水果樣本進(jìn)行等級(jí)劃分，測(cè)定每一等級(jí)水果的顏色測(cè)量參數(shù)、可見近紅外光譜和內(nèi)部品質(zhì)評(píng)價(jià)指標(biāo)； (2)首先結(jié)合可見近紅外光譜和內(nèi)部品質(zhì)評(píng)價(jià)指標(biāo)，應(yīng)用多元校正方法建立水果內(nèi)部品質(zhì)定量分析模型，然后融合顔色測(cè)量參數(shù)及水果內(nèi)部品質(zhì)定量分析模型中輸出的標(biāo)準(zhǔn)品質(zhì)評(píng)價(jià)指標(biāo)，通過機(jī)器學(xué)習(xí)算法建立水果成熟度評(píng)價(jià)模型； (3)測(cè)定待評(píng)價(jià)水果樣本的可見近紅外光譜及顏色測(cè)量參數(shù)，將其分別輸入所述的水果內(nèi)部品質(zhì)定量分析模型及水果成熟度評(píng)價(jià)模型中，計(jì)算機(jī)對(duì)水果成熟度進(jìn)行智能等級(jí)評(píng)價(jià)。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述顏色測(cè)量參數(shù)與標(biāo)準(zhǔn)品質(zhì)評(píng)價(jià)指標(biāo)的融合包括特征數(shù)據(jù)融合及決策數(shù)據(jù)融合。
3.根據(jù)權(quán)利要求I或2所述的方法，其特征在干，所述顏色測(cè)量參數(shù)包括色坐標(biāo)L*a*b*和色差Λ E0
4.根據(jù)權(quán)利要求廣3任一所述的方法，其特征在于，所述品質(zhì)評(píng)價(jià)指標(biāo)為可溶性固形物含量、硬度、酸度及固酸比中的ー種或幾種。
5.根據(jù)權(quán)利要求Γ4任一所述的方法，其特征在于，所述多元校正方法為多元線性回歸、主成分回歸及偏最小二乗法回歸中的ー種或幾種。
6.根據(jù)權(quán)利要求f5任一所述的方法，其特征在于，所述機(jī)器學(xué)習(xí)算法為人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)中的ー種或幾種。
7.根據(jù)權(quán)利要求廣6任一所述的方法，其特征在于，測(cè)定顔色測(cè)量參數(shù)及可見近紅外光譜時(shí)，選取水果赤道位多點(diǎn)測(cè)量。
8.根據(jù)權(quán)利要求f7任一所述的方法，其特征在于，測(cè)定可見近紅外光譜時(shí)，采用鹵素?zé)艄庠?，波長范圍為38(Tl700nm。
全文摘要
本發(fā)明涉及一種基于光譜和顏色測(cè)量的水果成熟度評(píng)價(jià)方法，其包括下述步驟(1)針對(duì)某一種水果進(jìn)行等級(jí)劃分，測(cè)定每一等級(jí)水果的顏色測(cè)量參數(shù)、可見近紅外光譜、內(nèi)部品質(zhì)評(píng)價(jià)指標(biāo)；(2)首先結(jié)合可見近紅外光譜和內(nèi)部品質(zhì)評(píng)價(jià)指標(biāo)，應(yīng)用多元校正方法建立水果內(nèi)部品質(zhì)定量分析模型，然后融合顏色測(cè)量參數(shù)，以水果成熟度等級(jí)為標(biāo)準(zhǔn)參考，通過機(jī)器學(xué)習(xí)算法建立水果成熟度評(píng)價(jià)模型；(3)測(cè)定待評(píng)價(jià)水果樣本的可見近紅外光譜及顏色測(cè)量參數(shù)，將其分別輸入所述的水果內(nèi)部品質(zhì)定量分析模型及水果成熟度評(píng)價(jià)模型中，計(jì)算機(jī)對(duì)水果成熟度進(jìn)行智能等級(jí)評(píng)價(jià)。本發(fā)明所述方法簡單、無損果實(shí)、準(zhǔn)確高效。
文檔編號(hào)G01N21/25GK102818777SQ20121030718
公開日2012年12月12日 申請(qǐng)日期2012年8月24日 優(yōu)先權(quán)日2012年8月24日
發(fā)明者陳立平, 郭志明, 黃文倩, 郭建華, 王秀, 張馳 申請(qǐng)人:北京農(nóng)業(yè)智能裝備技術(shù)研究中心