论文部分内容阅读
哈密瓜是新疆传统的名优产品之一,由于其经济价值高,是农民重要的增收途径之一。新疆哈密瓜产量高,品质好,但由于在上市前未经过有效分级,或者部分仅经过人工分级处理,不仅增加了人工成本,而且分级标准不统一,严重影响哈密瓜在市场上的竞争力,从而损失了农民的经济效益。机器视觉技术可实现对水果进行无损、绿色及标准化检测,以大大提高水果的附加值。本文利用机器视觉技术对哈密瓜品质进行无损检测分级,主要研究内容及方法包括: 采用机器视觉技术和高光谱成像技术分别对同一批哈密瓜进行了无损检测研究。机器视觉技术可检测哈密瓜的外部品质(大小、重量及纹理),高光谱成像技术可检测哈密瓜的综合品质。主要研究结果如下: ⑴利用机器视觉系统获得哈密瓜图像并进行预处理,提取哈密瓜外部品质特征用于检测哈密瓜大小、重量和网纹率。试验结果表明,基于机器视觉技术的哈密瓜的纵径检测相关系数为0.988,横径检测相关系数为0.973,哈密瓜重量预测相关系数为0.984,并且提取的哈密瓜纹理特征清晰,哈密瓜网纹率检测平均值为80.25%,机器视觉技术可用于哈密瓜外部品质检测。 ⑵通过搭建的高光谱成像系统,采集哈密瓜的图像和光谱信息。采用目标与背景区域平均光谱差值最大法,选取605nm下的高光谱图像为特征图像,检测哈密瓜的大小;对哈密瓜高光谱图像进行主成分分析,发现第一主成分适于检测哈密瓜的纹理特征。分析光谱信息,选择有效全波段(500-820nm)进行哈密瓜糖度检测建模回归分析。对比了多元散射信号修正(MSC)和标准正则变换(SNV)校正方法,原始光谱、一阶微分、二阶微分光谱预处理方法对建模精度的影响;采用PLS、SMLR和PCR方法对比分析了带皮哈密瓜和去皮哈密瓜糖度检测模型效果。试验结果表明,基于高光谱成像技术的哈密瓜纵径预测相关关系为0.990,哈密瓜横径预测相关系数为0.956,重量预测相关系数为0.974,哈密瓜网纹率检测平均值为85.53%。对原始光谱经过MSC和一阶微分光谱处理后,采用PLS和SMLR方法均可取得很好的建模效果,应用PLS法检测带皮哈密瓜糖度是可行的,其校正集相关系数Rc为0.861,RMSEC为0.627,预测集相关系数Rp为0.706,RMSEP为0.873;应用SMLR法检测去皮哈密瓜糖度效果最佳,校正集相关系数Rc为0.928,RMSEC为0.458,预测集相关系数Rp为0.818,RMSEP为0.727。 ⑶哈密瓜的去皮建模效果均优于哈密瓜的带皮状态。并从哈密瓜的均方根误差来看,哈密瓜的去皮建模的鲁棒性和可再现性也要优于带皮哈密瓜样本。 ⑷设计了哈密瓜分级输送试验装置,采用滚子式输送方法,有利于哈密瓜输送过程的稳定性。在检测区域设计了摩擦带装置,实现了哈密瓜在输送前进的同时可进行翻转,达到了在机器视觉系统检测区域可最大化的对哈密瓜的全表面进行检测。