[发明专利]基于多光谱散射图像的苹果硬度预测方法

说明书

技术领域

本发明属于农产品无损检测领域，特别涉及一种基于多光谱散射图像的苹果硬度预测方法。

背景技术

硬度是苹果内部属性的一项重要指标，该指标会随着诸如气候状况、文化差异、收获时间或成熟度，以及收后处理方法和实际储藏方式等的不同具有很大的差异。标准的仪器式硬度测量方法在测试过程中会损坏水果样本，因此，不能采用该方法对水果分选和分级。新的无损检测技术的研究能够克服传统方法的缺点，有较大的应用价值。在水果硬度无损检测技术方面已有了大量的研究。多光谱散射图像技术是非破坏性水果硬度测量技术之一。研究表明在水果硬度检测方面，多光谱散射技术是有用的，并优于近红外光谱分析技术。

发明内容

本发明的目的是提出一种基于多光谱散射图像的苹果硬度预测方法。其特征在于，采用不同的回归方法用于预测一组样本。即开发了一种通过增加新样本来更新现有的最小二乘法预测模型；并提出一种能够获得较好的水果硬度预测结果的样本增加方法，使新模型可以有效的预测水果硬度。最后用同一时间采集但具有不同收后储存时间的两组不同的苹果样本集来测试该模型对苹果的硬度预测效果，并与采用以往预测方法的水果硬度预测结果进行比较。具体步骤如下

(1)苹果样本材料的选取

试验开始前，需要选取合适苹果样本，并将其放置在室温下至少15小时，试验时将苹果样本分成两组：组I和组II。

(2)数据采集与处理

数据采集是使用袖珍型、装有液晶可调谐滤波器(LCTF)的多光谱图像系统分别采集组I和组II的苹果样本获得其光谱散射图像，获得每个苹果样本在8个波长(650，680，700，740，820，880，910，和990nm)下的8幅散射图像。

数据处理，使用修正的洛伦兹分布函数(MLD)来计算每一个散射图像的轮廓参数

R=a1+a21+(|z|a3)a4---(1)]]>

上式中，R是以CCD灰度数表示的光密度；z是散射距离；a₁为光密度不对称值，a₂为散射轮廓峰值；a₃为半最大峰值对应的满散射宽度(FWHM)；a₄为FWHM周围的散射斜坡。

采集完光谱散射图像后，使用标准的MT硬度测试仪测量每个水果的硬度值，在与采集图像相同的环绕每个水果赤道的区域，以2mm/s的落下速度将直径为11mm的探针刺入去皮水果9.0mm测量其硬度值。

(3)回归预测模型的步骤

水果硬度回归预测模型共包含以下5步：

1)按组I和组II分为两个独立的样本集，样本按硬度值大小降序排列。每四个苹果中的前三个用于校准，第四个用于验证。该过程最终使从组I和组II分别提取出两个验证集和两个校准集。

2)在不同的波长下对每一个样本采用非线性回归分析拟合图像散射轮廓，从而确定方程一中它们的MLD参数。从每个样本可获得一套共32个MLD参数(4参数*8波长)。进一步，将水果样本的MLD参数除以与Teflon参考标准对应的参数，以校正从苹果样本获取散射图像的试验过程中光源波动带来的影响。

3)采用多元线性回归(MLR)计算组I校准集和组II校准集中样本MT硬度和MLD硬度两者间的r值和校准标准差(SEC)，采用MLR方法分别建立起组I和组II的8波长预测模型，接着分别用它们各自的验证集对其进行验证。验证结果用作与后续所述新的模型更新方法所获模型的验证结果进行比较。组I的水果硬度预测模型可用方程2来表示：