[发明专利]一种柚子品质分类方法与装置

权利要求书

1.一种柚子品质分类方法，其特征在于，该方法是根据口感对同一批次的柚子挑选训练样本，根据训练样本的参数构建分类模型，利用该分类模型对该批次的柚子进行品质分类；

包括如下步骤：

S1.获取所述批次的柚子的年份、区域、采摘时间、种植监测数据并作为第一参数；

S2.口感检测人员从所述批次的柚子中挑选能代表各个类型的柚子；

S3.口感检测人员对挑选的柚子进行品尝，根据其感觉将品尝的柚子进行品质分类，并为每个类别挑选多个训练样本；

S4.获取各所述训练样本的轮廓、表面及表层图像特征、重量并作为第二参数；

S5.根据所述训练样本的轮廓、重量得到品质评价指标，将各所述训练样本的品质评价指标之间的比值作为第三参数；

S6.分别将所述第一参数、第二参数、第三参数输入不同的数据挖掘分类模型进行训练，分别使用各数据挖掘分类模型对待测样本进行分类，由口感检测人员挑选最适合的分类模型作为最终的分类模型；

S7.使用最终的分类模型对所述批次的柚子进行品质分类；

在所述步骤S5中，其中一个训练样本的品质评价指标Q_p为：

其中，

x为图像像素的边长，hx为柚子的高，nx为柚子的宽，m柚子的质量，v柚子的体积，

另一个训练样本的品质评价指标Q_s为：

m_s为训练样本的质量，v_s为训练样本的体积，其中，

h_s为当前训练样本高的像素个数，n_s为其宽的像素个数，品质评价指标Q_p与品质评价指标Q_s的比值R_p为：

令：

在同一测试批次上，A_p为常数，

其中，

2.根据权利要求1所述的一种柚子品质分类方法，其特征在于，所述同一批次的柚子的年份、区域、采摘时间一致。

3.根据权利要求1所述的一种柚子品质分类方法，其特征在于，在所述步骤S6中，所述数据挖掘分类模型包括PCA数据挖掘分类模型、K-Means数据挖掘分类模型。

4.一种柚子品质分类装置，包括计算机(1)，其特征在于，还包括传送带(2)，所述传送带(2)上方设有检测箱(3)，所述检测箱(3)内腔顶部设有顶部光源(4)，所述检测箱(3)内腔两侧分别设有第一侧光源(5)、第二侧光源(6)，所述检测箱(3)内腔设有若干个图像采集单元(7)，所述传送带(2)下方设有称重传感器(8)，所述计算机(1)分别电性连接所述顶部光源(4)、第一侧光源(5)、第二侧光源(6)、图像采集单元(7)、称重传感器(8)；所述计算机(1)通过图像采集单元(7)、称重传感器(8)采集柚子(9)的参数并利用权利要求1-3任一所述的方法对柚子(9)进行品质分类。

5.根据权利要求4所述的一种柚子品质分类装置，其特征在于，所述图像采集单元(7)包括相机、高光谱图像传感器、红外图像传感器中的至少一种。

6.根据权利要求4或5所述的一种柚子品质分类装置，其特征在于，所述检测箱(3)由不透光的物质制成。