[发明专利]一种基于嵌入式的苹果成熟度检测系统及方法

权利要求书

1.一种基于嵌入式的苹果成熟度检测方法，其特征在于，所述基于嵌入式的苹果成熟度检测方法包括：

步骤一，苹果漫反射实验室平台通过主成分分析对光谱聚类分析用新的低维数据替代原始的高位数据，基于主成分分析的光谱数据，结合x-载荷系数法提取苹果成熟度的特征波长；

步骤二，基于苹果成熟度特征光谱的样本，划分数据样本的训练集和预测集，利用遗传算法寻优得到支持向量机模型中的惩罚参数c和核函数参数g；以高斯核函数为支持向量机的核函数，构建苹果成熟度的分类模型；

步骤三，基于近红外光与苹果相互作用的漫反射方式；采用卤素光源的驱动电路和控制电路、外部触发电路的印刷电路板配合主控制器，获取样本苹果特征光谱数据，并构建苹果成熟度分类模型；以苹果成熟度分类模型为核心，编写融合苹果成熟度分类模型的控制程序，实现苹果成熟度的无损预测。

2.如权利要求1所述的基于嵌入式的苹果成熟度检测方法，其特征在于，所述基于嵌入式的苹果成熟度检测方法基于遗传算法优化的支持向量机苹果成熟度分类方法包括：

第一步，用提取苹果成熟度分类的光谱特征波长，搭建基于可见/近红外光谱的苹果成熟度漫反射实验平台，采用地物光谱仪获取苹果的光谱曲线图；基于苹果漫反射的样本，采用主成分分析的手段，对光谱数据进行聚类分析，得到第一主成分和第二主成分的聚类图；基于x-载荷系数发提取光谱的特征波长，x-载荷系数法是基于主成分分析得到的光谱数据的主成分因子系数矩阵的，以光谱数据的波长向量作为载荷系数图的横轴，以主成分因子系数矩阵为纵坐标的响应值，绘制前三主成分的载荷系数图；x-载荷系数法可以得到每个隐含变量下各个波长点对应的载荷系数，筛选对光谱数据样本起聚类作用的光谱特征波长；根据载荷系数局部最值，筛选出用于苹果成熟度分类的光谱特征波长；

第二步，苹果成熟度分类模型的构建，包括：以遗传算法为寻优方式，采用支持向量机分类算法，构建的苹果成熟度分类模型；分类模型以x-载荷系数算法提取的光谱特征波段为输入，设置遗传算法获得的最优的惩罚参数c和核函数参数g，采用的核函数为高斯核函数，实现快速无损预测苹果的成熟信息；

依据提取的光谱特征波段，划分实验样本，将实验样本划分为训练集和验证集，首先按照基于遗传算法优化的支持向量机算法训练苹果成熟度预测模型，基于验证集样本对模型进行验证，最后保存模型。

3.如权利要求2所述的基于嵌入式的苹果成熟度检测方法，其特征在于，所述第二步苹果成熟度分类模型的构建具体包括：

(1)对提取的光谱特征波长进行编码，把解空间变量表示成遗传空间的基因串结构数据，使用支持向量机模型的准确率函数作为遗传算法的适应度函数，以轮盘赌法作为遗传算法的选择算子，各个个体被选择的概率与其适应度成正比，公式如下式所示，群体规模为n，其中个体i的适应度为f_i，则i被选择的概率为P_i：

式中，f_i为个体i的适应度，P_i为被选择的概率；

(2)遗传算法中的交叉、变异操作均选择算法自带的操作方法，多次运行遗传算法获得最佳的惩罚参数c和核函数参数g；

(3)支持向量机算法以苹果样本光谱的特征波长和苹果的实际成熟情况为输入，惩罚参数c和核函数参数g选择遗传算法得到的最佳值，核函数为高斯核函数，公式如下：

式中，X^p为核函数中心，X为输入向量，||X-X^p||²为两个特征向量之间的平方欧几里得距离。

4.如权利要求1所述的基于嵌入式的苹果成熟度检测方法，其特征在于，所述基于嵌入式的苹果成熟度检测方法基于苹果成熟度分类算法的无损检测方法包括：光谱采集模块主要是采集特征光谱数据，一个光谱数据是一个23位的二进制数据对，经IEEE标准转换成十进制的浮点数，即为特征光谱的真实值；控制器模块中嵌入了基于嵌入式的苹果成熟度检测模型，光谱特征数据有模型网络接口输入，输出苹果成熟度的结果；触发模块采用硬件防抖；显示屏通过SPI总线与控制器进行通信实现苹果检测结果的实时显示。