[发明专利]基于机器学习的草莓成熟度快速判别方法

说明书

本发明提出一种基于机器学习的草莓成熟度快速判别方法：其采用不同成熟度的草莓，作为实验样本；将不同成熟度的草莓置于暗箱中拍照，作为原始数据集；对草莓的原始图像进行分割，实现背景与目标分离；提取预处理后草莓样本图像的颜色特征；基于提取到的的颜色特征，以此建立用于预测草莓成熟度的机器学习分类模型；基于建立的机器学习分类模型，对待测草莓样本进行成熟度判别。该方法有利于简单、快捷地识别出未知草莓样本的成熟度。

技术领域

本发明属于食品检测技术领域，尤其涉及一种基于机器学习的草莓成熟度快速判别方法。

背景技术

草莓是世界七大水果之一，果香四溢，口味极佳，含有丰富的营养物质有着“水果皇后”的美称。草莓中维生素A含量很高，这使其具有一定程度上缓解夜盲症的功效，同时富含胡萝卜素，能有效维护上皮组织健康、明目养肝，促进生长发育，改善便秘，预防痤疮、肠癌的发生。由于果肉鲜嫩，导致草莓其极易腐败变质、不容易储存。通常，草莓一旦需要长途运输或储存，果农会在其即将成熟时进行采摘，而就地售卖的草莓则会选择完全成熟的时候进行采摘。这不仅可以避免运输过程中因草莓腐蚀而造成的损失，还能降低食品安全风险。因此，草莓成熟度的区分是水果产业的一项重要任务。传统上，基于人类视觉感知的草莓人工分级是耗时且成本高的。再者，通过目视检查对果实进行分类和质量评估，会因疲劳和主观偏见等外部影响而产生误差。

综上所述，为了拓展草莓成熟度检测在食品领域中的应用，急需开发一种快速、简单的便于现场实时检测草莓成熟度的方法。

发明内容

针对现有技术的空白，本发明提出了一种基于机器学习的草莓成熟度快速判别方法，采用不同成熟度的草莓，作为实验样本；将不同成熟度的草莓置于暗箱中拍照，作为原始数据集；对草莓的原始图像进行分割，实现背景与目标分离；提取预处理后草莓样本图像的颜色特征；基于提取到的的颜色特征，以此建立用于预测草莓成熟度的机器学习分类模型；基于建立的机器学习分类模型，对待测草莓样本进行成熟度判别。该方法有利于简单、快捷地检测出草莓的不同成熟状态。

本发明具体采用以下技术方案：

一种基于机器学习的草莓成熟度快速判别方法，其特征在于：采用不同成熟度的草莓样本图像作为数据集，并提取颜色特征训练用于预测草莓成熟度的机器学习分类模型；并通过训练获得的分类模型进行待测草莓样本成熟度快速判别。

进一步地，包括以下步骤：

步骤S1：选择不同成熟度的草莓作为样本；

步骤S2：将不同成熟度的草莓置于暗箱中拍照，将获取的图像作为原始数据集；

步骤S3：对草莓的原始图像进行分割，实现背景与目标分离；

步骤S4：提取预处理后草莓样本图像的颜色特征；

步骤S5：基于步骤S4获得的特征信息，以此建立用于预测草莓成熟度的机器学习分类模型；

步骤S6：基于步骤S5建立的分类模型，对待测草莓样本进行成熟度判别。

进一步地，在步骤S2中，对待测草莓样本的成熟度依据着色面积分为四个阶段：绿熟期、白熟期、转色期和红熟期。

进一步地，在步骤S3中，基于颜色直方图对草莓图像进行分割，将原始数据全部转换为B分量图像，设置分割阈值为100，以实现背景与目标分离。

进一步地，在步骤S4中，提取分割图像在RGB颜色模型中的R、G、B分量的均值和标准偏差；之后将RGB模型分别转成HSV颜色模型和Lab颜色模型，采用同样的方法提取H、S、V分量的均值和标准偏差，L、a、b分量的均值和标准偏差，共18个特征变量。

进一步地，在步骤S5中，建立的机器学习分类模型为：线性判别分析模型或K近邻学习模型。

进一步地，在步骤S5中，建立的机器学习分类模型为支持向量机模型。

进一步地，在步骤S6中，对待测草莓进行成熟度判别的过程为：