[发明专利]一种水果内在品质的无损测量方法及终端

说明书

本发明提供一种水果内在品质的无损测量方法及终端，包括步骤：获取智能设备摄像头拍摄水果样本得到的光谱图片样本；获取水果样本的实际内在品质参数；将光谱图片样本分为800组不同波段并取每个波段的平均亮度值，并将800个平均亮度值与光谱图片样本对应的实际内在品质参数作为输入得到多组输入样本；构建神经网络，将多组输入样本输入神经网络进行深度学习训练和测试，得到PLS模型；创建微信小程序并导入PLS模型，智能设备拍摄待测试水果的实时光谱图片，通过PLS模型对实时光谱图片进行分析得到实时预测内在品质参数并显示。本发明通过智能设备调用拟合好的PLS模型，实现了低成本、快速及准确度高的水果内在品质的无损测量。

技术领域

本发明涉及光谱分析领域及深度学习领域，尤其是涉及一种水果内在品质的无损测量方法及终端。

背景技术

水果的内在品质，例如糖度值、酸度值、ph值、水分等参数是水果质量的重要组成部分，也是消费者选购水果的主要依据之一。

以苹果的糖度值为例，目前市场上测量苹果糖度值的测试仪器主要有数字折射仪与近红外糖度计。然而，用数字折射仪测量苹果糖度时需要对苹果进行切块榨汁，会损坏被测量苹果，而且测量速度很慢；而近红外糖度计尽管能实现苹果糖度的无损测量，但是售价很高，精准度很低，且国内货量较少。基于两者不便利性，目前消费者仍停留在以人眼观察辅助日常经验的形式辨别水果的质量情况，无法进一步鉴别其内在品质。

化学中有机物的各种基团都有其固定的振动频率，当分子受到外界光照射时，会受激发生共振，这时测量其吸收光能够得到复杂的图谱，而这种图谱能够表示物质的特征，因此，水果的内在品质也可以由水果反射光光谱来反映。国内外也已有很多论文表明，可以通过建立水果反射光光谱与水果内在品质参数的PLS(partial least-square method，偏最小二乘法)模型来预测水果的内在品质。要想获取水果反射光光谱就必须用到光谱仪，但是光谱仪价格普遍较高，市场售价几千到几万不等，这是由于光谱仪普遍采用专门的CMOS(Complementary Metal-Oxide-Semiconductor，互补金属氧化物半导体)传感器或CCD(Charge Coupled Device，电荷耦合器件图像传感器)探测光谱信号，而高性能的CMOS或CCD价格昂贵，所以造成系统成本较高。光谱仪的工作方式可分为两类：一类是基于上位机(电脑)进行控制，一类是基于下位机(单片机)独立工作。基于上位机控制的光谱仪需要与电脑连接使用，通过电脑进行光谱采集控制、数据处理以及光谱显示，使用方法复杂，携带不便；基于下位机控制的光谱仪，是在光谱仪内部嵌入微处理系统，完成控制、计算、显示等功能，但是该系统较为复杂，导致了光谱仪系统体积的增加与成本的大大升高。

发明内容

本发明所要解决的技术问题是：提供一种水果内在品质的无损测量方法及终端，以实现低成本、便携、快速及准确度高的水果内在品质的无损测量。

为了解决上述技术问题，本发明采用的技术方案为：

一种水果内在品质的无损测量方法，包括步骤：

S1：获取智能设备摄像头拍摄水果样本得到的光谱图片样本，所述光谱图片样本具体为采用全光谱LED灯照射所述水果样本、由光穿透过所述水果样本一定深度后散射出所述水果样本表面而产生的反射光经光纤传输到光栅上，再由所述光栅漫反射后落到白板上形成反射光谱，最后由所述智能设备摄像头拍摄所述白板上的所述反射光谱而得到；

S2：获取所述水果样本的实际内在品质参数，所述实际内在品质参数具体为采用有损测量仪测得的所述水果样本内与所述光谱图片样本对应的位置处的果肉内在品质参数；

S3：将所述光谱图片样本分为800个不同波段，并取每个波段的平均亮度值，得到800个所述平均亮度值，并将800个所述平均亮度值与所述光谱图片样本对应的所述实际内在品质参数作为输入样本；

S4：重复上述步骤S1-S3得到多组的800个所述平均亮度值与所述实际内在品质参数，得到多组输入样本；