[发明专利]一种加工番茄品质检测方法、系统、设备及介质

权利要求书

1.一种加工番茄品质检测方法，其特征在于，包括：

获取待检测加工番茄的高光谱图像；

根据所述高光谱图像计算平均光谱反射率；

将所述平均光谱反射率输入至加工番茄的不同品质检测模型中，得到检测结果；所述不同品质检测模型包括可溶性固形物检测模型、番茄红素检测模型、硬度检测模型、可滴定酸检测模型和成熟度检测模型；所述检测结果包括待检测加工番茄的可溶性固形物含量、番茄红素含量、硬度、可滴定酸含量和成熟度；

其中，所述不同品质检测模型是利用不同的样本数据对循环神经网络模型进行训练得到的；所述样本数据包括多个加工番茄样品的平均光谱反射率和对应的品质标签；所述品质标签为可溶性固形物含量标签、番茄红素含量标签、硬度标签、可滴定酸含量标签或者成熟度标签；所述循环神经网络模型包括第一循环神经网络模型、第二循环神经网络模型、第三循环神经网络模型、第四循环神经网络模型和第五循环神经网络模型。

2.根据权利要求1所述的加工番茄品质检测方法，其特征在于，所述获取待检测加工番茄的高光谱图像，具体包括：

获取待检测加工番茄相对方向的两个高光谱图像。

3.根据权利要求1所述的加工番茄品质检测方法，其特征在于，所述根据所述高光谱图像计算平均光谱反射率，具体包括：

对所述高光谱图像进行校准，得到校准后的高光谱图像；

提取所述校准后的高光谱图像的感兴趣区域，得到感兴趣区域图像；

计算所述感兴趣区域图像的平均光谱；

根据所述平均光谱确定平均光谱反射率。

4.根据权利要求3所述的加工番茄品质检测方法，其特征在于，所述对所述高光谱图像进行校准，得到校准后的高光谱图像，具体包括：

利用公式对所述高光谱图像进行校准，得到校准后的高光谱图像；其中，C_r表示校准后的高光谱图像，C_I表示高光谱图像，C_b表示灰度参考图像。

5.根据权利要求1所述的加工番茄品质检测方法，其特征在于，所述利用不同的样本数据对循环神经网络模型进行训练，具体包括：

利用第一样本数据对第一循环神经网络模型进行训练，得到所述可溶性固形物检测模型；所述第一样本数据包括多个加工番茄样品的平均光谱反射率和对应的可溶性固形物含量标签；

利用第二样本数据对第二循环神经网络模型进行训练，得到所述番茄红素检测模型；所述第二样本数据包括多个加工番茄样品的平均光谱反射率和对应的番茄红素含量标签；

利用第三样本数据对第三循环神经网络模型进行训练，得到所述硬度检测模型；所述第三样本数据包括多个加工番茄样品的平均光谱反射率和对应的硬度标签；

利用第四样本数据对第四循环神经网络模型进行训练，得到所述可滴定酸检测模型；所述第四样本数据包括多个加工番茄样品的平均光谱反射率和对应的可滴定酸含量标签；

利用第五样本数据对第五循环神经网络模型进行训练，得到所述成熟度检测模型；所述第五样本数据包括多个加工番茄样品的平均光谱反射率和对应的成熟度标签。

6.一种加工番茄品质检测系统，其特征在于，包括：

图像获取模块，用于获取待检测加工番茄的高光谱图像；

反射率计算模块，用于根据所述高光谱图像计算平均光谱反射率；

品质检测模块，用于将所述平均光谱反射率输入至加工番茄的不同品质检测模型中，得到检测结果；所述不同品质检测模型包括可溶性固形物检测模型、番茄红素检测模型、硬度检测模型、可滴定酸检测模型和成熟度检测模型；所述检测结果包括待检测加工番茄的可溶性固形物含量、番茄红素含量、硬度、可滴定酸含量和成熟度；

其中，所述不同品质检测模型是利用不同的样本数据对循环神经网络模型进行训练得到的；所述样本数据包括多个加工番茄样品的平均光谱反射率和对应的品质标签；所述品质标签为可溶性固形物含量标签、番茄红素含量标签、硬度标签、可滴定酸含量标签或者成熟度标签。