论文部分内容阅读
脐橙的产后分级处理是提高附加值的有效手段,利用现代检测技术对脐橙外观品质和内部品质进行无损检测可以实现分级销售,优质优价。国外发达国家已推出脐橙智能化分选装备,但由于价格昂贵,维护成本高,国内企业难以广泛应用。国内相关领域的研究起步较晚,特别是脐橙内部品质在线检测设备的智能化和自动化技术水平还不成熟。可溶性固形物含量是影响脐橙口感的重要因素,也是脐橙内部品质检测和评价的重要指标。国内外学者对脐橙可溶性固形物的在线检测进行了相关研究,但普遍是通过获取脐橙赤道部位的光谱建模或获取脐橙多个位置状态的平均光谱建模,并采用相同方式获取光谱对可溶性固形物进行在线检测。然而在工业自动化检测应用中,脐橙通过自动上果装置进入检测线,其位置状态是随机的。对于形状为类球形的脐橙,很难获取到每个脐橙赤道部位的光谱进行检测。此外,由于工业生产中检测脐橙的数量很大,脐橙均是以很快的速度通过检测线,不能重复获取脐橙多个位置状态的平均光谱进行检测。因此,现有的光谱模型在脐橙在线随机位置状态的可溶性固形物的快速检测应用中还存在一定的局限性。为了探索适应脐橙在线随机位置状态的可溶性固形物的在线检测方法。本文以重庆奉节卡拉卡拉脐橙为研究对象,应用计算机图像识别技术、可见-近红外光谱技术,综合运用图像处理、光谱分析、化学计量学、系统控制等学科知识开展了脐橙可溶性固形物在线检测研究。主要研究工作如下:(1)搭建了漫反射和漫透射光谱测量系统,在静态条件下对脐橙可溶性固形物的检测进行了对比研究。获取了脐橙三个代表性部位(赤道部位、果脐部位、果蒂部位)的漫反射光谱和漫透射光谱,分别采用4种光谱预处理方法(包括多元散射校正、标准正态变量变换、一阶导数结合Savitzky-Golay平滑、二阶导数结合Savitzky-Golay平滑)和7种特征波长挑选方法(包括连续投影算法、竞争性自适应重加权采样算法、蒙特卡罗-无信息变量消除法、后向区间偏最小二乘法、竞争性自适应重加权采样算法结合连续投影算法、蒙特卡罗-无信息变量消除法结合连续投影算法、后向区间偏最小二乘法结合连续投影算法)进行分析,建立了可溶性固形物的光谱检测模型。对测量方法和光谱检测模型进行了分析和讨论。结果表明,光谱获取的位置对脐橙可溶性固形物的检测影响较大。采用漫反射测量时,从果蒂部位获取的漫反射光谱无法使用。采用漫透射测量时,从果蒂部位获取的漫透射光谱信噪比较低,建模准确性较差,模型的RMSEP为0.824 Brix。此外,基于脐橙赤道部位获取光谱建模对可溶性固形物进行检测最优,其中基于脐橙赤道部位获取漫透射光谱建模能够获得较高的检测精度,模型的RMSEP为0.398Brix。(2)设计了脐橙图像及光谱在线自动采集系统,包含样品输送系统、图像采集系统、光谱采集系统和控制系统等。利用脐橙样品对设计的系统进行了测试,结果表明设计的脐橙图像及光谱在线采集系统在设定的样品传送速度下能够采集到较清晰的脐橙图像和较稳定的漫透射光谱信号,满足脐橙在线检测研究的基本要求。(3)研究了脐橙在线位置状态的识别方法。在线采集了594个脐橙样品随机位置状态的俯视图像。提出利用空间45°纬线投影分割脐橙俯视图像检视区域,并结合果蒂和果脐进行目标识别的脐橙在线位置状态分类方法。分别采用Histograms of Oriented Gradients方法和Scale Invariant Feature Transform方法提取了脐橙图像检视区域的特征,建立了支持向量机模式识别模型,比较了线性核函数、多项式核函数、Radial Basis Function核函数和Sigmoid核函数建模的效果。结果表明,基于Scale Invariant Feature Transform方法提取检视区域特征并采用Radial Basis Function核函数建立支持向量机识别模型最优,训练集识别准确率为98.3%,验证集识别准确率为94.8%,验证了脐橙在线位置状态分类和识别方法的正确性。(4)比较研究了检测脐橙在线随机位置状态可溶性固形物的光谱模型。在线采集了194个脐橙样品16个特定位置状态共计3104条漫透射光谱以及85个脐橙样品3次随机位置状态的漫透射光谱。基于现有普遍采用的脐橙可溶性固形物在线检测建模方法,分别建立了基于脐橙赤道部位平均漫透射光谱的可溶性固形物在线检测模型和基于脐橙16个位置状态平均漫透射光谱的可溶性固形物在线检测模型。利用上述两个模型对处于在线随机位置状态的脐橙样品进行3次检测,结果表明两个模型受脐橙在线位置状态的影响较大,检测的准确性较差。其中基于脐橙赤道部位平均漫透射光谱的可溶性固形物在线检测模型的3次检测误差最大值为0.848 Brix,最小值为0.732 Brix,平均误差为0.788 Brix。基于脐橙16个位置状态的平均漫透射光谱的可溶性固形物在线检测模型的3次检测误差最大值为1.081 Brix,最小值为0.923 Brix,平均误差为1.01 Brix。(5)为了提高脐橙在线位置状态随机变化时检测可溶性固形物的准确性,提出采用模式识别技术判别脐橙在线位置状态,并结合相应位置状态的光谱检测模型对脐橙可溶性固形物进行在线检测的方法。基于计算机(MacBook Pro,Dual Intel Core i7 CPU,16GB RAM)、MacOS操作系统和Qt框架,使用Python语言开发了脐橙可溶性固形物在线检测软件系统,结合设计的脐橙图像及光谱在线采集系统,实现了脐橙处于在线随机位置状态的可溶性固形物检测。利用脐橙样品进行随机位置状态在线检测试验,3次测量误差最大值为0.690 Brix,最小值为0.672 Brix,平均误差为0.680 Brix。试验研究表明,采用模式识别技术判别脐橙在线位置状态,并结合相应位置状态的光谱检测模型对脐橙可溶性固形物进行在线检测,能够克服单一的光谱检测模型不能适应脐橙在线位置状态随机变化引起的光谱变动,导致准确性较差的缺点,有效提高脐橙可溶性固形物在线检测的准确性。该研究对于提高类球形水果处于在线随机位置状态时可溶性固形物的检测精度具有参考价值。