下载文档原格式
苹果早期碰伤红外无损检测机理研究周建民，尹洪妍，范丽娟，张瑞丰，周其显(华东交通大学．南昌330013)摘要：针对水果早期碰伤不易被识别的特点．以苹果作为研究对象，在分析了球面热潦空同红外辐射规律的基础上．对苹果的早期碰伤红外热成像检测原理进行r深入探讨．最后通过实验验证了分析的模型以及规律．为红外热成像技术在农产品质量检测中的应用奠定基础。
美键词：苹果；早期碰伤；无损检测；红外辐射；红外热戚像中圈分类号：'T1崆19文献标识码：A文●蠕号：1003—188X(2012)07-0053-040引言水果的缺陷检测一直是农产品加工中非常重要的步骤之一。
尤其是苹果的早期碰伤，通常具有轻微凹陷、色稍变暗、无汁液外溢、肉眼难于察觉、病原微生物容易入侵而引起腐烂等特点，影响后续存储以及销售，容易造成较大经济损失…。
目前。
我国现有的水果缺陷检测技术主要还是以人工目测或常规机器视觉检测技术为主，在苹果的质量分级过程中，受苹果色泽的影响。
传统手段很难对早期轻微损伤加以检测。
留下较大隐患。
因此，水果的早期轻微损伤的快速有效检测是目前研究的热点和难点之一。
红外热成像技术对温度具有高敏感性，是一种非接触、无破坏、实时、快速检测方法，能检测小于0．1℃的温度变化，能在线检测物体表面温度．已开始广泛应用于现代农业、生物、食品检测等领域。
本文将红外热成像技术引入到果品的早期轻微损伤检测当中，以苹果为研究对象，探究水果早期损伤的红外热成像无损检测机理。
1红外辐射殛成像理论基础红外辐射是自然界中存在的最为广泛的电磁波辐射，一切高于绝对零度(一273。
C)的物体，都不断地发射红外辐射．同时这种辐射都载有物体的特征信息。
红外热成像技术就是利用物体自身各部分的这种红外辐射的差异，把物体不可见的热辐射情况转换为可收藕日期：201I-08-23基金璜目：缸西省科拄支撑计划项目(20100N A05500)；江西省自然科学基金项目(20l oc,Q s0040)；江西省教育厅科技项目(c JJl l430)作謇简介：周建民(1975一)．男．湖南邵阳人．捌教授。
48722009,30(21)计算机工程与设计Computer Engineering and Design0引言利用计算机制造水果自动分级系统，极大的提高了水果分级效率，但是该系统的图像一般需要通过CCD 成像、数据采集卡、A/D 转换器才能到计算机中，然后通过操作系统调用应用程序对数据进行处理，数据的传输浪费大量时钟周期，从而导致实时性效率不高。
随着DSP 芯片集成度、运算速度、数据吞吐率等性能的不断提高，基于DSP 的水果分级系统成为果品检测的发展趋势之一。
现阶段国内外对DSP 水果分级系统的研究如火如荼，并取得了一定的成果[1-3]。
所处理图像多为可见光图像，其固有的缺陷让水果分级系统的分级精度有一定的瓶颈，而红外图像在一定程度上可以弥补这些缺陷[4]。
本文针对红外与可见光图像的互补优势，以苹果作为研究对象，提出将苹果的红外与可见光图像融合应用在DSP 水果分级系统中用于检测水果品质。
1硬件平台选择本课题应用合众达公司的SEED-VPM642作为开发平台，它的主处理器为TMS320DM642，最高主频可达到600MHz ，8个并行运算单元、专用硬件逻辑、片内存储器和片内外设电路等硬件，处理能力可达4800MIPS [5]。
使用50MHz 晶体震荡器作为DSP 的外部时钟输入，经过内部锁相环12倍频后即可产生600MHz 的工作频率。
采用2级缓存结构(L1和L2)，大幅度提高了程序的运行性能。
片内64位的EMIF (external me-mory interface )接口可以与SDRAM (4M ×64位)、Flash (4M ×8位)等存储器件无缝连接，极大地方便了大量数据的搬移，从而节省更多CPU 周期给应用程序。
SEED-VPM642充分利用DM642作为专用视频处理芯片的优势，支持4路标准PAL 或NTSC 制模拟视频输入(CVBS 复合视频信号或S 端子信号输入等)和1路视频输出，能很好的满足系统设计中对视频输入、输出的要求。
Development and Innovation | 发展与创新 |·261·基于高光谱成像技术的水果损伤检测李懂懂，唐晓燕（南阳理工学院电子与电气工程学院，河南 南阳 473004）摘 要：水果在储存和长途运输过程中，具有易损伤、腐烂、变质的性质，且在早期不易被识别。
为确保水果品质，文章采用高光谱成像技术对早期水果损伤进行检测。
首先提取信噪比高的波段，接着将苹果与背景图像分离，最后分别采用主成分分析算法、波段比算法和支持向量机算法对苹果早期损伤进行识检测识别，并对3种检测结果进行比较。
实验结果表明，波段比算法检测效果优于主成分分析算法和支持向量机算法，正确检测率高达90%，可以快速有效地检测到苹果损伤。
关键词：高光谱成像技术；水果损伤；主成分分算析；波段比算法；支持向量机中图分类号：TS255.7 文献标志码：A 文章编号：2096-2789（2020）03-0261-02作者简介：李懂懂（1995—），男，硕士在读，研究方向：遥感图像处理。
目前关于检测水果损伤的研究越来越多，2007年洪添胜等[1]开始研究高光谱水果检测技术。
2008年赵杰文等[2]利用高光谱图像技术检测水果轻微损伤，利用主成分分析方法处理光谱数据，其检测正确率达到88.5%。
2009年蔡健荣等[3]运用波段比算法结合高光谱图像技术检测柑橘果锈，其检测率达到92%。
2018年谈文艺等[4]运用高光谱成像技术对苹果外部损伤进行精确识别和分级，应用主成分分析选出最佳广谱区，经分析其平均识别率高达98.5%。
2018年韩浩然等[5]基于高光谱成像技术对水果轻微机械损伤进行研究，并利用主成分分析算法、波段比算法对光谱数据做处理。
文章以苹果为研究对象，结合高光谱技术利用适当的算法对光谱数据分析，对水果的内在损伤进行无损检测。
1 高光谱图像预处理1.1 噪声去除文章选择山东红富士苹果作为主要研究对象，对苹果的轻微损伤做了早期识别检测，用GaiaField 便携式高光谱成像仪采集苹果400～1000nm 光谱范围的256幅图像，光谱分辨率为10nm 。
近红外光谱分析技术在果品品质检测中的应用摘要:概述了近红外光谱分析技术的原理和优点,分析了国内外近红外光谱分析技术在果品品质检测中的研究进展,指出了目前该技术在研究应用过程中的存在问题,最后对该技术的应用前景进行了展望。
关键词:近红外光谱;果品品质;检测;Application of Near Infrared Spectroscopy in Detection offruit QualityAbstract:In this paper,the principle and characteristics of the NIR spectroscopy technique were firstly discussed and the latest research progresses in detection of fruit quality were summarized in detail.At last,the existing problems in this field were analyzed and the future research directions this field were also forecasted.Key words:Near infrared spectroscopy;Detection;Fruit quality 传统的果品内部品质检测主要采用化学分析法,制样繁琐、检测速度慢,通常用少量样本代替批次果品的品质。
且检测时必须破坏果品,因此难以在商业上广泛应用。
近年来兴起的无损检测技术,依据果品物理力学、光学、电学、生物学等特性,在不破坏被检测对象的情况下,应用一定的检测技术和分析方法测定其内在品质。
并按一定的标准作出评价。
无损检测方法包括计算机视觉检测技术、分光分析检测技术、声学特性检测技术、力学特性检测技术、射线检测技术、核磁共振检测技术、生物传感器检测技术、电子鼻与电子舌检测技术等。
基于高光谱成像技术和 MN F检测苹果的轻微损伤张保华;黄文倩;李江波;赵春江;刘成良;黄丹枫;贡亮【期刊名称】《光谱学与光谱分析》【年(卷),期】2014(000)005【摘要】苹果损伤是一种发生在水果采摘和产后处理阶段的不可避免的主要缺陷。
为了快速有效地识别苹果的轻微损伤，以具有代表性的双色红富士苹果为研究对象，提出了一种以高光谱成像和最低噪声分离（MNF）变换的苹果轻微损伤识别检测方法。
首先，使用高光谱成像系统获取苹果的可见-近红外波段（400～1000nm）的图像，对比发现全波段的最低噪声分离变换比主成分分析（PCA）变换可获得更好的识别效果；其次，利用I-RELIEF算法对正常表皮和损伤区域的光谱进行分析得出权值系数图，依据该系数曲线挑选出了5个特征波段（560，660，720，820和960nm）；最后，特征波段和最低噪声分离变换开发了损伤苹果的识别检测算法。
利用该算法对80个正常苹果和含有不同时间阶段轻微损伤的苹果进行试验，损伤识别总体正确率为97.1％，试验结果表明，利用该方法和选取的特征波段可以快速有效地识别苹果的早期轻微损伤，为利用多光谱成像技术和最低噪声分离变换在线检测苹果轻微损伤奠定了基础。
%Bruising is one of the major defects occurring on apple surface inevitably during postharvest handling and processing stage .To detect slight bruises on apples fast and efficiently ,a novel bruises detection algorithm based on hyperspectral imaging and minimum noise fraction transform is proposed .First ,the hyperspectral images in the visible and near-infrared (400~1 000 nm) ranges are acquired ,and MNF transform based on full ranges could obtainbetter detection performance compared to PCA transform ;Second ,five wavebands (560 ,660 ,720 ,820 and 960 nm) are selected as the effective wavebands based on the coef-ficient curve of I-RELIEF method conducted on spectra extracted from intact and bruise surface ;Third ,the bruises detection al-gorithm is developed based on the effective wavebands and MNF transform method .For the investigated 40 sound samples and 40 different time stage bruise samples ,the results with a 97 .1% overall detection rate are got .The recognition results indicate that the proposed methods and the effective wavelengths selected in this paper are feasible and efficient .This research lays a foundation for the development of multispectral imaging system based on MNF transform for slight bruises detection on apples .【总页数】6页(P1367-1372)【作者】张保华;黄文倩;李江波;赵春江;刘成良;黄丹枫;贡亮【作者单位】上海交通大学机械系统与振动国家重点实验室，上海 200240; 北京市农林科学院，北京农业智能装备技术研究中心，北京 100097;北京市农林科学院，北京农业智能装备技术研究中心，北京 100097;北京市农林科学院，北京农业智能装备技术研究中心，北京 100097;上海交通大学机械系统与振动国家重点实验室，上海 200240; 北京市农林科学院，北京农业智能装备技术研究中心，北京 100097;上海交通大学机械系统与振动国家重点实验室，上海 200240;上海交通大学机械系统与振动国家重点实验室，上海 200240;上海交通大学机械系统与振动国家重点实验室，上海 200240【正文语种】中文【中图分类】TP391.4;S26【相关文献】1.基于高光谱成像技术的苹果表面轻微损伤检测 [J], 田有文;牟鑫;程怡;胡博2.基于高光谱成像的苹果轻微损伤检测有效波长选取 [J], 黄文倩;陈立平;李江波;张驰3.基于RELIEF算法和极限学习机的苹果轻微损伤高光谱检测方法 [J], 张萌;李光辉4.基于高光谱成像技术的富士苹果轻微机械损伤检测研究 [J], 沈宇; 房胜; 郑纪业; 王风云; 张琛; 李哲5.基于高光谱成像技术识别苹果轻微损伤的有效波段研究 [J], 沈宇;房胜;王风云;李哲;张琛;郑纪业因版权原因，仅展示原文概要，查看原文内容请购买。
收稿日期：2023-03-31基金项目：岭南现代农业科学与技术广东省实验室河源分中心自主科研项目（DT20220009，DT20220007，DT20220011）；北京市农林科学院财政项目（CZZJ202203）通信作者：段丹丹（1984—），女，博士，高级工程师，研究方向为农业定量遥感监测，E-mail：duandd@广东农业科学2023，50（7）：57-63Guangdong Agricultural SciencesDOI:10.16768/j.issn.1004-874X.2023.07.006王凡，孟翔宇，陈龙跃，段丹丹，钱英军. 基于高光谱成像的苹果损伤检测方法研究［J］. 广东农业科学，2023，50（7）：57-63.基于高光谱成像的苹果损伤检测方法研究王 凡1,2，孟翔宇1，陈龙跃2，段丹丹1,2,3，钱英军4（1.北京市农林科学院信息技术研究中心，北京 100097；2.岭南现代农业科学与技术广东省实验室河源分中心，广东 河源 517000；3.清远市智慧农业农村研究院，广东 清远 511500；4.广东科贸职业技术学院，广东 清远 511500）摘 要：【目的】研究苹果损伤高光谱特征，建立基于高光谱成像的苹果损伤区域最佳分类模型，为实时、快速、准确地识别苹果损伤提供重要依据。
【方法】以北京平谷区收集的苹果样品为研究对象，利用高光谱图像技术检测水果表面机械损伤。
利用390 ~1 000 nm 范围的高光谱图像（HSI）数据，通过比值光谱分析损伤与正常感兴趣区域（ROI）的光谱响应特性，筛选特征波段，并构建较好地突出损伤区域特征的3种类型光谱指数：归一化光谱指数（NDSI）、比值光谱指数（RSI）和差值光谱指数（DSI）。
在此基础上，优选提取损伤区域能力较强的光谱指数，利用迭代自组织数据分析（ISODATA）无监督据聚类算法提取苹果损伤区域。
【结果】当苹果表面受到损伤时，光谱反射率变化显著。
基于近红外图像技术的水果轻微损伤检测
黄星奕;刘益权;赵杰文
【期刊名称】《微计算机信息》
【年(卷),期】2007(023)034
【摘要】水果轻微损伤检测对提高水果档次、延长货架期有着重要的经济价值,如果不把轻微损伤水果检测出来加以剔除,随着贮藏时间的延长就很容易霉烂,并影响其他正常水果.提出了在900-1100nm处利用近红外图像处理技术对水果轻微损伤进行检测的方法.采用四周扫描法去除背景,针对无明显双峰图像分割的难点开发出了一种新的分割算法对轻微损伤进行分割,最后对轻微损伤的个数和面积进行了识别计算并对面积的畸变校正进行了探讨.实验结果表明,该方法对有轻微损伤的图像识别正确率达91.3%,为水果的后续在线检测奠定了基础.
【总页数】3页(P229-231)
【作者】黄星奕;刘益权;赵杰文
【作者单位】江苏大学食品与生物工程学院,江苏212013
【正文语种】中文
【中图分类】TP391.41;TP274+.52
【相关文献】
1.基于近红外高光谱图像的苹果轻微损伤检测 [J], 陈姗姗;宁纪锋;彭艺伟;张叶
2.近红外高光谱成像技术的桃轻微损伤早期检测 [J], 杨婷婷;迟茜;王转卫;谢同振;孟繁宇
3.利用高光谱图像技术检测水果轻微损伤 [J], 赵杰文;刘剑华;陈全胜;Saritporn Vittayapadung
4.无损检测技术在水果轻微损伤检测中的应用研究 [J], 彭步迅;张晓;任显丞;李疆
5.无损检测技术在水果轻微损伤检测中的应用研究 [J], 彭步迅;张晓;任显丞;李疆因版权原因，仅展示原文概要，查看原文内容请购买。
高光谱图像技术检测苹果轻微损伤摘要传统的近红外光谱分析法和可见光图像技术应用于水果品质无损检测中存在的检测区域小、检测时间长、仅能检测表面情况等局限性。
提出了利用高光谱图像技术检测水果轻微损伤的方法。
试验以苹果为研究对象，利用500~ 900nm范围内的高光谱图像数据,通过主成分分析提取547nm波长下的特征图像，然后设计不均匀二次差分消除了苹果图像亮度分布不均匀的影响，最后通过合适的数字图像处理方法提取苹果的轻微损伤。
关键词：无损检测苹果高光谱图像检测轻微损伤引言水果在采摘或运输过程中，因外力的作用使其表皮受到机械损伤，损伤处表皮未破损，伤面有轻微，色稍变暗，肉眼难于觉察。
受水果色泽的影响，传统的计算机视觉技术不能对轻微损伤加以检测。
但是轻微损伤是水果在线检测的主要指标之一，随着时间的延长，轻微损伤部位逐渐褐变，最终导致整个果实腐烂并影响其他果实。
因此，水果轻微损伤的快速有效检测是目前研究的难点和热点之一。
虽然轻微损伤和正常区域在外部特征上呈现出极大的相似性，但是损伤区域的内部组织发生一定的变化，这种变化可以通过特定波长下的光谱表现出来。
当前，一种能集成光谱检测和图像检测优点的新技术。
高光谱图像技术正好能满足水果表面轻微损伤检测的需要。
高光谱图像技术是光谱分析和图像处理在最低层面上的融合技术，可以对研究对象的内外部特征进行可视化分析。
在国内, 高光谱图像技术在农畜产品品质检测的应用还没有相关的文献报道；在国外，近几年来有部分学者将该技术应用于肉类和果蔬类的品质检测上。
本文采用高光谱图像技术对水果表面轻微损伤检测进行研究，并通过合适的数据处理方法寻找到最能准确辨别水果表面损伤的特征波长下的图像，为实现高光谱图像技术对水果轻微损伤的在线检测提供依据。
1高光谱图像基本原理高光谱图像是在特定波长范围内由一系列波长处的光学图像组成的三维图像块。
图1为苹果的高光谱图像三维数据块示意图。
图中，x和y表示二维平面坐标轴，K 表示波长信息坐标轴。
苹果早期瘀伤的近红外光谱和多波段相机成像检测杨增荣;王怀彬;田密密;李军会;赵龙莲【期刊名称】《光谱学与光谱分析》【年(卷),期】2024(44)5【摘要】苹果早期轻微瘀伤是影响苹果品质的重要因素。
早期轻微瘀伤在可见光下肉眼无法识别,为寻找一种高效的苹果早期轻微瘀伤识别方法,以红富士苹果为研究对象,通过倒立摆装置人为制造不同程度的苹果瘀伤。
首先采用傅里叶变换近红外光谱仪采集80个无损样品、60个轻度损伤样品以及60个重度损伤样品各自在损伤后0、10、20和30 min的近红外漫反射光谱;采用SNV作为光谱数据预处理方法,谱区范围选择4000~9000 cm^(-1);主成分个数为9,采用偏最小二乘法-判别分析(PLS-DA)和支持向量机(SVM)两种方法建立“无损-有损”二分类模型,预测集的平均识别率分别为85.00%和89.80%,模型识别效果有待提高。
在以上实验结果的基础上,使用波段范围为1000~2350 nm的近红外相机采集无损、轻度瘀伤、中度瘀伤和重度瘀伤的100个苹果样品的近红外图像,相机加装1150和1400 nm 的滤光片后分别再次采集这些苹果样品的近红外图像,所有图像均在瘀伤产生后立即采集。
共采集3个波段、4种瘀伤程度的苹果样本图像共1200张。
提取图像吸光度信息并分别建立KNN、SVM和DT分类模型,DT法“无损-损伤”二分类模型和“无损-轻度-重度”三分类模型的识别率最高,分别为99.00%和94.67%。
相比基于近红外光谱的苹果早期外部瘀伤识别方法,近红外相机多波段成像法在苹果表面早期瘀伤和瘀伤程度分类的应用中都有更高的识别准确率。
与此同时近红外相机成像方法方便确定瘀伤的位置,这为苹果表面瘀伤的实时在线检测与分类提供了一种快速高效的新思路。
【总页数】8页(P1364-1371)【作者】杨增荣;王怀彬;田密密;李军会;赵龙莲【作者单位】中国农业大学信息与电气工程学院;现代精细农业系统集成研究教育部重点实验室【正文语种】中文【中图分类】O657.39【相关文献】1.使用背照减薄型CCD的色散型超光谱成像光谱仪中近红外波段干涉条纹现象的研究与校正2.近红外高光谱成像技术的桃轻微损伤早期检测3.近红外光谱模型用于无症状“富士”苹果苦痘病的早期检测4.基于近红外相机成像和阈值分割的苹果早期损伤检测5.苹果糖度近红外光谱检测波段试验研究因版权原因，仅展示原文概要，查看原文内容请购买。
