首页 / 专利库 / 物理 / 噪声等效温差 / 基于红外热成像技术检测马铃薯品质的装置及其检测方法

基于红外热成像技术检测铃薯品质的装置及其检测方法

阅读:57发布:2020-05-13

专利汇可以提供基于红外热成像技术检测铃薯品质的装置及其检测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于红外热成像技术检测 马 铃薯品质的装置及其检测方法,属于农产品检测领域。该装置包括 箱体 、设置于箱体底部中央的样品池、分别设置于箱体内的四个照明灯、设置于箱体顶部中央的红外热成像检测系统和分别与样品池、红外热成像检测系统连接的电脑控制系统。本发明采用热成像技术对马铃薯贮藏期间动态品质开展 无损检测 ,利用该技术可以很好的降低图像特征信息的维数、检测速度快,且能在马铃薯贮藏实地进行检测。,下面是基于红外热成像技术检测铃薯品质的装置及其检测方法专利的具体信息内容。

1.一种基于红外热成像技术检测铃薯品质的装置,其特征在于:包括箱体、设置于箱体底部中央的样品池(6)、分别设置于箱体内的四个照明灯(1、2、3、4)、设置于箱体顶部中央的红外热成像检测系统(5)和分别与样品池、红外热成像检测系统连接的电脑控制系统(7)。
2.根据权利要求1所述的一种基于红外热成像技术检测马铃薯品质的装置,其特征在于:照明灯分别设置于箱体顶部的四
3.根据权利要求1所述的一种基于红外热成像技术检测马铃薯品质的装置,其特征在于:所述样品池为可旋转样品池。
4.一种基于红外热成像技术检测马铃薯品质的方法,其特征在于:包括以下步骤S1采集正常和变质马铃薯热成像图像;
S2利用热图像处理算法人工神经网络分析每个样本的特征信息;
S3基于传感器技术对正常和变质马铃薯的物理特性进行特征信息提取,基于标准的生化方法检测正常和变质马铃薯的化学成分含量;
S4研究马铃薯的物理特性和化学成份与热成像图像的相关性,并找出正常与变质马铃薯之间的差异性;
S5建立正常、变质马铃薯热成像图像的品质检测分析模型;
S6利用建立的正常、变质马铃薯热成像图像的品质检测分析模型,对马铃薯贮藏期间动态品质无损检测试验研究。
5.根据权利要求4所述的一种基于红外热成像技术检测马铃薯品质的方法,其特征在于:在所述S4具体为:利用热红外相机拍摄正常马铃薯和变质马铃薯的热红外图像,一共拍摄200张,每秒一张,包括40秒加热和160秒冷却热红外图像;通过公式得到平均温度差曲线:
其中∑T1(x,y)表示第一幅热红外图像的各个像素的温度累加值,∑Ti(x,y)表示当前热红外图像的各个像素的温度累加值,n表示热红外图像的总像素值;
对比同一马铃薯样品不同天数的平均温度差曲线,观察马铃薯新鲜程度的变化;对比同一天数不同样品的平均温度差曲线,观察正常马铃薯和变质马铃薯的区别,选择平均温度差曲线,进行ANN建模。
6.根据权利要求5所述的一种基于红外热成像技术检测马铃薯品质的方法,其特征在于:在所述S5具体为:采用噪声等效温差(NETD)、最小可分辨温差(MRTD)、调制传递函数(MTF)和信号传递函数(SiTF)对热成像系统的稳定性及精确度进行评价;
利用F检验和T检验选取合适的平均温度差数据进行ANN建模,其中2/3建模数据输入Matlab中进行训练和验证,建立ANN模型;1/3建模数据进行最后的ANN模型验证,验证失败重新回到Matlab中进行训练,验证成功则最终建模成果,并且用标准的生化方法进行对比验证模型的准确度。
7.根据权利要求4所述的一种基于红外热成像技术检测马铃薯品质的方法,其特征在于:所述物理特性包括重量、密度和硬度。
8.根据权利要求4或5所述的一种基于红外热成像技术检测马铃薯品质的方法,其特征在于:所述化学成分包括干物质、淀粉和还原糖。
9.根据权利要求4所述的一种基于红外热成像技术检测马铃薯品质的方法,其特征在于:采用自适应分段线性变换、离散小波变换红外图像增强的方法以及基于阈上随机共振的红外图像对热成像图像的降噪处理,以提取马铃薯热成像图像特征信息。
10.根据权利要求8所述的一种基于红外热成像技术检测马铃薯品质的方法,其特征在于:马铃薯干物质测定采用切片烘干称重法,淀粉测定采用索姆吉法,还原糖测定采用砷钼兰比重法。

说明书全文

基于红外热成像技术检测铃薯品质的装置及其检测方法

技术领域

[0001] 本发明涉及样品的外部特征检测装置,尤其涉及一种基于红外热成像技术对于马铃薯贮藏期间品质的无损检测,为马铃薯的贮藏、加工以及提升加工品质提供一定的理论依据和实践指导。

背景技术

[0002] 在马铃薯产业化发展的过程中,马铃薯的精深加工是马铃薯产业升级增效的关键,原料品质是加工产品质量基础和保证。马铃薯加工前的茎贮藏是马铃薯加工的关键环节之一。因此,了解马铃薯贮藏期间品质检测至关重要。热成像技术(thermal imaging,TI)是一种无损、无触点的检测系统,一般用于材料表温的非破坏性质量评价。热成像仪体积小,操作简单,可便携式地在样品贮藏室安置。同时,热成像图像比红外光谱曲线检测样品信息的维数要多,但比高光谱图像信息维数少并运行速度快。因此,热成像技术应用在食品检测方面研究逐渐增多,其中Baranowski等将1.5℃下贮藏的果样品移至20℃环境中(温差18.5℃),升温20min,通过升温速率的差异判定果实是否感染水心病。Bulanon等研究了柑橘树冠、果实的热量瞬时变化,将热成像技术用于柑橘成熟度的检测。
Ginesu等使用热感摄像机成功检测出食品中的异物,如腐烂的坚果、贝壳、小石子等。但是用热成像技术检测马铃薯品质的研究未见报道。

发明内容

[0003] 有鉴于此,本发明的目的是提供基于红外热成像技术检测马铃薯品质的装置及其检测方法,用于对于马铃薯贮藏期间品质的无损检测。
[0004] 本发明的目的之一是通过以下技术方案来实现的,一种基于红外热成像技术检测马铃薯品质的装置,包括箱体、设置于箱体底部中央的样品池、分别设置于箱体内的四个照明灯设置于箱体顶部中央的红外热成像检测系统和分别与样品池、红外热成像检测系统连接的电脑控制系统。
[0005] 进一步,照明灯分别设置于箱体顶部的四
[0006] 进一步,所述样品池为可旋转样品池。
[0007] 本发明的目的之二是通过以下技术方案实现的,一种基于红外热成像技术检测马铃薯品质的方法,包括以下步骤:S1采集正常和变质马铃薯热成像图像;S2利用热图像处理算法人工神经网络分析每个样本的特征信息;S3基于传感器技术对正常和变质马铃薯的物理特性进行特征信息提取,基于标准的生化方法检测正常和变质马铃薯的化学成分含量;S4研究马铃薯的物理特性和化学成份与热成像图像的相关性,并找出正常与变质马铃薯之间的差异性;S5建立正常、变质马铃薯热成像图像的品质检测分析模型;S6利用建立的正常、变质马铃薯热成像图像的品质检测分析模型,对马铃薯贮藏期间动态品质无损检测试验研究。
[0008] 进一步,在所述S4具体为:利用热红外相机拍摄正常马铃薯和变质马铃薯的热红外图像,一共拍摄200张,每秒一张,包括40秒加热和160秒冷却热红外图像;通过公式得到平均温度差曲线:
[0009]
[0010] 其中∑T1(x,y)表示第一幅热红外图像的各个像素的温度累加值,∑Ti(x,y)表示当前热红外图像的各个像素的温度累加值,n表示热红外图像的总像素值;
[0011] 对比同一马铃薯样品不同天数的平均温度差曲线,观察马铃薯新鲜程度的变化;对比同一天数不同样品的平均温度差曲线,观察正常马铃薯和变质马铃薯的区别,选择平均温度差曲线,进行ANN建模。
[0012] 进一步,在所述S5具体为:采用噪声等效温差(NETD)、最小可分辨温差(MRTD)、调制传递函数(MTF)和信号传递函数(SiTF)对热成像系统的稳定性及精确度进行评价;
[0013] 利用F检验和T检验选取合适的平均温度差数据进行ANN建模,其中2/3建模数据输入Matlab中进行训练和验证,建立ANN模型;1/3建模数据进行最后的ANN模型验证,验证失败重新回到Matlab中进行训练,验证成功则最终建模成果,并且用标准的生化方法进行对比验证模型的准确度。
[0014] 进一步,所述物理特性包括重量、密度和硬度。
[0015] 进一步,所述化学成分包括干物质、淀粉和还原糖。
[0016] 进一步,采用自适应分段线性变换、离散小波变换红外图像增强的方法以及基于阈上随机共振的红外图像对热成像图像的降噪处理,以提取马铃薯热成像图像特征信息。
[0017] 进一步,马铃薯干物质测定采用切片烘干称重法,淀粉测定采用索姆吉法,还原糖测定采用砷钼兰比重法。
[0018] 由于采用了上述技术方案,本发明具有如下的优点:
[0019] 本发明采用热成像技术对马铃薯贮藏期间动态品质开展无损检测,利用该技术可以很好的降低图像特征信息的维数、检测速度快,且能在马铃薯贮藏实地进行检测。附图说明
[0020] 为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
[0021] 图1为马铃薯品质检测技术路线图;
[0022] 图2为ANN建模流程图
[0023] 图3为品质检测分析模型效果检验流程图;
[0024] 图4为本发明的装置图。

具体实施方式

[0025] 以下将结合附图,对本发明的优选实施例进行详细的描述;应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
[0026] 如图4所示,一种基于红外热成像技术检测马铃薯品质的装置,包括箱体、设置于箱体底部中央的样品池6、分别设置于箱体内的四个照明灯1、2、3、4,设置于箱体顶部中央的红外热成像检测系统5和分别与样品池、红外热成像检测系统连接的电脑控制系统7。
[0027] 红外热成像检测系统用来拍摄马铃薯的俯视图,照明灯分别设置于箱体顶部的四角,,其照明灯的是否熄灭或点亮以及点亮后的亮度均可以通过电脑控制系统;样品池是由一个透明的有机玻璃制作的,主要是固定马铃薯样品,样品池可进行360°旋转;电池供电系统是给该装置的热成像图像检测系统、照明灯、样品台供电;所述电脑系统控制机构用于收集红外热成像检测系统采集的图像信息并对图像信息进行处理以及实现对样品池方位控制台的运动控制。
[0028] 如图1所示,一种基于红外热成像技术检测马铃薯品质的方法,包括以下步骤[0029] S1采集正常和变质马铃薯热成像图像。采用自适应分段线性变换、离散小波变换红外图像增强的方法。并采用基于阈上随机共振的红外图像对热成像图像的降噪处理,以提取马铃薯热成像图像特征信息。
[0030] S2利用热图像处理算法及人工神经网络分析每个样本的特征信息。
[0031] S3基于力传感器技术对正常和变质马铃薯的物理特性进行特征信息提取,基于标准的生化方法检测正常和变质马铃薯的化学成分含量;物理特性包括重量、密度、硬度等;化学成分干物质、淀粉、还原糖等。其中马铃薯干物质测定采用切片烘干称重法,淀粉测定采用索姆吉法(即还原碘量法),还原糖测定采用砷钼兰比重法。
[0032] S4研究马铃薯的物理特性和化学成份与热成像图像的相关性,并找出正常与变质马铃薯之间的差异性。采用人工神经网络(ANN)算法分析马铃薯热成像图像的相关性研究,并找出其中的差异性,其流程如图2所示。
[0033] 利用热红外相机拍摄正常马铃薯和变质马铃薯的热红外图像,一共拍摄200张,每秒一张,包括40秒加热和160秒冷却热红外图像。通过公式得到平均温度差曲线:
[0034]
[0035] 其中∑T1(x,y)表示第一幅热红外图像的各个像素的温度累加值,∑Ti(x,y)表示当前热红外图像的各个像素的温度累加值,n表示热红外图像的总像素值。
[0036] 对比同一马铃薯样品不同天数的平均温度差曲线,观察马铃薯新鲜程度的变化;对比同一天数不同样品的平均温度差曲线,观察正常马铃薯和变质马铃薯的区别,选择平均温度差曲线,进行ANN建模。
[0037] S5建立正常、变质马铃薯热成像图像的品质检测分析模型。具体流程如图3所示。
[0038] 采用噪声等效温差(NETD)、最小可分辨温差(MRTD)、调制传递函数(MTF)、信号传递函数(SiTF)等对热成像系统的稳定性及精确度进行评价。
[0039] 利用F检验和T检验选取合适的平均温度差数据进行ANN建模,其中2/3建模数据输入Matlab中进行训练和验证,建立ANN模型;1/3建模数据进行最后的ANN模型验证,验证失败重新回到Matlab中进行训练,验证成功则最终建模成果,并且用标准的生化方法进行对比验证模型的准确度。
[0040] S6利用建立的正常、变质马铃薯热成像图像的品质检测分析模型,对马铃薯贮藏期间动态品质无损检测试验研究。采用噪声等效温差(NETD)、最小可分辨温差(MRTD)、调制传递函数(MTF)、信号传递函数(SiTF)等对热成像系统的稳定性及精确度进行评价。
[0041] 在运用基于红外热成像技术检测马铃薯品质的装置进行检测的工作流程为:
[0042] (1)将马铃薯放置在样品池6;
[0043] (2)打开照明灯1、2、3、4照明灯3分钟;
[0044] (3)关闭照明灯,打开红外光源对马铃薯进行照射并采集图像;
[0045] (4)使用电脑控制样品池进行180°旋转,继续收集图像;
[0046] (5)笔记本电脑控制系统将采集到图像进行图像处理,以检测出马铃薯贮藏期间的动态品质。
[0047] 以上所述仅为本发明的优选实施例,并不用于限制本发明,显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈