基于近红外光谱与机器视觉信息融合的干制哈密大枣多品质无损检测机理研究

In view of the problems of detection methods were backward and internal-external qualities of dried Hami jujubes can’t be rapid non-destructive detection simultaneously. The near infrared spectroscopy combined with machine vision technology was used to assess internal qualities (soluble solids content, water) and external qualities (size, defective jujube, ruga) of Hami jujube. Our study is aimed at the optimal characteristic of different quality Hami jujubes, characteristic wavelength selection , imaging feature extraction and information fusion method. Studing on influence of parameter of infrared spectroscopy and machine vision system with change of environment in order to ensure the reliability of selected spectral and imaging feature. Stoichiometry was used to establish the prediction model of soluble solids content and water content, and establish the discriminative model of external qualities of Hami jujube; information fusion technology was used to fuse spectral and image characteristics of Hami jujube and establish discriminative model in decision level and feature level. Study comparison of result of different level fusion model of Hami jujube comprehensive quality and select best discriminative model, which be realized to rapid non-destructive detection of Hami jujube multi-qualities and grading, and provide a scientific basis for jujube quality. The above-mentioned methods and conclusions provide a theoretical basis for further and develop the rapid non-destructive detector of Hami jujube.

针对目前干制哈密大枣品质检测手段落后，不能同时对其内外品质进行快速无损检测的问题，拟开展基于近红外光谱与机器视觉技术对干制哈密大枣内部品质（可溶性固形物、水分）和外部品质（浆头果、油头果、皱褶、大小）的快速无损检测机理研究。项目着重对不同品质哈密大枣的近红外光谱响应特性及机理、特征波长和图像特征提取以及信息融合方法进行探索性研究，分析研究近红外光谱和机器视觉系统参数与环境变化对光谱和图像的影响，确保哈密大枣光谱特征和图像特征提取的可靠性；建立哈密大枣可溶性固形物、水分定量预测数学模型和外观品质的定性判别模型；采用信息融合技术分别在特征层和决策层面上融合哈密大枣光谱特征和图像特征，比较不同层次融合方法对模型的影响并建立哈密大枣综合内外品质的最优判别模型，对实现哈密大枣多品质快速检测分级，保证其品质提供科学依据。上述研究方法和结论为进一步开发哈密大枣在线多品质快速无损检测仪提供理论参考。

本项目以具有地域特色的干制哈密大枣为研究对象，针对当前干制哈密大枣品质检测手段落后、无法同时对多品质进行快速无损检测等问题，首先开展了基于机器视觉的干制哈密大枣外部品质检测，对枣果的尺寸、颜色、褶皱、缺陷及综合品质进行检测与分级，深入开展目标检测、模式识别与分类方法的研究，提出基于帧间最短路径搜索的目标定位、基于连通域密度的纹理分级、基于视觉特征融合的褶皱分级评价、基于深度学习的缺陷与果梗识别、基于阈值检测的尺寸判别等多种新颖算法，获得了可以用于外部多品质同步检测的稳定的校正模型。其次，联合机器视觉与近红外光谱技术开展了干制哈密大枣内部品质及霉变缺陷的快速检测研究，探讨光谱和图像准确预测含水率的可行性，分析内部有机化学成分含量与光谱、颜色空间之间的相关性，研究并解析不同的预处理方法、特征提取方法和建模方法对各品质指标预测、分类结果的影响，实现了关键内部品质指标的准确预测。然后，开展了基于高光谱成像技术的干制哈密大枣内部品质检测研究，比较不同光谱波段范围、不同检测姿态对干制哈密大枣可溶性固形物含量预测模型的影响，构建适用于光谱定量分析的深度学习模型和传统机器学习模型，探讨特征选择对校准模型的影响，建立并解析了基于可见/近红外和短波红外高光谱图像的最优可溶性固形物含量预测模型。最后，基于前期研究获得的最后数据处理方法及分类、预测模型，设计、制作了干制哈密大枣外部综合品质在线检测分级装置及内部品质检测系统，可满足市场对多品质在线检测的需求。相关研究成果为干制哈密大枣多品质快速、准确、无损检测与分级提供理论和方法基础，同时对其他农产品品质无损检测与在线分级装置的研究具有重要参考价值。