摘要
库尔勒香梨因味美多汁、营养丰富等优点，深受广大消费者的喜欢。随着人们生活水平的改善，消费者对于香梨的品质日益重视，不仅仅关注颜色、果形、果重等相关感官品质，更加关注可溶性固形物、硬度等食用品质。目前，香梨相关品质参数检测大多按照果蔬品质检测标准进行，既费时费力，又对香梨产生损伤，适用于抽检，不利于香梨大批量品质检测。本文利用可见/近红外光谱技术、机器视觉技术，特征变量筛选算法和定量预测算法结合嵌入式系统，研发了香梨多品质检测装置。研究内容及结果如下： （1）搭建图像及光谱同时获取多点检测装置。装置主要由光谱图像采集单元、控制处理单元、光源单元、显示单元、电源单元和多点检测结构组成。 （2）开发了库尔勒香梨多品质检测软件。检测软件具有用户识别功能、检测设备识别与参数设置功能、光谱、图像预处理功能、品质参数预测功能、实时显示模块及通讯模块。检测软件在Linux系统环境下开发，使用Python语言开发。 （3）研究库尔勒香梨感官品质及食用品质预测模型。选择库尔勒香梨的感官品质（颜色、果重）和食用品质（硬度、可溶性固形物(Solublesolidscontent，SSC)）作为库尔勒香梨品质指标。多元散射校正、标准正态变量变换等算法预处理光谱数据，以连续投影算法筛选特征波长，利用偏最小二乘回归算法建立基于光谱、图像数据和二者融合的品质预测模型。采用矩形框（800pixel×900pixel）截取香梨，大津法（Otsu）计算图像阈值并二值处理，利用形态学、边缘检测算子、填充运算提取缺陷轮廓，得到缺陷面积。长轴、短轴、周长、面积4个特征建立质量预测模型，使用灰度共生矩阵提取图像纹理特征。将图像纹理特征与光谱特征波长对应的光谱数据相结合建立品质预测模型。在特征融合下，SSC预测模型校正集与预测集相关系数0.933、0.931，均方根误差0.432%、0.436%，硬度预测模型校正集与预测集相关系数0.941、0.926，均方根误差0.418kgf/cm2、0.478kgf/cm2，颜色a*校正集与预测集相关系数0.946、0.935，均方根误差0.406、0.426。将最佳模型代入样机中，在样机测试中，样机可完成品质信息的获取，给出的结果与人工检测相比具有较高一致性。
NETL