本發(fā)明屬于果蔬檢測，具體涉及一種基于高光譜成像的果蔬糖度檢測模型構建及糖度檢測方法。

背景技術：

1、藍莓糖度是評價藍莓質(zhì)量的一個重要指標。

2、在傳統(tǒng)技術中，對于藍莓糖度的檢測，一般采取折光計法或者利用數(shù)字式折射計測量糖度。這些傳統(tǒng)的檢測方法不僅會損壞藍莓而且操作較為繁瑣，檢測效率低下。

3、雖然目前已有利用網(wǎng)絡模型來預測水果糖度的相關研究方案，可以對藍莓進行無損檢測，但是由于網(wǎng)絡模型需要大量的訓練數(shù)據(jù)才能做到良好的泛化，而藍莓的訓練數(shù)據(jù)量不足，模型容易出現(xiàn)過擬合，導致藍莓糖度預測結果不準確。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于高光譜成像的果蔬糖度檢測模型構建方法、果蔬糖度檢測方法、裝置、設備及存儲介質(zhì)，能夠準確無損地檢測出藍莓的糖度。

2、本發(fā)明第一方面公開一種基于高光譜成像的果蔬糖度檢測模型構建方法，包括：

3、獲取目標果蔬的校正樣本集；

4、獲取所述校正樣本集中每個校正樣本的近紅外光譜數(shù)據(jù)和第一糖度實測數(shù)據(jù)；

5、根據(jù)所有所述校正樣本的所述近紅外光譜數(shù)據(jù)和所述第一糖度實測數(shù)據(jù)，采用化學計量學算法建模，獲得糖度檢測模型；

6、采用交叉驗證法，構建所述糖度檢測模型的交叉驗證均方根誤差和特征波長數(shù)量之間的第一關系曲線，以及，構建所述糖度檢測模型的交叉驗證均方根誤差和潛變量個數(shù)之間的第二關系曲線；

7、根據(jù)所述第一關系曲線確定目標特征波長數(shù)量，根據(jù)所述第二關系曲線確定目標潛變量個數(shù)；

8、根據(jù)所述目標特征波長數(shù)量和所述目標潛變量個數(shù)，獲得果蔬糖度檢測模型。

9、在一些實施例中，獲得果蔬糖度檢測模型之后，還包括：

10、獲取目標果蔬的預測樣本集；

11、獲取所述預測樣本集中每個預測樣本的第二糖度實測數(shù)據(jù)；

12、將所述預測樣本集輸入所述果蔬糖度檢測模型，獲得所述預測樣本集中每個預測樣本的糖度預測數(shù)據(jù)；

13、建立所述第二糖度實測數(shù)據(jù)和所述糖度預測數(shù)據(jù)之間的線性關系，根據(jù)所述線性關系計算決定系數(shù)；

14、當所述決定系數(shù)大于預設閾值時，判定所述果蔬糖度檢測模型有效，否則，重新構建所述果蔬糖度檢測模型。

15、在一些實施例中，獲得校正樣本的近紅外光譜數(shù)據(jù)之后，還包括：

16、采用小波變換對所述近紅外光譜數(shù)據(jù)進行預處理，獲得預處理后光譜數(shù)據(jù)；

17、對所述預處理后光譜數(shù)據(jù)采用競爭性自適應重加權算法進行特征波長篩選，將篩選結果設為所述近紅外光譜數(shù)據(jù)。

18、在一些實施例中，根據(jù)所有所述校正樣本的所述近紅外光譜數(shù)據(jù)和所述第一糖度實測數(shù)據(jù)，采用化學計量學算法建模，獲得糖度檢測模型，包括：

19、將所有所述校正樣本的所述近紅外光譜數(shù)據(jù)作為自變量，所有所述校正樣本的所述第一糖度實測數(shù)據(jù)作為應變量，采用偏最小二乘回歸算法進行建模，獲得所述糖度檢測模型。

20、在一些實施例中，所述獲取所述校正樣本集中每個校正樣本的近紅外光譜數(shù)據(jù)和第一糖度實測數(shù)據(jù)，包括：

21、確定所述校正樣本集中每個校正樣本的檢測區(qū)域；

22、基于所述檢測區(qū)域，獲取各個所述校正樣本的近紅外光譜數(shù)據(jù)和第一糖度實測數(shù)據(jù)。

23、本發(fā)明第二方面公開一種基于高光譜成像的果蔬糖度檢測方法，包括：

24、采用任意一項上述的果蔬糖度檢測模型構建方法預先構建果蔬糖度檢測模型；

25、采集目標果蔬的待檢測樣本的近紅外光譜數(shù)據(jù)；

26、將所述近紅外光譜數(shù)據(jù)輸入所述果蔬糖度檢測模型，獲得糖度數(shù)據(jù)并輸出。

27、在一些實施例中，所述待檢測樣本為多個，獲得各個待檢測樣本對應的糖度數(shù)據(jù)后，還根據(jù)所有的糖度數(shù)據(jù)生成糖度的局部分布熱力圖。

28、本發(fā)明第三方面公開一種基于高光譜成像的果蔬糖度檢測模型構建裝置，包括：

29、樣本集獲取模塊，用于獲取目標果蔬的校正樣本集；

30、數(shù)據(jù)獲取模塊，用于獲取所述校正樣本集中每個校正樣本的近紅外光譜數(shù)據(jù)和第一糖度實測數(shù)據(jù)；

31、模型構建模塊，用于根據(jù)所有所述校正樣本的所述近紅外光譜數(shù)據(jù)和所述第一糖度實測數(shù)據(jù)，采用化學計量學算法建模，獲得糖度檢測模型；

32、模型優(yōu)化模塊，用于采用交叉驗證法，構建所述糖度檢測模型的交叉驗證均方根誤差和特征波長數(shù)量之間的第一關系曲線，以及，構建所述糖度檢測模型的交叉驗證均方根誤差和潛變量個數(shù)之間的第二關系曲線；根據(jù)所述第一關系曲線確定目標特征波長數(shù)量，根據(jù)所述第二關系曲線確定目標潛變量個數(shù)；根據(jù)所述目標特征波長數(shù)量和所述目標潛變量個數(shù)，獲得果蔬糖度檢測模型。

33、本發(fā)明第四方面公開一種電子設備，包括存儲有可執(zhí)行程序代碼的存儲器以及與所述存儲器耦合的處理器；所述處理器調(diào)用所述存儲器中存儲的所述可執(zhí)行程序代碼，用于執(zhí)行第一方面公開的果蔬糖度檢測模型構建方法或第二方面公開的果蔬糖度檢測方法。

34、本發(fā)明第五方面公開一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲計算機程序，其中，所述計算機程序使得計算機執(zhí)行第一方面公開的果蔬糖度檢測模型構建方法或第二方面公開的果蔬糖度檢測方法。

35、本發(fā)明的有益效果在于，根據(jù)校正樣本的近紅外光譜數(shù)據(jù)和第一糖度實測數(shù)據(jù)，采用化學計量學算法進行建模，能夠提高模型的精度和魯棒性；并采用交叉驗證法構建交叉驗證均方根誤差和特征波長數(shù)量之間的曲線、交叉驗證均方根誤差和潛變量個數(shù)之間的曲線，從而確定目標特征波長數(shù)量和目標潛變量個數(shù)，得到最終的果蔬糖度檢測模型。通過采用交叉驗證法進行優(yōu)化，使得果蔬糖度檢測模型的檢測結果更加準確。能夠準確無損地檢測出藍莓的糖度。

技術特征：

1.一種基于高光譜成像的果蔬糖度檢測模型構建方法，其特征在于，包括：

2.如權利要求1所述的基于高光譜成像的果蔬糖度檢測模型構建方法，其特征在于，獲得果蔬糖度檢測模型之后，還包括：

3.如權利要求1所述的基于高光譜成像的果蔬糖度檢測模型構建方法，其特征在于，獲得校正樣本的近紅外光譜數(shù)據(jù)之后，還包括：

4.如權利要求1所述的基于高光譜成像的果蔬糖度檢測模型構建方法，其特征在于，根據(jù)所有所述校正樣本的所述近紅外光譜數(shù)據(jù)和所述第一糖度實測數(shù)據(jù)，采用化學計量學算法建模，獲得糖度檢測模型，包括：

5.如權利要求1所述的基于高光譜成像的果蔬糖度檢測模型構建方法，其特征在于，所述獲取所述校正樣本集中每個校正樣本的近紅外光譜數(shù)據(jù)和第一糖度實測數(shù)據(jù)，包括：

6.一種基于高光譜成像的果蔬糖度檢測方法，其特征在于，包括：

7.如權利要求6所述的果蔬糖度檢測方法，其特征在于，所述待檢測樣本為多個，獲得各個待檢測樣本對應的糖度數(shù)據(jù)后，還根據(jù)所有的糖度數(shù)據(jù)生成糖度的局部分布熱力圖。

8.一種基于高光譜成像的果蔬糖度檢測模型構建裝置，其特征在于，包括：

9.一種電子設備，其特征在于，包括存儲有可執(zhí)行程序代碼的存儲器以及與所述存儲器耦合的處理器；所述處理器調(diào)用所述存儲器中存儲的所述可執(zhí)行程序代碼，用于執(zhí)行權利要求1至5任意一項所述的果蔬糖度檢測模型構建方法或權利要求6至7任意一項所述的果蔬糖度檢測方法。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲計算機程序，其中，所述計算機程序使得計算機執(zhí)行權利要求1至5任意一項所述的果蔬糖度檢測模型構建方法或權利要求6至7任意一項所述的果蔬糖度檢測方法。

技術總結
本發(fā)明公開了一種基于高光譜成像的果蔬糖度檢測模型構建及糖度檢測方法，包括：獲取目標果蔬的校正樣本集；獲取所述校正樣本集中每個校正樣本的近紅外光譜數(shù)據(jù)和第一糖度實測數(shù)據(jù)；根據(jù)所有所述校正樣本的所述近紅外光譜數(shù)據(jù)和所述第一糖度實測數(shù)據(jù)，采用化學計量學算法建模，獲得糖度檢測模型；采用交叉驗證法，構建所述糖度檢測模型的交叉驗證均方根誤差和特征波長數(shù)量之間的第一關系曲線，交叉驗證均方根誤差和潛變量個數(shù)之間的第二關系曲線；根據(jù)所述第一關系曲線、第二關系曲線分別確定目標特征波長數(shù)量和目標潛變量個數(shù)；根據(jù)所述目標特征波長數(shù)量和所述目標潛變量個數(shù)，獲得果蔬糖度檢測模型。能夠準確無損地檢測出糖度。

技術研發(fā)人員：丘廣俊,陸華忠,趙俊宏,陳彪,岳學軍,李世勇,梁佳榮
受保護的技術使用者：廣東省農(nóng)業(yè)科學院設施農(nóng)業(yè)研究所
技術研發(fā)日：
技術公布日：2025/1/9