苹果腐心病的透射光谱在线检测系统设计及试验.pdf

《苹果腐心病的透射光谱在线检测系统设计及试验.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷2016盈第6期3月农业工程学报TransactionsoftheChineseSocietyofAgriculturalEngineeringV01．32No．6Mar．2016283苹果腐心病的透射光谱在线检测系统设计及试验郭志明1，一，黄文倩2，陈全胜1，王庆艳2，张驰z，赵杰文-(1．江苏大学食品与生物工程学院，镇江212013；2．国家农业智能装备工程技术研究中心，北京100097)摘要：针对苹果内部缺陷在线检测的产业技术需求，研究基于透射光谱技术的苹果内部缺陷在线检测系统。研究设计了光源套件、专用光纤和果托式输送单元等关键部件，提升在线透射光谱质量、降低热损伤和

2、机械损伤；解决了光电信号干扰问题，开发了专用检测软件，实现苹果内部品质信息的无损在线获取。比较分析了正常苹果与腐心病果的光谱响应差异，优化参数后设置在线检测速度3个，秒，触发控制光谱采集时间80ms。在选择特征波长的基础上利用线性判别分析建立了苹果腐心病的在线判别模型，预测的总体识别率达90％以上。研究结果表明该系统可以实现苹果内部缺陷的快速、无损在线检测。关键词：光谱检测；模型；农业；在线检测系统；透射光谱；苹果；内部缺陷；无损检测doi：10．11975／j．issn．1002—6819．2016．06．039中图分类号：TP274．4；0433．4文献标志码：A文章编号：10

3、02—6819(2016)一06—0283—06郭志明，黄文倩，陈全胜，王庆艳，张驰，赵杰文．苹果腐心病的透射光谱在线检测系统设计及试验【J】．农业工程学报，2016，32(6)：283—288．doi：10．119756．issn．1002—6819．2016．06．039http：／／www．tcsae．orgGuoZhiming，HuangWenqian，ChenQuansheng，WangQingyan，ZhangChi，ZhaoJiewen．Designandtestofon·linedetectionsystemforapplecorerotdiseasebasedon

4、transmittedspectrum[J]．TransactionsoftheChineseSocietyofAgriculturalEngineering(FransactionsoftheCSAE)，2016，32(6)：283-288．(inChinesewithEnglishabstract)doi：10．11975／j．issn．1002—6819．2016．06．039http：／／www．tesae．org0引言苹果的内部缺陷无法用肉眼直接观察到，常见的有腐心病、水心病、霉心病、黑心病等内部缺陷类型，在中国所有苹果的栽培生长区域均有发生【11。内部缺陷果在发病初期和

5、中期与正常果在外观上没有区别，从外观上很难剔除。缺陷果在加工、贮藏、流通等环节，随着时间的延长，缺陷部位扩大，缺陷更严重，可能危害正常果，带来一定的经济损失。苹果内部缺陷的常规检测，采用随机抽取样品，然后切片进行目视判断，但这种破坏性抽样检测的方法浪费极大，对种植者和加工者均不合适，对产品分级毫无意义。因此需要寻求一种快速有效的方法，来剔除内部有缺陷的苹果。在水果内部缺陷检测研究方面，国内外很多学者开展相关研究。Upchureh[21和Zerbinil31分别采用特征波长下的光学特性差异识别苹果的褐变和梨腐心病。Clark【4】利用近红外透射光谱检测苹果的褐腐病，指出苹果个体的非对

6、称分布影响预测精度。McGlone[51构建了2种近红外漫透射在线检测系统，分别配制1000W和250w石英卤钨灯，苹果褐变的最优模型决定系数达到0．9。Han[61禾1]用近红外透射光谱检测中国鸭梨的褐心病，正确识别率为收稿日期：2015—09—13修订日期：2016一01—23基金项目：国家自然科学基金(31501216)；国家科技支撑计划(2015BADl9803)；江苏大学高级人才基@,(15JDGl69)作者简介：郭志明(1982一)，男，山东人，讲师，博士，主要从事食品农产品快速无损检测技术与装备研究。镇江江苏大学食品与生物工程学院，212013。Email：zhmgu

7、o@126．tom95．4％。Fu等用发现透射光谱相比漫反射光谱更适合检测梨褐心病，识别率为91．2％。Shenderey(sl比较了4种光谱变换形式下苹果霉心病的预测效果，正常果的识别率为92％。Vanolil91利用时间分辨反射光谱获得的苹果光学特性参数，判别正常苹果和褐心病果的识别率分别为900,6和71％。韩东海等眇-2】利用透射光谱识别苹果的水心病和褐腐病。李顺峰等【13】利用近红外漫反射光谱对苹果霉心病的判别率为87．8％。田有文等【-4睬用高光谱成像技术