基于近红外光谱和机器视觉融合技术的板栗缺陷检测.PDFVIP

第 27 卷 第 2 期 农 业 工 程 学 报 Vol.27 No.2 2011 年 2 月 Transactions of the CSAE Feb. 2011 345 ·农产品加工工程· 基于近红外光谱和机器视觉融合技术的板栗缺陷检测 ※ 展 慧，李小昱 ，周 竹，汪成龙，高 云 （华中农业大学工学院，武汉 430070 ） 摘 要：为提高合格和缺陷板栗分级检测识别精度，提出了近红外光谱和机器视觉的多源信息融合技术的板栗缺陷检测 方法。试验以湖北京山板栗为试验对象，利用 BP 神经网络方法建立了基于近红外光谱、机器视觉和多源信息融合技术 的板栗分级检测模型。试验结果表明，3 种识别模型对对训练集板栗回判率分别为 96.25%、96.67%和 97.92% ；对测试集 板栗的识别率为 86.25%、83.75%和 90.00% 。基于近红外光谱和机器视觉的多源信息融合技术进行板栗分级检测的方法 是可行的，融合模型较单独采用机器视觉技术或近红外光谱分析技术建立模型的识别率均有显著提高。 关键词：农产品，神经网络，机器视觉，近红外光谱，板栗 doi ：10.3969/j.issn.1002-6819.2011.02.058 中图分类号：TP391.41，O657.33 文献标志码：A 文章编号：1002-6819(2011)-02-0345-05 展 慧，李小昱，周 竹，等. 基于近红外光谱和机器视觉融合技术的板栗缺陷检测[J]. 农业工程学报，2011，27(2)： 345－349. Zhan Hui, Li Xiaoyu, Zhou Zhu, et al. Detection of chestnut defect based on data fusion of near-infrared spectroscopy and machine vision[J]. Transactions of the CSAE, 2011, 27(2): 345 －349. (in Chinese with English abstract) 产品的品质检测中的应用也越来越多[16-18] ，因此采用多 0 引 言 源信息融合技术对板栗进行分级检测，可达到内、外品 板栗是重要的经济作物，且营养丰富，具有较高的 质多指标综合检测的目的。 药用价值[1,3] 。但霉烂、虫害等缺陷板栗严重地影响了板 该文利用 BP 神经网络方法建立了基于近红外光谱、 栗的整体质量。目前缺陷板栗剔除采用肉眼观察，人工 机器视觉及多源信息融合技术的板栗缺陷检测模型，比 拣出。判别结果受人的主观因素影响很大，且板栗形状 较分析了不同的建模方法对板栗缺陷识别结果的影响， 和组织复杂，尤其是内部病虫害和霉变造成的缺陷板栗 以期为板栗综合品质检测提供参考。 不易识别。因此寻求一种便捷、无损识别缺陷板栗的检 1 材料与方法 测方法具有重要的科学意义和实用价值。 目前，对板栗品质检测研究还较少。方建军、刘仕 1.1 试验材料