基于力传感和光谱成像信息融合的变质薄皮核桃检测机理研究

Currently, any single technology cannot effectively detect the comprehensive quality of deteriorative walnuts (Xinjiang thin-skinned) such as shriveled, no-tryma, or mildew ones. To address this issue, a new detection approach is proposed based on the information fusion of the force sensing and spectral imaging. The acquired weight and spectral images of deteriorative walnuts need to be pre-processed using calibration and normalization. The approach can measure weight, dimension, suture tightness, and spectral characteristics of shell, and the differences in all these features will be studied between healthy and deteriorative walnuts. The optimal fusion strategy will be determined by comparing the performance of the support vector machine, fuzzy logic theory, rough set theory, artificial neural networks, and combinations of the aforementioned algorithms. The multiple linear regression, interval partial least squares, and interval partial least squares will be used to select the optimal wavelengths for quality detection and classification. Three classification methods including linear discriminant analysis, artificial neural networks, and genetic algorithm will be evaluated to select the best classifier for walnut quality. Additionally, other factors including light intensity and angle, exposure time, and scan speed of the conveyor belt need to be considered to explore the mechanism of using force sensing and spectral imaging to detect the quality of thin-skinned walnuts. The proposed approach and mechanism could be used for further development of online detection equipment.

针对依靠单一技术无法对新疆干瘪、空壳和霉变等变质薄皮核桃综合品质进行有效检测的难题，提出了一种基于力传感和光谱图像信息融合的检测思路。利用现代测试手段获取变质薄皮核桃的动态质量和光谱图像信息，并对信息进行校正和归一化等预处理，对其质量、外形尺寸、缝合线紧密度以及果壳光谱等特征的差异进行研究；对比支持向量机、模糊逻辑理论、粗糙集理论和神经网络等不同算法的融合效果，寻求最优的融合算法；利用逐步多元线性回归、间隔偏最小二乘和连续投影等算法筛选有效检测波段，并分析线性判别、神经网络和遗传算法等方法对各变质薄皮核桃品质的判别效果，优选判别算法。与此同时，通过正交试验，研究光源功率、曝光时间、打光角度及位移平台输送速度等参数对不同地域和不同品种的薄皮核桃检测效果的影响，优化结构和工作参数，最终探明力传感和光谱成像信息融合模式下变质薄皮核桃品质的检测机理，为进一步研发相关在线检测装备提供理论依据。

本研究基于多源信息融合的思路，并根据新疆薄皮核桃特征特点，提出了基于力传感和视觉信息融合的检测方法，并以此为基础开展干瘪核桃在线检测试验研究。主要研究成果如下：..1、基于机器视觉和力传感信息采集测试平台，测试正常核桃和薄皮核桃的质量、外形尺寸、缝合线开度以及带壳核桃光谱图像等信息。结果发现，正常薄皮核桃和变质薄皮核桃的果壳的光谱特性无明显差异。核桃大小不同时，两类核桃重量与面积大小有关，而在相同大小情况下，干瘪核桃与正常核桃的重量存在明显差异。为此，本研究采取力传感和视觉信息融合的方法，开展的变质薄皮核桃检测机理研究。..2、基于黄金分割阈值寻优的图像和质量信息融合检测方法检测干瘪核桃。首先获取核桃的图像信息和质量信息，然后对其进行回归分析，得出两者之间的回归关系，随后计算出预测质量与实际质量的相对误差，并利用黄金分割法对拟合函数寻优求出最优判别阈值为0.3464。最后应用最优判别阈值对干瘪核桃进行判别分析，判别准确率达到93.00%。..3、基于图像与重量信息，借助偏最小二乘线性判别（PLS-LDA）、支持向量机（SVM）、粒子群优化前馈神经网络（PSO-BP）等方法，进行干瘪核桃和正常核桃判别模型训练及分类测试验证，最后对比研究了三种方法的分类效果。结果表明：在相同条件下，PLS-LDA模型分类准确率为79.00%，分类平均耗时0.0011s，SVM所建立的分类模型的判别准确率达到97.00%，分类平均耗时0.001s，POS-BP神经网络模型分类准确率为97.00%，分类平均耗时0.0776s。相较于其它几种模型，SVM模型各项性能最佳。研究证实了基于机器学习的重量和图像信息融合的方法可以快速准确地实现带壳核桃干瘪缺陷的无损检测。..4、通过支持向量机和阈值判别等算法建立了核桃质量预测模型和干瘪核桃在线判别模型，并通过LabVIEW软件接口实现了在线检测系统的集成。在线测试试验确定了最佳的检测运输速度为0.03m/s。对比了使用阈值判别和支持向量机算法的干瘪薄皮核桃在线检测系统判别准确率和执行效率，结果表明支持向量机算法的在线判别准确率较高为94.00%，执行时间为1.15±0.05s，阈值判别执行时间较短为0.75±0.01s，准确率为82.00%。

内容获取失败，请点击重试