一种基于比率多光谱图像的水果外观品质检测方法与流程

1.本发明属于水果品质检测技术领域，具体涉及一种通过图像代数运算处理不同波段下所采集到的图像来分析出比率多光谱图像的识别程度从而优选出不同波段来构建比率多光谱图像以用于水果外观品质检测的方法。


背景技术：

2.多光谱成像技术是结合成像与光谱的非破坏性检测技术，在不损坏样品的前提下同时获取光谱信息和形态信息，作为高光谱成像技术的改进，可利用化学计量学分析手段，将高光谱成像数据中的有用信息进行放大，并去除了不需要的信息。多光谱成像系统获取的测试样本图像的光谱波段是离散的、不连续的、不规则的，由几个或十几个不连续的特征光谱波段组成，而高光谱成像系统中的每一个像素都有完整的、连续的光谱，因此多光谱成像系统采集和分析信息的时间以及信息的复杂程度远低于高光谱成像系统。多光谱成像的目的是获得样品的空间和光谱信息，实现对果品的在线实时监测和分选。该过程通常涉及快速图像采集和简单的图像处理。降低波段总量是建立有效的多光谱成像系统的关键。在实践中，在几个重要的波段下意味着获取相对较低的空间分辨率的图像。高光谱图像通常用作基本数据集，鉴于不同波段比率多光谱图像的识别率比单色图像的识别率更高，从中可以确定多光谱成像解决方案中特定的最佳波段。


技术实现要素：

3.本发明提供一种基于比率多光谱图像的水果外观品质检测方法，可借鉴不同波段比率多光谱图像的识别率比单色图像的识别率更高的特点，通过分析比率多光谱图像的识别程度来优选出构建比率多光谱图像的不同光谱波段组合和适于波段比率多光谱图像进行外观品质检测的检测项目类型，从而实现使用比率多光谱图像技术完成对水果外观品质进行检测的目的，具有较好的实用价值。
4.为了达到上述目的，本发明的设计方案包括如图1所示的内容：
5.a)获取水果样本集对于不同比率多光谱图像的差异程度，以不同外观品质检测项目类型的系数和某一外观品质检测项目中不同比率多光谱图像的权重来构造以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数；
6.b)依据所述某一外观品质检测项目中不同比率多光谱图像的权重来判定其是否满足可使以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数具有最大值的条件；
7.c)给出以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数处于最大值时某一外观品质检测项目中不同比率多光谱图像的权重的解；
8.d)依据所述不同外观品质检测项目类型的系数来判定其是否满足可使以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数具有最大值的条件；
9.e)给出以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数处
于最大值时不同外观品质检测项目类型的系数的解；
10.f)通过某一外观品质检测项目中不同比率多光谱图像的权重与不同外观品质检测项目类型的系数进行相互迭代更新过程来输出二者在满足所述系数的平均偏离小于偏离门限条件下的稳定值；
11.g)输出需外观品质检测的同类型水果对于某个外观品质检测项目时的检测状况以及对于外观品质检测的项目类型集合时的评估状况；
12.上述的a)具体包含如下内容：
13.设dis()为图像特征区分度函数，在图像中越存在可有效区分的特征则值越大，建议根据以往比率多光谱图像对比确认的经验数据进行拟合生成，考虑到识别概率则图像特征区分度函数的取值范围通常为(0,1)；设符号/在本方法中专指图像代数运算的除法，通过除运算可产生对颜色和多光谱图像分析十分重要的比率图像，可用于去除数字化器灵敏度随空间变化造成的影响；设定对于用于水果外观品质检测的参考样本集ψ＝{k|1≤k≤m}中存在编号为k的水果有对于外观品质检测项目类型集合θ＝{h|1≤h≤c}中某一外观品质检测项目h在特征光谱波段集合γ＝{i|1≤i≤n}中某一特征光谱波段i获取的图像hi
k,i
，从而获取水果样本集对于不同比率多光谱图像的差异程度，其中，m为参考样本集ψ的水果数量，n为特征光谱波段集合γ的波段数量，c为外观品质检测项目类型集合θ的类型数量；若对于另一特征光谱波段j，存在j＝i时则图像hi
k,j
与图像hi
k,i
明显一样，对于合成比率多光谱图像而言两张图像不存在特征区分度，此时dis(hi
k,j
/hi
k,i
)可定义为0；
14.设对于不同外观品质检测项目类型的系数，当外观品质检测项目类型为h则该系数为ρh，且存在所述系数的限制条件设对于某一外观品质检测项目中不同比率多光谱图像的权重，当外观品质检测项目类型为h且对于特征光谱波段i和j来说，存在dis(hi
k,i
/hi
k,j
)则权重为hw
i,j
，且存在所述权重的限制条件其中j＝i时由dis(hi
k,j
/hi
k,i
)可定义为0，则hw
i,j
＝0；
15.为使在用于水果外观品质检测的参考样本集ψ条件下不同比率多光谱图像的差异程度通过对数加平方进行变化后并给与权重并考虑不同外观品质检测项目类型进行系数加权和后趋于最大化从而优选出构建比率多光谱图像的不同光谱波段组合和适于各个外观品质检测项目的特征光谱波段，以ρh和hw
i,j
以及拉格朗日乘数λ和γ作为变量，建立以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数h(hw
i,j
,ρh,λ,γ)：
[0016][0017]
上述的b)具体包含如下内容：
[0018]
由h(hw
i,j
,ρh,λ,γ)对hw
i,j
求一阶导数和二阶导数可得h(hw
i,j
,ρh,λ,γ)关于hw
i,j
的一阶导数表达式和二阶导数表达式，可表示为：
[0019][0020][0021]
由且时，在此可判定存在某一外观品质检测项目中不同比率多光谱图像的权重可满足以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数具有最大值的条件；
[0022]
上述的c)具体包含如下内容：
[0023]
由可得以λ为自变量关于hw
i,j
的函数：
[0024][0025]
考虑到则可得λ的函数表达式：
[0026][0027]
由此可给出以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数处于最大值时某一外观品质检测项目中不同比率多光谱图像的权重的解：
[0028][0029]
其中a,b为中间变量；
[0030]
上述的d)具体包含如下内容：
[0031]
由h(hw
i,j
,ρh,λ,γ)对ρh求一阶导数和二阶导数可得h(hw
i,j
,ρh,λ,γ)关于ρh的一阶导数表达式和二阶导数表达式，可表示为：
[0032][0033][0034]
由且时，可知判定存在所述不同外观品质检测项目类型的系数可满足使以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数具有最大值的条件；
[0035]
上述的e)具体包含如下内容：
[0036]
由可得以γ为自变量关于ρh的函数：
[0037][0038]
考虑到则可得γ的函数表达式：
[0039][0040]
由此可给出以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数处于最大值时不同外观品质检测项目类型的系数的解：
[0041][0042]
其中f为中间变量；
[0043]
上述的f)具体包含如下内容：
[0044]
可将比率多光谱图像差异程度为最大的目标函数满足最大值条件时某一外观品质检测项目中不同比率多光谱图像的权重和不同外观品质检测项目类型的系数的解代入以下二者的相互迭代更新过程来满足不同外观品质检测项目类型系数的平均偏离小于偏离门限条件下输出hw
i,j
的稳定值和ρh的稳定值所述相互迭代更新过程的具体实现步骤如图2中描述如下：
[0045]
步骤1：初始化过程，采集水果参考样本集中m个水果对于c个不同外观品质检测项目种类在n个光谱波段的图像，并通过dis()函数给出不同比率多光谱图像的特征区分度，设置权重系数实际值迭代过程的迭代次数t＝0，由则设置对于单一h在有hw
i,j
(t＝0)为由可设置ρh(t＝0)为
[0046]
步骤2：设置t＝t+1，将不同比率多光谱图像的特征区分度对应的数据以及ρh(t-1)代入hw
i,j
的解中从而得到hw
i,j
(t)；
[0047]
步骤3：将不同比率多光谱图像的特征区分度对应的数据以及hw
i,j
(t)代入ρh的解中从而得到ρh(t)；
[0048]
步骤4：若满足不同外观品质检测项目类型系数的平均偏离小于偏离门限条件，即其中δρ为偏离门限，则进入步骤5，否则进入步骤2；
[0049]
步骤5：对于某一外观品质检测项目h，在该外观品质检测项目对应的比率多光谱图像权重中由高到底依次选取d个来建立外观品质检测项目h的优选光谱波段组合对应的比率多光谱图像权重集合ht＝{hw
i,j
(t)|1≤i,j≤n}，其中d为每个外观品质检测项目保留的比率多光谱图像的组合数，用于优选出对于该外观品质检测项目作业时效果更好的光谱
波段组合，若同时存在hw
i,j
(t)与hw
j,i
(t)的情形则只选取二者中的更大值以避免在该外观品质检测项目作业时使用类似的比率多光谱图像，而后补充所述权重加入ht直至ht的元素个数为d，最后对于ht中的元素hw
i,j
(t)可输出其稳定值其中sum()为对集合的元素进行求和的函数，则可构建某一外观品质检测项目h中比率多光谱图像的权重稳定值的集合
[0050]
步骤6：将不同比率多光谱图像的特征区分度对应的数据以及不同的h对应的代入ρh的解中从而得到ρh(t)的稳定值由稳定值可看出适于波段比率多光谱图像进行外观品质检测的检测项目类型，值越大说明该检测项目类型越适用于比率多光谱图像进行外观品质检测；
[0051]
上述的g)具体包含如下内容：
[0052]
对于某个需要进行外观品质检测的同类型水果a，当需检测外观品质检测项目h，可获取中光谱波段组合(i,j)组合对应的比率多光谱图像hi
a,i
/hi
a,j
；通过对外观品质检测项目h进行图像识别给出ipprh(hi
a,i
/hi
a,j
)数值，其中ipprh()为针对外观品质检测项目h的图像识别程序函数，若存在外观品质检测项目h的缺陷则输出1，若无对应的缺陷则输出0，或只能判定存在概率x为0至1之间则输出该概率x；由此当对水果a进行外观品质检测项目h检测时，若存在任一光谱波段组合(i,j)组合给出的ipprh(hi
a,i
/hi
a,j
)为1则判定存在该外观品质检测项目h的缺陷并输出检测状况为1，否则输出用来判定存在该缺陷的可能性的检测状况为对于该种水果需进行外观品质检测的项目类型集合θ，即该种水果需进行全部外观品质检测的项目，则可给出水果a的评估状况为用于说明对于各种外观品质检测项目类型时的总体外观品质缺陷状况，由此可见越接近1说明外观品质越差，越接近0说明外观缺陷越少。
附图说明
[0053]
图1基于比率多光谱图像的水果外观品质检测方法流程图
[0054]
图2用于输出所述权重和系数的稳定值的相互迭代更新过程示意图
具体实施方式
[0055]
以下将以基于比率多光谱图像的水果外观品质检测方法应用于富士苹果的具体实施例对本发明提供的技术方案进行详细说明，具体包括以下内容：
[0056]
设对于用于富士苹果(苹果)外观品质检测的参考样本集ψ＝{k|1≤k≤m}中存在编号为k的苹果果实有对于外观品质检测项目类型集合θ＝{h|1≤h≤c}中某一外观品质检测项目h在特征光谱波段集合γ＝{i|1≤i≤n}中某一特征光谱波段i获取的图像hi
k,i
，从而获取苹果样本集对于不同比率多光谱图像的差异程度，其中，参考样本集ψ的苹果数量m为400，特征光谱波段集合γ包括461nm、469nm、480nm、530nm、630nm、830nm、947nm和
1049nm等的波段，波段数量n为8，外观品质检测项目类型集合θ包括碰伤、腐烂表面、果面光滑度和果锈等，类型数量c为4；若对于另一特征光谱波段j，存在j＝i时则图像hi
k,j
与图像hi
k,i
明显一样，对于合成比率多光谱图像而言两张图像不存在特征区分度，此时dis(hi
k,j
/hi
k,i
)可定义为0；
[0057]
设对于不同外观品质检测项目类型的系数，当外观品质检测项目类型为h则该系数为ρh，且存在所述系数的限制条件设对于某一外观品质检测项目中不同比率多光谱图像的权重，当外观品质检测项目类型为h且对于特征光谱波段i和j来说，存在dis(hi
k,i
/hi
k,j
)则权重为hw
i,j
，且存在所述权重的限制条件其中j＝i时由dis(hi
k,j
/hi
k,i
)可定义为0，则hw
i,j
＝0；
[0058]
为使在用于苹果外观品质检测的参考样本集ψ条件下不同比率多光谱图像的差异程度通过对数加平方进行变化后并给与权重并考虑不同外观品质检测项目类型进行系数加权和后趋于最大化从而优选出构建比率多光谱图像的不同光谱波段组合和适于各个外观品质检测项目的特征光谱波段，以ρh和hw
i,j
以及拉格朗日乘数λ和γ作为变量，建立以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数h(hw
i,j
,ρh,λ,γ)：
[0059][0060]
由且时，在此可判定存在某一外观品质检测项目中不同比率多光谱图像的权重可满足以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数具有最大值的条件；
[0061]
可给出以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数处于最大值时某一外观品质检测项目中不同比率多光谱图像的权重的解：
[0062][0063]
其中a,b为中间变量；
[0064]
由且时，可知判定存在所述不同外观品质检测项目类型的系数可满足使以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数具有最大值的条件；
[0065]
可给出以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数处于最大值时不同外观品质检测项目类型的系数的解：
[0066][0067]
其中f为中间变量；
[0068]
可将比率多光谱图像差异程度为最大的目标函数满足最大值条件时某一外观品质检测项目中不同比率多光谱图像的权重和不同外观品质检测项目类型的系数的解代入以下二者的相互迭代更新过程来满足不同外观品质检测项目类型系数的平均偏离小于偏离门限条件下输出hw
i,j
的稳定值和ρh的稳定值所述相互迭代更新过程的具体实现步骤描述如下：
[0069]
步骤1：初始化过程，采集苹果参考样本集的果实对于4个不同外观品质检测项目种类在8个光谱波段的图像，并通过dis()函数给出不同比率多光谱图像的特征区分度，设置权重系数实际值迭代过程的迭代次数t＝0，由则设置对于单一h在有hw
i,j
(t＝0)为由可设置ρh(t＝0)为
[0070]
步骤2：设置t＝t+1，将不同比率多光谱图像的特征区分度对应的数据以及ρh(t-1)代入hw
i,j
的解中从而得到hw
i,j
(t)；
[0071]
步骤3：将不同比率多光谱图像的特征区分度对应的数据以及hw
i,j
(t)代入ρh的解中从而得到ρh(t)；
[0072]
步骤4：若满足不同外观品质检测项目类型系数的平均偏离小于偏离门限条件，即其中δρ为偏离门限，则进入步骤5，否则进入步骤2；
[0073]
步骤5：对于某一外观品质检测项目h，在该外观品质检测项目对应的比率多光谱图像权重中由高到底依次选取2个来建立外观品质检测项目h的优选光谱波段组合对应的比率多光谱图像权重集合ht＝{hw
i,j
(t)|1≤i,j≤n}，若同时存在hw
i,j
(t)与hw
j,i
(t)的情形则只选取二者中的更大值以避免在该外观品质检测项目作业时使用类似的比率多光谱图像，而后补充所述权重加入ht直至ht的元素个数为3，最后对于ht中的元素hw
i,j
(t)可输出其稳定值其中sum()为对集合的元素进行求和的函数，则可构建某一外观品质检测项目h中比率多光谱图像的权重稳定值的集合
[0074]
步骤6：将不同比率多光谱图像的特征区分度对应的数据以及不同的h对应的代入ρh的解中从而得到ρh(t)的稳定值由稳定值可看出适于波段比率多光谱图像进行外观品质检测的检测项目类型，值越大说明该检测项目类型越适用于比率多光谱图像进行外观品质检测；
[0075]
经过所述相互迭代更新过程后，发现苹果参考样本集对于碰伤这一外观品质检测项目，存在由630nm波段采集的图像除以530nm波段采集的图像生成的比率多光谱图像i类
对应的权重占比较大，其次为530nm波段采集的图像除以830nm波段采集的图像生成的图像ii类对应的权重，由此可选取图像i类和图像ii类对应的波段组合来相应构建碰伤检测项目中比率多光谱图像的权重稳定值的集合。当对需要进行外观品质检测的某个富士苹果检测时，通过630nm除530nm的组合获取针对碰伤检测的比率多光谱图像可明显通过图像识别输出1，以判定其存在碰伤这一外观品质缺陷，而后也可根据全部外观品质检测项目给出总体外观品质缺陷状况从而评估该果实的价值，可见本方法对于实现外观品质检测具有较好的应用价值。

技术特征：
1.一种基于比率多光谱图像的水果外观品质检测方法，其特征在于，包括以下内容：a)获取水果样本集对于不同比率多光谱图像的差异程度，以不同外观品质检测项目类型的系数和某一外观品质检测项目中不同比率多光谱图像的权重来构造以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数；b)依据所述某一外观品质检测项目中不同比率多光谱图像的权重来判定其是否满足可使以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数具有最大值的条件；c)给出以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数处于最大值时某一外观品质检测项目中不同比率多光谱图像的权重的解；d)依据所述不同外观品质检测项目类型的系数来判定其是否满足可使以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数具有最大值的条件；e)给出以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数处于最大值时不同外观品质检测项目类型的系数的解；f)通过某一外观品质检测项目中不同比率多光谱图像的权重与不同外观品质检测项目类型的系数进行相互迭代更新过程来输出二者在满足所述系数的平均偏离小于偏离门限条件下的稳定值；g)输出需外观品质检测的同类型水果对于某个外观品质检测项目时的检测状况以及对于外观品质检测的项目类型集合时的评估状况。2.根据权利要求1所述的一种基于比率多光谱图像的水果外观品质检测方法，其特征在于，a)具体包含如下内容：设定对于用于水果外观品质检测的参考样本集ψ＝{k|1≤k≤m}中存在编号为k的水果有对于外观品质检测项目类型集合θ＝{h|1≤h≤c}中某一外观品质检测项目h在特征光谱波段集合γ＝{i|1≤i≤n}中某一特征光谱波段i获取的图像
h
i
k,i
，其中，m为参考样本集ψ的水果数量，n为特征光谱波段集合γ的波段数量，c为外观品质检测项目类型集合θ的类型数量；设对于不同外观品质检测项目类型的系数，当外观品质检测项目类型为h则该系数为ρ
h
，且存在所述系数的限制条件设对于某一外观品质检测项目中不同比率多光谱图像的权重，当外观品质检测项目类型为h且对于特征光谱波段i和j来说，存在dis(
h
i
k,i
/
h
i
k,j
)则权重为
h
w
i,j
，其中，dis()为图像特征区分度函数，符号/指图像代数运算的除法，且存在所述权重的限制条件为使在用于水果外观品质检测的参考样本集ψ条件下不同比率多光谱图像的差异程度通过对数加平方进行变化后并给与权重并考虑不同外观品质检测项目类型进行系数加权和后趋于最大化从而优选出构建比率多光谱图像的不同光谱波段组合和适于各个外观品质检测项目的特征光谱波段，以ρ
h
和
h
w
i,j
以及拉格朗日乘数λ和γ作为变量，建立以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数h(
h
w
i,j
,ρ
h
,λ,γ)：
3.根据权利要求1所述的一种基于比率多光谱图像的水果外观品质检测方法，其特征在于，b)具体包含如下内容：由h(
h
w
i,j
,ρ
h
,λ,γ)对
h
w
i,j
求一阶导数和二阶导数可得f(
h
w
i,j
,ρ
h
,λ,γ)关于
h
w
i,j
的一阶导数表达式和二阶导数表达式，可表示为：阶导数表达式和二阶导数表达式，可表示为：由且时，在此可判定存在某一外观品质检测项目中不同比率多光谱图像的权重可满足以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数具有最大值的条件。4.根据权利要求1所述的一种基于比率多光谱图像的水果外观品质检测方法，其特征在于，c)具体包含如下内容：由可得以λ为自变量关于
h
w
i,j
的函数：考虑到则可得λ的函数表达式：由此可给出以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数处于最大值时某一外观品质检测项目中不同比率多光谱图像的权重的解：其中a,b为中间变量。5.根据权利要求1所述的一种基于比率多光谱图像的水果外观品质检测方法，其特征在于，d)具体包含如下内容：由h(
h
w
i,j
,ρ
h
,λ,γ)对ρ
h
求一阶导数和二阶导数可得f(
h
w
i,j
,ρ
h
,λ,γ)关于ρ
h
的一阶导
数表达式和二阶导数表达式，可表示为：数表达式和二阶导数表达式，可表示为：由且时，可知判定存在所述不同外观品质检测项目类型的系数可满足使以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数具有最大值的条件。6.根据权利要求1所述的一种基于比率多光谱图像的水果外观品质检测方法，其特征在于，e)具体包含如下内容：由可得以γ为自变量关于ρ
h
的函数：考虑到则可得γ的函数表达式：由此可给出以比率多光谱图像差异程度的对数平方加权和进行最大化的目标函数处于最大值时不同外观品质检测项目类型的系数的解：其中f为中间变量。7.根据权利要求1所述的一种基于比率多光谱图像的水果外观品质检测方法，其特征在于，f)具体包含如下内容：可将比率多光谱图像差异程度为最大的目标函数满足最大值条件时某一外观品质检测项目中不同比率多光谱图像的权重和不同外观品质检测项目类型的系数的解代入以下二者的相互迭代更新过程来满足不同外观品质检测项目类型系数的平均偏离小于偏离门限条件下输出
h
w
i,j
的稳定值和ρ
h
的稳定值所述相互迭代更新过程的具体实现步骤描述如下：步骤1：初始化过程，采集水果参考样本集中m个水果对于c个不同外观品质检测项目种类在n个光谱波段的图像，并通过dis()函数给出不同比率多光谱图像的特征区分度，设置权重系数实际值迭代过程的迭代次数t＝0，由则设置对于单一h在有
h
w
i,j
(t＝
0)为由可设置ρ
h
(t＝0)为步骤2：设置t＝t+1，将不同比率多光谱图像的特征区分度对应的数据以及ρ
h
(t-1)代入
h
w
i,j
的解中从而得到
h
w
i,j
(t)；步骤3：将不同比率多光谱图像的特征区分度对应的数据以及
h
w
i,j
(t)代入ρ
h
的解中从而得到ρ
h
(t)；步骤4：若满足不同外观品质检测项目类型系数的平均偏离小于偏离门限条件，即其中δρ为偏离门限，则进入步骤5，否则进入步骤2；步骤5：对于某一外观品质检测项目h，在该外观品质检测项目对应的比率多光谱图像权重中由高到底依次选取d个来建立外观品质检测项目h的优选光谱波段组合对应的比率多光谱图像权重集合
h
t＝{
h
w
i,j
(t)|1≤i,j≤n}，其中d为每个外观品质检测项目保留的比率多光谱图像的组合数，用于优选出对于该外观品质检测项目作业时效果更好的光谱波段组合，若同时存在
h
w
i,j
(t)与
h
w
j,i
(t)的情形则只选取二者中的更大值以避免在该外观品质检测项目作业时使用类似的比率多光谱图像，而后补充所述权重加入
h
t直至
h
t的元素个数为d，最后对于
h
t中的元素
h
w
i,j
(t)可输出其稳定值其中sum()为对集合的元素进行求和的函数，则可构建某一外观品质检测项目h中比率多光谱图像的权重稳定值的集合步骤6：将不同比率多光谱图像的特征区分度对应的数据以及不同的h对应的代入ρ
h
的解中从而得到ρ
h
(t)的稳定值。8.根据权利要求1所述的一种基于比率多光谱图像的水果外观品质检测方法，其特征在于，g)具体包含如下内容：对于某个需要进行外观品质检测的同类型水果a，当需检测外观品质检测项目h，可获取中光谱波段组合(i,j)组合对应的比率多光谱图像
h
i
a,i
/
h
i
a,j
；通过对外观品质检测项目h进行图像识别给出ippr
h
(
h
i
a,i
/
h
i
a,j
)数值，其中ippr
h
()为针对外观品质检测项目h的图像识别程序函数；由此当对水果a进行外观品质检测项目h检测时，若存在任一光谱波段组合(i,j)组合给出的ippr
h
(
h
i
a,i
/
h
i
a,j
)为1则判定存在该外观品质检测项目h的缺陷并输出检测状况为1，否则输出用来判定存在该缺陷的可能性的检测状况为对于该种水果需进行外观品质检测的项目类型集合θ，即该种水果需进行全部外观品质检测的项目，则可给出水果a的评估状况为用于说明对于各种外观品质检测项目类型时的总体外观品质缺陷状况。

技术总结
本发明公开了一种基于比率多光谱图像的水果外观品质检测方法，通过分析比率多光谱图像的识别程度来优选出构建比率多光谱图像的不同光谱波段组合和适于波段比率多光谱图像进行外观品质检测的检测项目类型，从而实现使用比率多光谱图像技术完成对水果外观品质进行检测的目的，具有较好的实用价值。具有较好的实用价值。具有较好的实用价值。


技术研发人员：朱二 朱壹
受保护的技术使用者：江西绿萌科技控股有限公司
技术研发日：2022.10.24
技术公布日：2023/1/6