一种蜜瓜内部品质在线检测方法及系统与流程

本发明涉及品质检测技术领域，特别是涉及一种蜜瓜内部品质在线检测方法及系统。

背景技术：

蜜瓜是一种厚果皮、大果形、品质不均匀的果实，是西北地区重要的经济作物。长期以来，蜜瓜销售过程中成熟度和品质划分都只是采用传统的人工法或破坏性抽样检测，耗时费力，主观因素影响大，检测和分级粗放，造成良莠混杂，降低了该果品的市场竞争力和销售价格。解决蜜瓜存在的上述问题不能只单纯地依靠培育新品种、改善种植条件和储运条件，更重要的是，注重在商品化过程中的品质检测技术。

目前，通常采用基于光谱和数字图像技术对蜜瓜的品质进行无损检测，现有的检测方法以整瓜作为检测对象，不考虑果皮和果腔内非食用组织对检测结果的影响，造成了检测精度不高。

技术实现要素：

基于此，有必要提供一种能够提高检测精度的蜜瓜内部品质在线检测方法及系统。

为实现上述目的，本发明提供了如下方案：

一种蜜瓜内部品质在线检测方法，包括：

获取蜜瓜样品的漫透射光谱和蜜瓜样品的图像，所述漫透射光谱包括整瓜光谱和果肉光谱，所述果肉光谱为整瓜去除非食用组织后得到的光谱；

提取所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息；

提取所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息；

依据所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息以及所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息，建立光谱转换模型，所述光谱转换模型用于将整瓜光谱转换为果肉光谱；

提取所述蜜瓜样品的图像的颜色特征，所述颜色特征包括用于反应所述蜜瓜样品的含水量的水渍缺陷颜色特征和用于反应所述蜜瓜样品的含糖量的可溶性固形物含量颜色特征；

依据所述蜜瓜样品的图像，计算所述蜜瓜样品的体积和果形指数；

依据所述果肉光谱中的水渍缺陷敏感光谱信息、所述果肉光谱中的可溶性固形物含量敏感光谱信息、所述水渍缺陷颜色特征、所述可溶性固形物含量颜色特征、所述体积和所述果形指数，建立蜜瓜内部品质等级在线检测模型；

利用所述蜜瓜内部品质等级在线检测模型对被测蜜瓜进行检测，得到被测蜜瓜的内部品质等级。

可选的，在所述获取蜜瓜样品的漫透射光谱和蜜瓜样品的图像之后，还包括：对所述蜜瓜样品的漫透射光谱和所述蜜瓜样品的图像分别进行预处理；

所述对所述蜜瓜样品的漫透射光谱进行预处理，包括噪声消除、背景扣除、norris滤波、多元散射校正、小波变换和数据标准化；

所述对所述蜜瓜样品的图像进行预处理，包括形态学去噪、自适应阈值分割和对所述图像进行标记。

可选的，所述提取所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息，具体包括：

获取所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱和所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱；

对比所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱，依据所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱之间的差异特征，确定所述果肉光谱中的水渍缺陷敏感波段；

对所述果肉光谱进行一阶微分处理、最小二乘拟合处理、多元散射校正和滤波后，确定所述果肉光谱中可溶性固形物含量敏感波段；

依据所述果肉光谱中的水渍缺陷敏感波段和所述果肉光谱中可溶性固形物含量敏感波段，提取所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息；

所述提取所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息，具体包括：

获取所述蜜瓜样品中含水量在所述预设范围内的蜜瓜的果肉光谱和所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱；

对比所述蜜瓜样品中含水量在预设范围内的蜜瓜的整瓜光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱，依据所述蜜瓜样品中含水量在预设范围内的蜜瓜的整瓜光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱之间的差异特征，确定所述整瓜光谱中的水渍缺陷敏感波段；

对所述整瓜光谱进行一阶微分处理、最小二乘拟合处理、多元散射校正、和滤波后，确定所述整瓜光谱中可溶性固形物含量敏感波段；

依据所述整瓜光谱中的水渍缺陷敏感波段和所述整瓜光谱中可溶性固形物含量敏感波段，提取所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息。

可选的，所述建立光谱转换模型，具体包括：

将所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息分别转换为矩阵形式；

将所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息分别转换为矩阵形式；

利用光谱分析法确定所述整瓜光谱中的水渍缺陷敏感光谱信息的矩阵形式与所述果肉光谱中的水渍缺陷敏感光谱信息的矩阵形式之间的差异特征，建立所述整瓜光谱中的水渍缺陷敏感光谱信息与所述果肉光谱中的水渍缺陷敏感光谱信息之间的转换模型；

利用光谱分析法确定所述整瓜光谱中的可溶性固形物含量敏感光谱信息的矩阵形式与所述果肉光谱中的可溶性固形物含量敏感光谱信息的矩阵形式之间的差异特征，建立所述整瓜光谱中的可溶性固形物含量敏感光谱信息与所述果肉光谱的可溶性固形物含量敏感光谱信息之间的转换模型。

可选的，所述建立蜜瓜内部品质等级在线检测模型，具体包括：

依据所述果肉光谱中的水渍缺陷敏感光谱信息、所述水渍缺陷颜色特征、所述体积和所述果形指数，建立蜜瓜水渍缺陷无损检测模型；

依据所述果肉光谱中的可溶性固形物含量敏感光谱信息、所述可溶性固形物含量颜色特征、所述体积和所述果形指数，建立蜜瓜可溶性固形物含量无损检测模型；

依据所述蜜瓜水渍缺陷无损检测模型和所述蜜瓜可溶性固形物含量无损检测模型，建立蜜瓜内部品质等级在线检测模型。

本发明还提供了一种蜜瓜内部品质在线检测系统，包括：

信息获取模块，用于获取蜜瓜样品的漫透射光谱和蜜瓜样品的图像，所述漫透射光谱包括整瓜光谱和果肉光谱，所述果肉光谱为整瓜去除非食用组织后得到的光谱；

果肉光谱敏感信息提取模块，用于提取所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息；

整瓜光谱敏感信息提取模块，用于提取所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息；

转换模型建立模块，用于依据所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息以及所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息，建立光谱转换模型，所述光谱转换模型用于将整瓜光谱转换为果肉光谱；

颜色特征提取模块，用于提取所述蜜瓜样品的图像的颜色特征，所述颜色特征包括用于反应所述蜜瓜样品的含水量的水渍缺陷颜色特征和用于反应所述蜜瓜样品的含糖量的可溶性固形物含量颜色特征；

体积和果形指数计算模块，用于依据所述蜜瓜样品的图像，计算所述蜜瓜样品的体积和果形指数；

检测模型建立模块，用于依据所述果肉光谱中的水渍缺陷敏感光谱信息、所述果肉光谱中的可溶性固形物含量敏感光谱信息、所述水渍缺陷颜色特征、所述可溶性固形物含量颜色特征、所述体积和所述果形指数，建立蜜瓜内部品质等级在线检测模型；

检测模块，用于利用所述蜜瓜内部品质等级在线检测模型对被测蜜瓜进行检测，得到被测蜜瓜的内部品质等级。

可选的，所述系统还包括预处理模块，所述预处理模块具体包括：

光谱预处理单元，用于对所述蜜瓜样品的漫透射光谱进行预处理，所述对所述蜜瓜样品的漫透射光谱进行预处理，包括噪声消除、背景扣除、norris滤波、多元散射校正、小波变换和数据标准化；

图像预处理单元，用于对所述蜜瓜样品的图像进行预处理，所述对所述蜜瓜样品的图像进行预处理，包括形态学去噪、自适应阈值分割和对所述图像进行标记。

可选的，所述果肉光谱敏感信息提取模块，具体包括：

果肉光谱获取单元，用于获取所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱和所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱；

第一敏感波段确定单元，用于对比所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱，依据所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱之间的差异特征，确定所述果肉光谱中的水渍缺陷敏感波段；

第二敏感波段确定单元，用于对所述果肉光谱进行一阶微分处理、最小二乘拟合处理、多元散射校正和滤波后，确定所述果肉光谱中可溶性固形物含量敏感波段；

果肉光谱敏感信息提取单元，用于依据所述果肉光谱中的水渍缺陷敏感波段和所述果肉光谱中可溶性固形物含量敏感波段，提取所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息；

所述整瓜光谱敏感信息提取模块，具体包括：

整瓜光谱获取单元，用于获取所述蜜瓜样品中含水量在所述预设范围内的蜜瓜的果肉光谱和所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱；

第三敏感波段确定单元，用于对比所述蜜瓜样品中含水量在预设范围内的蜜瓜的整瓜光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱，依据所述蜜瓜样品中含水量在预设范围内的蜜瓜的整瓜光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱之间的差异特征，确定所述整瓜光谱中的水渍缺陷敏感波段；

第四敏感波段确定单元，用于对所述整瓜光谱进行一阶微分处理、最小二乘拟合处理、多元散射校正、和滤波后，确定所述整瓜光谱中可溶性固形物含量敏感波段；

整瓜光谱敏感信息提取单元，用于依据所述整瓜光谱中的水渍缺陷敏感波段和所述整瓜光谱中可溶性固形物含量敏感波段，提取所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息。

可选的，所述转换模型建立模块，具体包括：

果肉光谱信息转换单元，用于将所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息分别转换为矩阵形式；

整瓜光谱信息转换单元，用于将所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息分别转换为矩阵形式；

第一转换模型建立单元，用于利用光谱分析法确定所述整瓜光谱中的水渍缺陷敏感光谱信息的矩阵形式与所述果肉光谱中的水渍缺陷敏感光谱信息的矩阵形式之间的差异特征，建立所述整瓜光谱中的水渍缺陷敏感光谱信息与所述果肉光谱中的水渍缺陷敏感光谱信息之间的转换模型；

第二转换模型建立单元，用于利用光谱分析法确定所述整瓜光谱中的可溶性固形物含量敏感光谱信息的矩阵形式与所述果肉光谱中的可溶性固形物含量敏感光谱信息的矩阵形式之间的差异特征，建立所述整瓜光谱中的可溶性固形物含量敏感光谱信息与所述果肉光谱的可溶性固形物含量敏感光谱信息之间的转换模型。

可选的，所述检测模型建立模块，具体包括：

第一检测模型建立单元，用于依据所述果肉光谱中的水渍缺陷敏感光谱信息、所述水渍缺陷颜色特征、所述体积和所述果形指数，建立蜜瓜水渍缺陷无损检测模型；

第二检测模型建立单元，用于依据所述果肉光谱中的可溶性固形物含量敏感光谱信息、所述可溶性固形物含量颜色特征、所述体积和所述果形指数，建立蜜瓜可溶性固形物含量无损检测模型；

第三检测模型建立单元，用于依据所述蜜瓜水渍缺陷无损检测模型和所述蜜瓜可溶性固形物含量无损检测模型，建立蜜瓜内部品质等级在线检测模型。

与现有技术相比，本发明的有益效果是：

本发明提出了一种蜜瓜内部品质在线检测方法及系统，通过提取果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息以及整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息，建立整瓜光谱向果肉光谱转换的光谱转换模型，实现了以果肉作为检测对象，去除了果皮和果腔内非食用组织对检测结果的影响，能够提高检测精度；利用果肉光谱中的水渍缺陷敏感光谱信息、果肉光谱中的可溶性固形物含量敏感光谱信息、水渍缺陷颜色特征、可溶性固形物含量颜色特征、蜜瓜的体积和果形指数，建立蜜瓜内部品质等级在线检测模型，实现了将蜜瓜的光谱信息与外部特征相结合对蜜瓜内部品质等级进行检测，能够进一步提高检测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例蜜瓜内部品质在线检测方法的流程图；

图2为本发明实施例蜜瓜样品的体积计算图；

图3为本发明实施例蜜瓜内部品质在线检测系统的路程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例蜜瓜内部品质在线检测方法的流程图。

参见图1，蜜瓜内部品质在线检测方法包括：

步骤s1：获取蜜瓜样品的漫透射光谱和蜜瓜样品的图像，所述漫透射光谱包括整瓜光谱和果肉光谱。

所述果肉光谱为整瓜去除非食用组织后得到的光谱，整瓜去除非食用组织的方法如下：

采用螺旋削皮装置均匀地削去蜜瓜样品的果皮；在果柄部位以下，自顶向靠近横径最大处切一顶角为60°的三角形缺口，并取出腔内组织；再将切下部分原位安装。利用上述方法处理后的蜜瓜样品为整瓜去除非食用组织后得到的果肉。

步骤s2：对所述蜜瓜样品的漫透射光谱和所述蜜瓜样品的图像分别进行预处理。

具体包括：

所述对所述蜜瓜样品的漫透射光谱进行预处理，包括噪声消除、背景扣除、norris滤波、多元散射校正、小波变换和数据标准化。

所述对所述蜜瓜样品的图像进行预处理，包括形态学去噪、自适应阈值分割和对所述图像进行标记，具体为：

将蜜瓜样品的图像转化为二值图像，针对蜜瓜图像特点通过腐蚀、膨胀、开运算等形态学去噪后，对二值图像进行填充；对填充后的二值图像利用自适应阈值分割的方法进行分割；确定图像中蜜瓜样品的形心，以形心为基准对分割后的图像进行标记。上述填充的目的是为了按照灰度级对像素集合进行划分，这样得到的每个子集都能形成一个与现实景物相对应的区域，各区域内部具有一致的属性。

步骤s3：提取所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息。

具体包括：

步骤s301：获取所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱和所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱。

步骤s302：对比所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱，依据所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱之间的差异特征，确定所述果肉光谱中的水渍缺陷敏感波段。

步骤s303：对所述果肉光谱进行一阶微分处理、最小二乘拟合处理、多元散射校正和滤波后，确定所述果肉光谱中可溶性固形物含量敏感波段。

步骤s304：依据所述果肉光谱中的水渍缺陷敏感波段和所述果肉光谱中可溶性固形物含量敏感波段，提取所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息。

步骤s4：提取所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息。

具体包括：

步骤s401：获取所述蜜瓜样品中含水量在所述预设范围内的蜜瓜的果肉光谱和所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱。

步骤s402：对比所述蜜瓜样品中含水量在预设范围内的蜜瓜的整瓜光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱，依据所述蜜瓜样品中含水量在预设范围内的蜜瓜的整瓜光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱之间的差异特征，确定所述整瓜光谱中的水渍缺陷敏感波段。

步骤s403：对所述整瓜光谱进行一阶微分处理、最小二乘拟合处理、多元散射校正、和滤波后，确定所述整瓜光谱中可溶性固形物含量敏感波段。

步骤s404：依据所述整瓜光谱中的水渍缺陷敏感波段和所述整瓜光谱中可溶性固形物含量敏感波段，提取所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息。

步骤s5：建立光谱转换模型。所述光谱转换模型是依据步骤s3得到的所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息以及步骤s4得到的所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息建立的，所述光谱转换模型用于将整瓜光谱转换为果肉光谱。

具体包括：

步骤s501：将所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息分别转换为矩阵形式。

步骤s502：将所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息分别转换为矩阵形式。

步骤s503：利用光谱分析法确定所述整瓜光谱中的水渍缺陷敏感光谱信息的矩阵形式与所述果肉光谱中的水渍缺陷敏感光谱信息的矩阵形式之间的差异特征，建立所述整瓜光谱中的水渍缺陷敏感光谱信息与所述果肉光谱中的水渍缺陷敏感光谱信息之间的转换模型。

步骤s504：利用光谱分析法确定所述整瓜光谱中的可溶性固形物含量敏感光谱信息的矩阵形式与所述果肉光谱中的可溶性固形物含量敏感光谱信息的矩阵形式之间的差异特征，建立所述整瓜光谱中的可溶性固形物含量敏感光谱信息与所述果肉光谱的可溶性固形物含量敏感光谱信息之间的转换模型。

步骤s6：提取所述蜜瓜样品的图像的颜色特征。所述颜色特征包括用于反应所述蜜瓜样品的含水量的水渍缺陷颜色特征和用于反应所述蜜瓜样品的含糖量的可溶性固形物含量颜色特征。所述颜色特征可以利用神经网络算法进行提取，本实施例中，采用bp神经网络提取所述蜜瓜样品的图像的水渍缺陷颜色特征和可溶性固形物含量颜色特征。

步骤s7：依据所述蜜瓜样品的图像，计算所述蜜瓜样品的体积和果形指数。

具体包括：

步骤s701：计算所述蜜瓜样品的体积。由于蜜瓜样品的图像近似椭圆，为了便于计算，假设理想蜜瓜二维图像关于纵径对称，采用分层积分思想(理想蜜瓜的像素体积可以看作一系列圆台体积在纵径方向的积分)计算蜜瓜体积，具体为

假设理想蜜瓜是关于纵径对称的旋转体，图2为本发明实施例蜜瓜样品的体积的计算图，其中图2(a)为蜜瓜样品的轮廓图，图2(b)为圆台图，参见图2(a)，l是蜜瓜样品的纵径，且为竖直方向，a是顶点，直线cd、ef与纵径垂直，与轮廓的左交点为c、e两点，与轮廓的右交点为d、f两点，cd与ef之间的距离为δh，当δh逐渐变得很小时，由ef、cd所围部分可近似看成圆台，如图2(b)所示，圆台的体积为

蜜瓜样品的体积可以看作一系列圆台在纵径方向l上的积分，因此，蜜瓜样品的体积为

v＝∫v(h)dh

步骤s702：计算所述蜜瓜样品的果形指数。由于蜜瓜样品的图像近似椭圆，因此，可以通过g通道截流法得到蜜瓜样品的外形，提取蜜瓜样品的边缘信息，根据边缘信息找到蜜瓜的形心，然后采用软件卡尺法计算蜜瓜的果形指数，具体为

采用最小外接矩形法进行蜜瓜的纵横径检测，对蜜瓜样品的图像进行预处理，选取rgb颜色空间，提取g分量图像；将图像转换成二值图像，采用canny算子对二值图像进行边缘检测，提取出蜜瓜样品的图像的边缘，通过计算包含该边缘的最小外接矩形，得出蜜瓜纵径dmax和横径dmin，进而计算蜜瓜果形指数d＝dmax/dmin。

步骤s8：建立蜜瓜内部品质等级在线检测模型。所述蜜瓜内部品质等级在线检测模型是依据所述果肉光谱中的水渍缺陷敏感光谱信息、所述果肉光谱中的可溶性固形物含量敏感光谱信息、所述水渍缺陷颜色特征、所述可溶性固形物含量颜色特征、所述体积和所述果形指数建立的，具体包括：

步骤s801：依据所述果肉光谱中的水渍缺陷敏感光谱信息、所述水渍缺陷颜色特征、所述体积和所述果形指数，建立蜜瓜水渍缺陷无损检测模型，具体为

将所述果肉光谱中的水渍缺陷敏感光谱信息、所述水渍缺陷颜色特征、所述体积和所述果形指数作为输入量，水渍缺陷作为输出量，采用模拟退火法算法与遗传算法相结合的模拟退火遗传算法建立蜜瓜水渍缺陷无损检测模型，所述模拟退火遗传算法的计算步骤如下

1)初始化：初始化遗传算法遗传代数、变异概率、种群数目以及模拟退火的初始温度、终止温度以及每个温度下迭代次数等。

2)随机产生初始种群：对输入量和输出量编码。

3)将种群中的每个个体带入计算程序，计算得到输入量和输出量的变量值。

4)带入适应度函数，评价每个种群的适应度。

5)对个体进行交叉、变异操作。

6)使用模拟退火法对个体进行选择操作：

a.对步骤5)得到的所有个体带入目标函数，计算目标值；

b.按照邻域函数，每个个体产生新解，并计算新解的目标值；

c.将新目标值与原目标值做差得到δe，若δe<0，则接受新解，反之，判断t(i)与临界温度tset之间的关系，如果t(i)>tset，在0～1之间随机产生一个值c，如果e^-δe/kt(i)＞c，则接受新解，反之，保留原解，如果t(i)<tset，则直接保留原解；

d.判断是否达到该温度下最大迭代次数，若达到，则执行退火操作并进入步骤7)，反之，进入步骤b)。

7)判断是否达到最大代数，如果满足，则计算结束，不满足，则将步骤6)得到的个体重新进行步骤3)操作。

步骤s802：依据所述果肉光谱中的可溶性固形物含量敏感光谱信息、所述可溶性固形物含量颜色特征、所述体积和所述果形指数，建立蜜瓜可溶性固形物含量无损检测模型，具体为

将所述果肉光谱中的可溶性固形物含量敏感光谱信息、所述可溶性固形物含量颜色特征、所述体积和所述果形指数作为输入量，可溶性固形物含量作为输出量，采用模拟退火法算法与遗传算法相结合的模拟退火遗传算法建立蜜瓜可溶性固形物含量无损检测模型，所述模拟退火遗传算法的计算步骤如上述所述。

步骤s803：依据所述蜜瓜水渍缺陷无损检测模型和所述蜜瓜可溶性固形物含量无损检测模型，建立蜜瓜内部品质等级在线检测模型。

步骤s9：利用所述蜜瓜内部品质等级在线检测模型对被测蜜瓜进行检测，得到被测蜜瓜的内部品质等级。

具体包括：

步骤s901：将被测蜜瓜水平放置在输送装置的拖环上，匀速平稳向前运动；

步骤s902：当被测蜜瓜到达漫透射光谱采集室时，采集室内置的光电传感器输出一个被测蜜瓜到达反馈信号到信号控制单元，由信号控制单元发出命令触发光谱仪，光谱仪开始采集被测蜜瓜的光谱信息，被测蜜瓜通过后，光电传感器输出一个被测蜜瓜离开反馈信号到信号控制单元，由信号控制单元发出命令停止光谱仪工作；

步骤s903：当被测蜜瓜到达蜜瓜图像采集室时，采集室内置的光电传感器输出一个被测蜜瓜到达反馈信号到信号控制单元，由信号控制单元发出命令触发两部工业相机，两部工业相机分别采集被测蜜瓜的正面图像信息与侧面图像信息，被测蜜瓜通过后，光电传感器输出一个被测蜜瓜离开反馈信号到信号控制单元，由信号控制单元控制工业相机停止工作；

步骤s904：将采集到的光谱与图像信息输入到所述蜜瓜内部品质等级在线检测模型中，得到被测蜜瓜的内部品质，进而判断和划分蜜瓜等级。

本实施例中的蜜瓜内部品质在线检测方法，实现了以果肉作为检测对象，去除了果皮和果腔内非食用组织对检测结果的影响，提高了检测精度，并将光谱信息与外部特征相结合进行检测，进一步提高了检测精度。

本发明还提供了一种蜜瓜内部品质在线检测系统30，包括：

信息获取模块301，用于获取蜜瓜样品的漫透射光谱和蜜瓜样品的图像，所述漫透射光谱包括整瓜光谱和果肉光谱，所述果肉光谱为整瓜去除非食用组织后得到的光谱。

预处理模块302，所述预处理模块302具体包括：

光谱预处理单元，用于对所述蜜瓜样品的漫透射光谱进行预处理，所述对所述蜜瓜样品的漫透射光谱进行预处理，包括噪声消除、背景扣除、norris滤波、多元散射校正、小波变换和数据标准化。

图像预处理单元，用于对所述蜜瓜样品的图像进行预处理，所述对所述蜜瓜样品的图像进行预处理，包括形态学去噪、自适应阈值分割和对所述图像进行标记。

果肉光谱敏感信息提取模块303，用于提取所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息。

所述果肉光谱敏感信息提取模块303，具体包括：

果肉光谱获取单元，用于获取所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱和所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱。

第一敏感波段确定单元，用于对比所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱，依据所述蜜瓜样品中含水量在预设范围内的蜜瓜的果肉光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的果肉光谱之间的差异特征，确定所述果肉光谱中的水渍缺陷敏感波段。

第二敏感波段确定单元，用于对所述果肉光谱进行一阶微分处理、最小二乘拟合处理、多元散射校正和滤波后，确定所述果肉光谱中可溶性固形物含量敏感波段。

果肉光谱敏感信息提取单元，用于依据所述果肉光谱中的水渍缺陷敏感波段和所述果肉光谱中可溶性固形物含量敏感波段，提取所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息。

整瓜光谱敏感信息提取模块304，用于提取所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息。

所述整瓜光谱敏感信息提取模块304，具体包括：

整瓜光谱获取单元，用于获取所述蜜瓜样品中含水量在所述预设范围内的蜜瓜的果肉光谱和所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱。

第三敏感波段确定单元，用于对比所述蜜瓜样品中含水量在预设范围内的蜜瓜的整瓜光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱，依据所述蜜瓜样品中含水量在预设范围内的蜜瓜的整瓜光谱与所述蜜瓜样品中含水量超出所述预设范围的蜜瓜的整瓜光谱之间的差异特征，确定所述整瓜光谱中的水渍缺陷敏感波段。

第四敏感波段确定单元，用于对所述整瓜光谱进行一阶微分处理、最小二乘拟合处理、多元散射校正、和滤波后，确定所述整瓜光谱中可溶性固形物含量敏感波段。

整瓜光谱敏感信息提取单元，用于依据所述整瓜光谱中的水渍缺陷敏感波段和所述整瓜光谱中可溶性固形物含量敏感波段，提取所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息。

转换模型建立模块305，用于依据所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息以及所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息，建立光谱转换模型，所述光谱转换模型用于将整瓜光谱转换为果肉光谱。

所述转换模型建立模块305，具体包括：

果肉光谱信息转换单元，用于将所述果肉光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息分别转换为矩阵形式。

整瓜光谱信息转换单元，用于将所述整瓜光谱中的水渍缺陷敏感光谱信息和可溶性固形物含量敏感光谱信息分别转换为矩阵形式。

第一转换模型建立单元，用于利用光谱分析法确定所述整瓜光谱中的水渍缺陷敏感光谱信息的矩阵形式与所述果肉光谱中的水渍缺陷敏感光谱信息的矩阵形式之间的差异特征，建立所述整瓜光谱中的水渍缺陷敏感光谱信息与所述果肉光谱中的水渍缺陷敏感光谱信息之间的转换模型。

第二转换模型建立单元，用于利用光谱分析法确定所述整瓜光谱中的可溶性固形物含量敏感光谱信息的矩阵形式与所述果肉光谱中的可溶性固形物含量敏感光谱信息的矩阵形式之间的差异特征，建立所述整瓜光谱中的可溶性固形物含量敏感光谱信息与所述果肉光谱的可溶性固形物含量敏感光谱信息之间的转换模型。

颜色特征提取模块306，用于提取所述蜜瓜样品的图像的颜色特征，所述颜色特征包括用于反应所述蜜瓜样品的含水量的水渍缺陷颜色特征和用于反应所述蜜瓜样品的含糖量的可溶性固形物含量颜色特征。

体积和果形指数计算模块307，用于依据所述蜜瓜样品的图像，计算所述蜜瓜样品的体积和果形指数。

检测模型建立模块308，用于依据所述果肉光谱中的水渍缺陷敏感光谱信息、所述果肉光谱中的可溶性固形物含量敏感光谱信息、所述水渍缺陷颜色特征、所述可溶性固形物含量颜色特征、所述体积和所述果形指数，建立蜜瓜内部品质等级在线检测模型。

所述检测模型建立模块308，具体包括：

第一检测模型建立单元，用于依据所述果肉光谱中的水渍缺陷敏感光谱信息、所述水渍缺陷颜色特征、所述体积和所述果形指数，建立蜜瓜水渍缺陷无损检测模型。

第二检测模型建立单元，用于依据所述果肉光谱中的可溶性固形物含量敏感光谱信息、所述可溶性固形物含量颜色特征、所述体积和所述果形指数，建立蜜瓜可溶性固形物含量无损检测模型。

第三检测模型建立单元，用于依据所述蜜瓜水渍缺陷无损检测模型和所述蜜瓜可溶性固形物含量无损检测模型，建立蜜瓜内部品质等级在线检测模型。

检测模块309，用于利用所述蜜瓜内部品质等级在线检测模型对被测蜜瓜进行检测，得到被测蜜瓜的内部品质等级。

本实施例中的蜜瓜内部品质在线检测系统，实现了以果肉作为检测对象，去除了果皮和果腔内非食用组织对检测结果的影响，提高了检测精度，并将光谱信息与外部特征相结合进行检测，进一步提高了检测精度。

本说明书中对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。