蓝莓可溶性固形物检测方法、装置、设备及介质

本技术涉及水果品质检测领域，尤其涉及一种蓝莓可溶性固形物检测方法、相应的装置、电子设备及计算机可读存储介质。

背景技术：

1、蓝莓富含维生素和花青素，被誉为“浆果之王”。近几年，蓝莓作为一种“高端水果”，在全国的种植面积和产量不断上升，总栽培面积和总产量分别增长到2021年6.64万公顷和34.72吨。随着我国蓝莓产业的兴起，蓝莓的消费市场得到了长足的发展，已经从原来的“求产量”向“要质量”转变。

2、可溶性固形物(soluble solids content,ssc)是指水果中能够溶于水的化合物的总称，主要由糖，酸，维生素，矿物质等组成。可溶性固形物作为衡量蓝莓内部品质和成熟度的重要指标，因此对贮藏期蓝莓进行可溶性固形物检测具有重要意义。传统的水果可溶性固形物测量方法为折射率法，通过将果汁置于折射仪中，测量折射率，从而推导出可溶性固形物，这个方法虽然有着较高的精度，但测量流程耗时且对样品有破坏性，不利于大规模的测量以及与自动化设备的集成。以及在光谱测量过程中，受到待测样品状态、化学物质含量、环境因素和杂散光等诸多因素的影响，待测物质在光谱中的信号微弱，且光谱数据中往往存在噪声、基线平移和谱峰重叠等一系列问题。

3、适应现有技术对于可溶性固形物含量测量流程耗时且对样品有破坏性，不利于大规模的测量以及与自动化设备的集成，以及在光谱测量过程中，受到待测样品状态、化学物质含量、环境因素和杂散光等诸多因素的影响，待测物质在光谱中的信号微弱等问题，本技术人出于解决该问题的考虑作出相应的探索。

技术实现思路

1、本技术的目的在于解决上述问题而提供一种蓝莓可溶性固形物检测方法、相应的装置、电子设备及计算机可读存储介质。

2、为满足本技术的各个目的，本技术采用如下技术方案：

3、适应本技术的目的之一而提出的一种蓝莓可溶性固形物检测方法，包括如下步骤：

4、响应蓝莓可溶性固形物检测指令，获取待检测蓝莓在不同贮藏时间下的光谱数据；

5、基于连续小波变换算法、竞争性自适应重加权采样算法以及偏最小二乘回归模型以构建可溶性固形物含量检测模型，并将所述待检测蓝莓的光谱数据输入至构建好的可溶性固形物含量检测模型中；

6、根据连续小波变换算法对所述光谱数据进行不同尺度的分解得到所述待检测蓝莓在多分解尺度下的小波系数，确定预处理后的光谱数据；

7、采用竞争性自适应重加权采样算法对预处理后的光谱数据进行可溶性固形物特征波段提取，以选取含有较少冗余信息和较小共线性的可溶性固形物特征波段；

8、根据所述可溶性固形物特征波段构建所述偏最小二乘回归模型，将所述待检测蓝莓的光谱数据输入至所述偏最小二乘回归模型中，确定所述待检测蓝莓的可溶性固形物含量，以完成蓝莓可溶性固形物含量的检测。

9、可选的，获取待检测蓝莓在不同贮藏时间下的光谱数据的步骤之后,包括如下步骤：

10、分析待检测蓝莓高光谱图像中蓝莓区域、背景区域、过度曝光区域以及果柄区域的光谱特征，将每个高光谱图像中858.6632nm处的图像除以632.8339nm处的图像得到比值图像；

11、基于大津法对所述比值图像进行阈值分割，以区分蓝莓正常反射区域与其他区域的二值图像。

12、对所述二值图像进行六个像素的形态学腐蚀，得到最终的掩膜图像，通过该掩膜从蓝莓高光谱图像中分离出合适的感兴趣区域。

13、可选的，获取待检测蓝莓在不同贮藏时间下的光谱数据的步骤之后,包括如下步骤：

14、响应异常值剔除指令，基于蒙特卡罗偏最小二乘法中的蒙特卡罗交互验证为基础，随机选择一定量的样本作为建模集和验证集以建立偏最小二乘回归模型；

15、计算每一个样本在验证集中的预测残差平均值和预测残差标准差，将具有较高预测残差平均值和预测残差标准差的样本作为异常样本，将所述异常样本进行剔除；

16、对剔除异常样本之后的光谱数据和可溶性固形物含量采用光谱理化值共生距离算法按照预设比例将样本集划分为训练集以及测试集。

17、可选的，训练可溶性固形物含量检测模型的步骤，包括如下步骤：

18、根据所述训练集以及测试集，对构建好的可溶性固形物含量检测模型进行正向传播迭代训练，以使在每一次正向传播迭代训练中，将蓝莓样本的光谱数据以及其相对应的可溶性固形物含量输入至所述可溶性固形物含量检测模型，确定模型数据样本的实际结果与模型训练的计算结果的误差并计算目标损失函数；

19、根据所述目标损失函数来更新模型参数，直至所述目标损失函数的变化值小于预设值或训练次数大于预设值后，保存模型参数并完成对所述可溶性固形物含量检测模型的训练。

20、可选的，采用竞争性自适应重加权采样算法对预处理后的光谱数据进行可溶性固形物特征波段提取，以选取含有较少冗余信息和较小共线性的可溶性固形物特征波段的步骤，包括如下步骤：

21、基于竞争性自适应重加权采样算法在每次循环中通过蒙特卡洛采样法从训练集中选出一定比例样本建立偏最小二乘回归模型。

22、采用指数衰减函数去除回归系数绝对值较小且波动大的可溶性固形物特征波段，并在达到设定的蒙特卡洛采样次数时停止；

23、基于十折交叉验证对每次采样得到的可溶性固形物特征波段子集进行检验，将交叉验证均方根误差最小的子集作为最佳可溶性固形物特征波段。

24、可选的，根据连续小波变换算法对所述光谱数据进行不同尺度的分解得到所述待检测蓝莓在多分解尺度下的小波系数，确定预处理后的光谱数据的步骤之后，包括如下步骤：

25、采用连续投影算法从原始数据中选择一个初始特征作为基准，将数据点依次投影到基准上，得到一组一维投影值；

26、根据一维投影值的分布情况，选择一个具有较好区分性的投影特征作为下一个基准；

27、将数据点再次投影到新的基准上，得到更新的一维投影值；

28、重复上述步骤进行循环迭代，直至满足迭代完成条件。

29、可选的，获取待检测蓝莓在不同贮藏时间下的光谱数据的步骤之后，包括如下步骤：

30、基于黑白校正算法对采集到的原始光谱图像进行黑白校正。所述黑白校正算法为：

31、

32、其中，i为校正后的光谱图像，i raw为设备采集到的原始光谱图像，idark为黑板图像，iwhite为白板图像。

33、适应本技术的另一目的而提供的一种蓝莓可溶性固形物检测装置，包括：

34、光谱数据获取模块，设置为响应蓝莓可溶性固形物检测指令，获取待检测蓝莓在不同贮藏时间下的光谱数据；

35、检测模型构建模块，设置为基于连续小波变换算法、竞争性自适应重加权采样算法以及偏最小二乘回归模型以构建可溶性固形物含量检测模型，并将所述待检测蓝莓的光谱数据输入至构建好的可溶性固形物含量检测模型中；

36、预处理模块，设置为根据连续小波变换算法对所述光谱数据进行不同尺度的分解得到所述待检测蓝莓在多分解尺度下的小波系数，确定预处理后的光谱数据；

37、特征波段确定模块，设置为采用竞争性自适应重加权采样算法对预处理后的光谱数据进行可溶性固形物特征波段提取，以选取含有较少冗余信息和较小共线性的可溶性固形物特征波段；

38、固形物含量检测模块，设置为根据所述可溶性固形物特征波段构建所述偏最小二乘回归模型，将所述待检测蓝莓的光谱数据输入至所述偏最小二乘回归模型中，确定所述待检测蓝莓的可溶性固形物含量，以完成蓝莓可溶性固形物含量的检测。

39、适应本技术的另一目的而提供的一种电子设备，包括中央处理器和存储器，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本技术所述蓝莓可溶性固形物检测方法的步骤。

40、适应本技术的另一目的而提供的一种计算机可读存储介质，其以计算机可读指令的形式存储有依据所述蓝莓可溶性固形物检测方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行相应的方法所包括的步骤。

41、相对于现有技术，本技术针对现有技术对于可溶性固形物含量测量流程耗时且对样品有破坏性，不利于大规模的测量以及与自动化设备的集成，以及在光谱测量过程中，受到待测样品状态、化学物质含量、环境因素和杂散光等诸多因素的影响，待测物质在光谱中的信号微弱等问题，本技术包括但不限于如下有益效果：

42、其一，采用连续小波变换算法对原始光谱进行不同尺度的分解得到的小波系数，能够有效提取原始光谱中不显著的微弱信息，显著提升可溶性固形物含量检测模型的性能；

43、其二，基于竞争性自适应重加权采样算法和连续投影算法筛选的特征波段输入构建的可溶性固形物含量检测模型，克服了蓝莓的贮藏时间差异对苹果可溶性固形物含量检测模型的检测精度的影响，大大提高对蓝莓可溶性固形物的检测精度，对不同贮藏时间、不同品种的蓝莓可溶性固形物的长期有效预测奠定了理论基础；

44、其三，对于水果可溶性固形物在线检测系统的构建、应用和后续使用过程中的模型校正提供方法参考，有利于大规模的测量以及与自动化设备的集成。