中文摘要：

厚皮、大果形、品质不均匀水果内部品质检测是水果品质无损检测中的难点问题，漫透射光谱具有可深入此类水果内部进行品质检测的优势，但果实大小、形状差异、果皮等非食用组织对光谱信息的干扰是影响检测精度的重要因素，而现有光谱处理方法不能可靠消除这些影响，在内部缺陷检测中，单以某一剖面缺陷比例作为缺陷程度指标极易造成误判。项目前期对内蒙古特产水果河套蜜瓜品质检测中也发现了这些问题。考虑到机器视觉在水果外观特征无损检测中的独特优势和信息融合比单一传感器更优越的性能，开展基于漫透射光谱与机器视觉信息融合的河套蜜瓜内部品质无损检测研究，解决果实大小、形状差异对检测精度的影响问题；探明果皮及腔内组织对品质检测的影响规律，建立校正方法；考虑水渍在蜜瓜内部的空间分布特征，合理定义程度指标；在此基础上，建立河套蜜瓜可溶性固形物含量、硬度、水渍瓜判别和水渍程度检测模型。为河套蜜瓜品质无损检测提供理论依据和实现方法。

结论摘要：

本项目基于漫透射光谱、机器视觉及信息融合技术开展河套蜜瓜品质检测问题的研究。项目研究了去除非食用组织前后河套蜜瓜可见近红外漫透射光谱的差异及非食用组织对可溶性固形物含量（SSC）、硬度检测模型的影响，并采用分段建模校正这一影响。针对异常建模样品对蜜瓜品质可见近红外光谱检测精度的影响及多种可能来源，提出了异常样品的综合评判方法。采用可见近红外光谱进行河套蜜瓜品质检测时，不同建模方法对检测精度有明显影响，项目对比分析了多元统计建模方法（PLS、PCR和SMLR）和新型网络算法（BP-ANN和LS-SVM）对蜜瓜光谱和SSC建模与预测精度的影响。SSC检测中，综合应用光谱信息变量提取及建模波长优化算法iPLS、siPLS、biPLS和SMLR法对漫透射光谱进行特征波长选取，确定了较优的特征波长提取方法、特征波长及相应的光谱特征，并提取了主成分信息。获取蜜瓜图像后，通过对蜜瓜图像的预处理，提取了蜜瓜的颜色特征及主成分信息，建模与预测结果表明，颜色信息与蜜瓜SSC相关性较小。在采用图像处理方法计算蜜瓜体积和果形指数基础上，分别采用不同建模方法和不同融合对象建立蜜瓜SSC检测模型，结果表明，支持向量机算法建立的模型优于BP-ANN算法建立的模型，最佳融合对象为颜色特征主成分、体积、果形指数和特征波长点对应光谱数据。蜜瓜硬度及内部是否有水渍是蜜瓜品质检测中的辅助性指标。项目在采用光谱进行硬度检测时，建模与预测效果一般，颜色信息与蜜瓜硬度相关性较低。两种信息融合在一定程度上较光谱信息提高了检测精度。随着蜜瓜水渍程度的增加，蜜瓜光谱透射率有增加趋势。采用马氏距离判别分析法进行水渍瓜和正常瓜判别有较好的判别效果。水渍程度光谱、图像及二者信息融合检测结果表明，颜色特征建模效果最差，光谱特征模型较光谱特征主成分模型好，融合光谱与图像两种特征所建模型较光谱信息模型精度高，但提高不明显。设计了融合漫透射光谱与图像信息的河套蜜瓜SSC在线检测试验系统，系统可满足河套蜜瓜SSC在线检测试验的需求。项目研究结果表明，光谱与图像信息融合，不仅可改善果实大小、形状差异对光谱检测精度的影响，也可利用蜜瓜的颜色信息与内部品质具有一定相关性的特点提高检测精度。