[发明专利]一种基于声振多域谱与近红外光谱信息融合的梨果早期内部病害无损检测方法及装置

权利要求书

1.一种基于声振多域谱与近红外光谱信息融合的梨果早期内部病害无损检测方法，其特征在于，按照以下步骤进行：

步骤一：病害梨果样本的制备方法：首先采用创伤接种法在超净工作台上用微量注射器将浓度为1.0×10¹⁰cfu/mL青霉孢子悬浮液沿梨果萼端注入梨果果核区，注射后的梨果试样转移到恒温恒湿箱中，在温度为25℃、相对湿度为90％的环境进行内部病害发展；

步骤二：在实验装置稳定可靠的条件下，分别利用声振检测装置和近红外透射光谱仪同步采集时域/频域信息和光谱信息；

步骤三：采集声振信号多域谱和透射光谱后，从中心线部位将梨果切开，将梨沿赤道部位做横切，用智能扫描仪ET18对果肉进行拍摄，用图像处理软件Photoshop计算图像中腐烂果肉面积占整个断面面积的百分比；

步骤四：分别利用信号处理技术和光谱分析技术对获得的声振多域谱和光谱信息进行数据处理，分别提取能有效表征内部病害梨果的声振响应信号多域谱特征和透射光谱特征，以建立声振多域谱/透射光谱信息特征集；

步骤五：基于建立的声振多域谱/透射光谱信息特征集，利用机器学习算法在特征层构建判别梨果内部病害的预测模型；

步骤六：基于单一源声振信号多域谱及近红外透射光谱信息特征子集，利用机器学习算法构建梨果内部病害系列判别分析模型，然后利用D-S证据理论对构建的彼此独立的系列预测模型概率输出进行融合，建立在决策层面上融合的病害梨果判别模型。

2.根据权利要求1所述的一种基于声振多域谱与近红外光谱信息融合的梨果早期内部病害无损检测方法，其特征在于：按照病害果和健康果数量比例1:1的要求，重复步骤二对健康果进行声振多域谱和近红外透射光谱信息的采集。

3.根据权利要求1所述的一种基于声振多域谱与近红外光谱信息融合的梨果早期内部病害无损检测方法，其特征在于：所述的步骤四中在完成上述声振信号多域谱特征与近红外透射光谱特征变量提取的基础上，统一多源声振多域谱和近红外透射光谱信息维度并进行归一化处理，若声振多域谱/近红外光谱的各特征参数中存在信息重复表达，采用主成分分析的方法进行降维，使选取的主成分之间互不相关，且方差累计贡献率达到80％以上，最终根据选定主成分的个数、得分情况构建可有效表征内部病害的多域谱/光谱信息特征集。

4.根据权利要求1所述的一种基于声振多域谱与近红外光谱信息融合的梨果早期内部病害无损检测方法，其特征在于：所述的步骤五中机器学习算法包括BP神经网络BP-ANN、支持向量机SVM、极限学习机ELM、随机森林RF传统机器学习算法和深度置信网络DBN、堆叠式自动编码器SDAE、深度卷积神经网络DCNN深度学习算法。

5.一种实现权利要求1所述的一种基于声振多域谱与近红外光谱信息融合的梨果早期内部病害无损检测方法的装置，其特征在于，该装置由声振检测系统、近红外光谱系统以及模式识别与数据融合处理系统组成；其中声振检测系统包括信号发生器、电压放大器、压电梁式加速度传感器，VibPilot振动控制与动态信号采集分析仪及其配套的SOAnalyzer4.1软件；近红外透射光谱系统包括光谱采集仪、光纤探头，检测台、光源、遮光暗箱，光谱采集仪和OceanView采集分析仪分别与计算机连接；计算机内信号融合与模式识别系统模拟人的大脑对近红外光谱数据和声振多域谱数据进行融合和模式识别处理，最后由计算机决定被测梨果的病害有无。