摘要：[目的]本文旨在開(kāi)發(fā)一種針對水果品質(zhì)分級的便攜式設備。[方法]在軟硬件協(xié)同設計的指導思想下, 對系統進(jìn)行整體設計, 在A(yíng)RM11嵌入式微處理器和Linux操作系統環(huán)境下, 構建系統的硬件和軟件;采用C/C++和Python混合編程, 底層硬件使用C/C++開(kāi)發(fā)驅動(dòng), 參數提取、模式識別和用戶(hù)界面使用Python進(jìn)行開(kāi)發(fā), 對基于嵌入式Linux的便攜式水果品質(zhì)分級儀進(jìn)行設計與開(kāi)發(fā)。[結果]該儀器主要包括控制模塊、圖像處理模塊、模型預測模塊;實(shí)現了對顯示器、激光器和相機的控制, 圖像的采集和圖像上特征參數的提取, 包括顏色特征參數 (R、G、B、H、S、I及各標準差) 和紋理特征參數 (像素面積、平均灰度值、灰度標準差、平滑度、三階矩、一致性和熵) , 模型的選擇, 結果顯示及存儲等功能。完成了一種體積小、成本低、操作簡(jiǎn)單的水果品質(zhì)分級儀的設計與開(kāi)發(fā)。將‘湖景蜜露’水蜜桃和‘紅富士’蘋(píng)果的支持向量機 (SVC) 模型寫(xiě)入該儀器并驗證, 結果表明, ‘湖景蜜露’和‘紅富士’分級正確率分別為90%和92%。[結論]這種基于嵌入式Linux的便攜式水果品質(zhì)分級儀對水果品質(zhì)分級具有可行性, 對提高我國水果的綜合利用率和在國際市場(chǎng)上的競爭力具有重要意義。

　　關(guān)鍵詞：水果; 品質(zhì)分級儀; 嵌入式; Linux;

　　Abstract：[Objectives]This study is to develop a commercial grading device of fruit internal quality. [Methods]This study made the overall planning for the portable fruit quality grading device including hardware and software according to the guidance of hardware and software collaborative design. Hardware based on ARM11 embedded microprocessor and Linux operating system was developed and consisted of an ARM11 developed board, a semiconductor laser, a digital camera, a rechargeable battery and touch screen display. The semiconductor laser was used as a light source, and the light line was kept at an angle of 15° to the digital camera, which was used to collect laser scattering images of fruits. The software system of this device was developed modularly with C/C++and Python language. C/C + + was used to develop the low-level hardware, while the Python was used to write the characteristic parameters extracting and pattern recognizing progress and user interface. The extracted characteristic parameters included color feature parameters ( R, G, B, H, S, I and the standard difference) and texture feature parameters ( pixel area, average gray value, gray standard deviation, smoothing, third order moment, consistency and entropy) . The support vector classification ( SVC) model to grade the‘Hujingmilu'peaches and‘Honeydew Fuji'was built by using the characteristic parameters as the input data and using the manual grading results as the output data. [Results]A small size, low cost and simple operation portable fruit quality grading device was developed. The size of the device was 215 mm×120 mm×120 mm, which can meet the requirements of the nondestructive testing.The software system mainly included control module, image processing module and model prediction module. Semiconductor laser control, scattering images capture, characteristic parameters extracting, pattern recognizing and results display and saving were realized. The support vector machine ( SVC) models of‘Hujingmilu'and‘Honeydew Fuji'were programmed into the instrument. The overall testing classification accuracy rates of‘Hujingmilu'and‘Honeydew Fuji'were 90.0% and 92.0% respectively. [Conclusions]This portable fruit quality grading device based on ARM11 embedded microprocessor and Linux operating system can be useful to peach and apple grading. It is of great significance to improve the comprehensive utilization in fruit production and competitiveness of fruit in the international market.

　　Keyword：fruit; quality grading device; embedded; Linux;

　　我國是水果生產(chǎn)大國, 但水果出口主要以低端市場(chǎng)為主且單價(jià)較低, 主要原因是水果采后加工和處理技術(shù)落后, 如清洗、打蠟、分級、包裝等環(huán)節, 導致我國水果品質(zhì)差, 國際市場(chǎng)競爭力弱, 因而提高水果品質(zhì)的檢測及分級技術(shù)已經(jīng)成為我國水果進(jìn)入高端市場(chǎng)的必要前提。隨著(zhù)機器視覺(jué)技術(shù)的發(fā)展, 對于水果外部品質(zhì) (如大小、形狀、色澤、表面缺陷等) 檢測分級的研究已較為成熟, 陳艷軍等[1]利用計算機視覺(jué)技術(shù)建立了蘋(píng)果大小的分級模型;趙娟等[2]建立了一套基于計算機視覺(jué)技術(shù)檢測水果外觀(guān)缺陷的系統。而對水果內部品質(zhì) (硬度、糖度、酸度、褐變等) 的無(wú)損檢測及分級方法仍處于研究階段, 仍主要采用化學(xué)的破壞性方法, 檢測效率較低, 經(jīng)濟損失大。

　　目前, 光學(xué)技術(shù)被廣泛應用于水果品質(zhì)的無(wú)損檢測, 近紅外被應用于檢測桃、蘋(píng)果[3-4]等的品質(zhì)變化, 具有速度快、重復性強和樣品無(wú)需處理等優(yōu)點(diǎn), 但是設備昂貴, 獲取的數據量大[5]。激光散斑技術(shù)因其設備價(jià)格較低, 數據量少而被越來(lái)越多地應用于水果品質(zhì)的檢測, Qing等[6]利用5個(gè)波長(cháng)在680~980 nm的激光檢測蘋(píng)果可溶性固形和硬度。Hashim等[7]利用激光散斑技術(shù)檢測到了香蕉的冷害癥狀;Lorente等[8]檢測到了柑橘的早期腐爛癥狀。然而, 研究用的檢測系統都是在PC平臺下設計人機界面與采集設備, 這種系統體積大、不易攜帶。利用已有的預測模型進(jìn)一步開(kāi)發(fā)商業(yè)化的水果品質(zhì)分級儀的研究也鮮見(jiàn)報道。

　　嵌入式系統是以應用為中心, 軟硬件可裁剪, 軟件可固化的專(zhuān)業(yè)計算機技術(shù)[9], 是21世紀繼網(wǎng)絡(luò )技術(shù)之后, 又一個(gè)新的技術(shù)發(fā)展方向。嵌入式系統支持嵌入式設備實(shí)現小尺寸、微功耗、低成本和友好的人機界面, 使得嵌入式計算技術(shù)得以廣泛普及應用。目前, 嵌入式設備已成為國防、醫療、工業(yè)過(guò)程控制、金融、乃至于人們生活密不可分的組成部分[10-11]。

　　本研究首先對便攜式水果品質(zhì)分級儀進(jìn)行整體規劃, 完成嵌入式終端系統硬、軟件的選型, 搭建系統的硬件平臺并對其進(jìn)行硬件功能擴展;其次, 在硬件平臺上建立嵌入式Linux操作系統, 采用C/C++和Python的混合編程, 底層硬件使用C/C++開(kāi)發(fā)驅動(dòng), 參數提取、模式識別和用戶(hù)界面使用Python進(jìn)行開(kāi)發(fā), 開(kāi)發(fā)一種方便攜帶、操作簡(jiǎn)易的基于嵌入式Linux的便攜式水果品質(zhì)分級儀, 對提高我國水果的綜合利用率以及在國際市場(chǎng)上的競爭力具有重要意義。

　　1、系統總體設計

　　便攜式水果品質(zhì)分級儀, 其基本目的是采集激光散射圖像, 并將采集回來(lái)的圖像數據進(jìn)行模式識別、數據處理, 最后輸出, 以滿(mǎn)足實(shí)時(shí)性、便攜性、功能、成本的需求。便攜式水果品質(zhì)分級儀的結構如圖1所示, 整個(gè)儀器的尺寸為215 mm×120 mm×100 mm, 主要包括半導體激光發(fā)射器、相機和鏡頭、電池、開(kāi)發(fā)板、顯示屏、SD卡和開(kāi)關(guān), 其中, 半導體激光發(fā)射器和相機呈15°角, 工業(yè)相機放置在距離外殼圓形開(kāi)口91.6 mm處。便攜式水果品質(zhì)分級儀工作流程如圖2所示。將水果樣品緊貼儀器前端開(kāi)口處, 保證儀器內部黑暗環(huán)境, 采集果實(shí)胴體的激光散射圖像, 然后調用SD卡中編寫(xiě)的代碼對圖像進(jìn)行處理, 提取圖像上的特征參數, 進(jìn)行判別, 結果在顯示屏上顯示, 激光散射圖像、特征參數、判別結果都保存在SD卡中。

圖1 便攜式水果品質(zhì)分級儀的結構圖 (A) 和三維建模圖 (B)

　　1:外殼Machine shell;2:激光發(fā)射器Diode laser;3:開(kāi)發(fā)板Development board;4:顯示屏Touch screen display;5:開(kāi)關(guān)Switch;6:SD卡SD card;7:相機和鏡頭Camera and lens;8:電池Battery;9:樣品Sample

圖2 工作流程圖

　　2、硬件設計

　　2.1、開(kāi)發(fā)板

　　本研究選用Raspberry Pi型號B+, 中文譯名為“樹(shù)莓派”的嵌入式開(kāi)發(fā)板來(lái)實(shí)現系統功能[12-13]。Raspberry Pi-B+配備了一顆ARM11系列、主頻為700 MHz的CPU, 可以滿(mǎn)足圖像快速處理的需要。Raspberry Pi-B+集成了豐富的外圍接口, 如激光器、顯示器等, 可以方便地與外界通訊及進(jìn)行調試, 無(wú)需設計很多外圍設備就可以實(shí)現項目所需要的主要功能, 使得系統硬件可以做得比較小, 滿(mǎn)足水果品質(zhì)分級儀小型化的要求, 同時(shí)也可以降低開(kāi)發(fā)成本。詳細配置見(jiàn)表1。

表1 開(kāi)發(fā)板的配置參數

　　2.2、工業(yè)相機

　　圖像質(zhì)量是后期圖像處理、獲得特征參數的十分重要的影響因素之一, 工業(yè)相機的性能決定了激光散射圖像的質(zhì)量, 要想得到真實(shí)、準確的圖像信息, 就必須有一臺高配置的相機, 它是硬件系統的一個(gè)關(guān)鍵部件[14]。本研究選用EASY VIEW型號DC10102的工業(yè)相機, 配備CSC300型號的鏡頭, 像素為500 px, 圖像傳感器為1/2″彩色CMOS, 最大分辨率為2 048×1 536, 圖像質(zhì)量高, 通過(guò)USB 2.0輸出, 確保信號穩定。

　　2.3、激光器

　　基于激光散射圖像檢測水果品質(zhì)的研究[15-17], 選用半導體激光發(fā)射器, 具有價(jià)格低、體積小、重量輕、耗電少、壽命長(cháng)、效率高、運轉可靠等優(yōu)點(diǎn)。本硬件系統使用的光源為南京來(lái)創(chuàng )激光科技有限公司訂制的ED650-100P (即波長(cháng)為650 nm, 功率為0~100 m W可調) 半導體激光器。光源與相機呈15°角, 發(fā)射的光打在外殼圓形開(kāi)口正中央, 在樣品上可以采集到圓形激光散斑。

　　2.4、顯示屏

　　顯示屏選用與Raspberry Pi-B+開(kāi)發(fā)板匹配的Waveshare 4寸電阻屏, 320×480分辨率, 支持觸控, 兼容并可直接插入任何版本的樹(shù)莓派, 提供驅動(dòng) (可直接用于自定義的Raspbian系統) , 采用IPS技術(shù), 視角廣, 顯示效果出眾。

　　3、軟件設計

　　3.1、嵌入式操作系統的選擇

　　操作系統是嵌入式系統中軟件平臺的核心, 它允許用戶(hù)在其上運行應用程序[18]。對系統功能和各種操作系統特點(diǎn)進(jìn)行分析以后, 我們選擇嵌入式Linux作為應用系統的操作系統平臺。Linux操作系統是一種性能優(yōu)良并且被廣泛應用的32位準實(shí)時(shí)嵌入式操作系統, 其特點(diǎn)主要有內核高效穩定、公開(kāi)源代碼、可移植性、可裁剪性和支持多任務(wù), 適合于構建嵌入式圖像處理設備[19]。

　　3.2、開(kāi)發(fā)工具的選擇

　　基于嵌入式Linux平臺進(jìn)行應用程序開(kāi)發(fā)時(shí), 首先要在PC平臺下開(kāi)發(fā), 因為嵌入式軟件不具備自主開(kāi)發(fā)能力, 然后經(jīng)過(guò)編譯、鏈接生成目標代碼, 再通過(guò)一定的工具轉化成嵌入式系統中的可執行代碼后下載到目標環(huán)境中運行[20]。本研究中, 嵌入式便攜水果品質(zhì)檢測儀的編譯器及調試工具選擇ADS1.2 (ARM Developer Suite) 。ADS是ARM公司為嵌入式ARM設計的一整套軟件開(kāi)發(fā)工具, 支持包括Windows和Linux在內的多種操作系統, 采用C/C++和Python的混合編程。

　　3.3、軟件模塊開(kāi)發(fā)

　　3.3.1、控制模塊

　　1) 顯示器和激光器的操控。樹(shù)莓派的GPIO是通用型輸入、輸出 (General Purpose I/O) 的簡(jiǎn)稱(chēng), 它的各個(gè)pin可以由使用者自己定義使用, 使用pin作為通用輸入 (GPI) 或者通用輸出 (GPO) 或者輸入、輸出。簡(jiǎn)單來(lái)說(shuō), 就是可以通過(guò)上位機的代碼來(lái)對各個(gè)pin口的高低電位進(jìn)行設置, 這樣就可以對外圍的其他硬件進(jìn)行操控[21]。本系統采用的Raspberry Pi帶有26 pin的GPIO口, 通過(guò)軟件對GPIO口進(jìn)行操控, 從而能夠對外圍設備進(jìn)行簡(jiǎn)單的邏輯操控。我們使用的顯示器設備使用了1~26 pin, 對于激光器的操控使用了39、40 pin。在Raspberry Pi的官方文件中, 為Python提供了RPi.GPIO的api, 使用原理如下:

　　2) 相機的操控。對相機的操控使用的是USB設備, 上位機Raspberry Pi使用的是webcam+libusb開(kāi)源驅動(dòng)程序。USB設備有4種傳輸方式:Bulk傳輸、控制傳輸、中斷傳輸、同步傳輸。Bulk傳輸用于傳輸大塊的數據, 控制傳輸主要用于傳輸USB設置的一些控制信息, 中斷傳輸用于處理PCI中斷的一些數據[22]。

　　在Raspberry Pi對相機操控的時(shí)候, 使用的是Bulk傳輸方式。首先在Raspberry Pi端向相機發(fā)送一個(gè)Bulk的令牌請求, 從相機接收 (IN) 還是返回 (OUT) 數據, 然后Raspberry Pi端根據從相機在固件中寫(xiě)好的指令集發(fā)送對應指令, 從相機接收到該指令后做相應的工作。之后, Raspberry Pi設備再次發(fā)送讀取數據的指令, 并將方向設置為OUT, 并接收數據。Bulk傳輸是一種安全傳輸方式, 能夠保證傳輸的數據包不丟失。

　　在軟件層面, 我們使用的是開(kāi)源的libusb作為連接驅動(dòng)。libusb是一個(gè)開(kāi)源的USB驅動(dòng)程序, 并且有C#、Java、Python等語(yǔ)言的接口api。使用libusb的Python接口api進(jìn)行開(kāi)發(fā)。

　　在應用層面, 我們使用了opencv的Python的api進(jìn)行開(kāi)發(fā), 使用面向對象的編程思想, 將camera封裝成一個(gè)類(lèi), 將對相機的操作全都封裝成簡(jiǎn)單的方法 (圖3) 。為了控制采集速度和處理速度, 我們將單次采集圖片的分辨率設置成了320×240。在調用該類(lèi)的時(shí)候, 默認在初始化方法_init_中打開(kāi)index相機。通過(guò)read方法, 將采集的照片存儲在savepath的路徑下面, 為了防止圖片命名重復, 使用了日期+時(shí)間戳來(lái)進(jìn)行命名。

圖3 camera類(lèi)的結構

　　3.3.2、圖像處理模塊

　　采集完圖像之后, 我們需要對圖像進(jìn)行處理, 提取特征參數。將對圖像處理的方法封裝在calculate的類(lèi)中 (圖4) , 通過(guò)調用calculate即可。其中matrix_x_matrix方法用于處理矩陣之間的相互乘法運算;get_wavelet方法用于進(jìn)行小波運算, 是對Python的pywt庫的二次封裝;get_imhist方法用于獲取圖像的直方圖, 參考matlab的imhist方法, 對numpy庫的histogram方法進(jìn)行二次封裝。

　　由于Python帶有numpy和pylab庫, 可以方便地對數據進(jìn)行矩陣運算, 部分不能完成的矩陣運算, 仿照matlab的操作原理編寫(xiě)了tools庫 (圖5) 。其中m_dir方法參考了matlab的dir方法, 用于返回filepath下面的所有文件列表;m_length方法參考matlab的length方法, 用于返回一個(gè)矩陣的長(cháng)度;m_round方法參考了matlab的round方法, 用于返回近似值;m_num2str方法參考了matlab的num2str方法, 用于將一個(gè)數據進(jìn)行字符串化;m_strcat參考了matlab的strcat的方法, 用于將多個(gè)字符串進(jìn)行連接。

圖4 calculate類(lèi)的結構

圖5 tools類(lèi)結構

　　3.3.3、模型預測模塊

　　調用圖像處理模塊提取的特征參數, 將圖像上的特征參數帶入水果內部品質(zhì)的預測模型中, 得到判別結果并輸出。針對不同種類(lèi)、不同品種的水果建立一個(gè)完整的檢測數據庫還有待后續研究。

　　4、交互界面的開(kāi)發(fā)及操作

　　4.1、交互界面的開(kāi)發(fā)

　　交互界面的開(kāi)發(fā)采用了Python自帶的Tkinter庫, 該庫是Python的標準Tk GUI工具包的接口, 可以在Unix、類(lèi)Unix平臺和Windows平臺里使用, 采用了系統原生的窗口風(fēng)格。該庫使用簡(jiǎn)單, 開(kāi)發(fā)迅速, 執行以下步驟即可[23-24]:

　　�S導入Tkinter模塊

　　�S創(chuàng )建GUI程序的root主窗口

　　�S添加組件到GUI程序的root主窗口上

　　�S進(jìn)入主事件循環(huán), 并綁定組件對應的事件

　　�S編寫(xiě)事件代碼

　　4.2、操作流程

　　4.2.1、開(kāi)始界面

　　打開(kāi)電源, 進(jìn)入開(kāi)始界面 (圖6) , 有“參數設置”和“開(kāi)始采集”2個(gè)按鈕。

圖6 水果品質(zhì)分級儀開(kāi)始界面

　　4.2.2、參數設置界面

　　點(diǎn)擊開(kāi)始界面上的“參數設置”按鈕, 進(jìn)入參數設置界面 (圖7-A) , 有“模型選擇”和“拍攝條件”2個(gè)按鈕。點(diǎn)擊“模型選擇”按鈕后進(jìn)入模型選擇界面 (圖7-B) , 點(diǎn)擊蘋(píng)果后面的下拉按鈕, 菜單顯示‘紅富士’和‘嘎啦’, 點(diǎn)擊桃子后面下拉按鈕, 菜單顯示‘霞脆’和‘湖景蜜露’, 選擇所需模型后, 點(diǎn)擊“確定”, 返回到參數設置界面, 點(diǎn)擊“取消”, 可以重新選擇。點(diǎn)擊“拍攝條件”按鈕后進(jìn)入拍攝條件的選擇 (圖7-C) , 點(diǎn)擊拍攝后的下拉按鈕選擇采集圖像數量, 如:選擇“2”即每個(gè)樣品采集2張圖片, 以這2張圖片的平均值作為該樣品判別等級的數據。點(diǎn)擊“確定”, 返回到參數設置界面, 點(diǎn)擊“取消”, 可以重新選擇。

　　4.2.3、圖像采集及顯示界面

　　點(diǎn)擊開(kāi)始界面上的“開(kāi)始測試”按鈕, 進(jìn)入圖像采集界面 (圖8-A) , 有“開(kāi)始測試”和“記憶”2個(gè)按鈕。點(diǎn)擊“開(kāi)始測試”按鈕, 儀器對樣品進(jìn)行圖像采集, “開(kāi)始測試”按鈕顯示為“照片采集中”。當采集完畢, “照片采集中”按鈕顯示為“照片計算中”。當計算完畢, 在屏幕上顯示判別結果 (圖8-B) 。點(diǎn)擊“記憶”, 顯示上一次的結果, 再點(diǎn)擊“記憶”, 顯示上上次的結果, 以此類(lèi)推。

圖7 參數設置界面 (A) 、模型選擇界面 (B) 和拍攝條件界面 (C)

圖8 圖像采集界面 (A) 和結果顯示界面 (B)

　　4.3、數據存儲

　　所有測試結果以水果類(lèi)別和測試日期保存在Excel表中, 存儲于儀器中的SD卡內。

　　5、結果與討論

　　支持向量機 (SVC) 在解決小樣本、非線(xiàn)性及高緯度識別中具有優(yōu)勢[25]。為測試開(kāi)發(fā)的基于嵌入式Linux的便攜式水果品質(zhì)分級儀的效果, 本研究將已經(jīng)建立的‘湖景蜜露’水蜜桃和‘紅富士’蘋(píng)果分級的SVC模型導入該儀器進(jìn)行驗證。通過(guò)用質(zhì)構儀和折光儀測定樣品的硬度和糖度的含量, 參照《鮮桃:NY/T586—2002》和《鮮蘋(píng)果:GB/T 10651—2008》對‘湖景蜜露’和‘紅富士’的糖度和硬度進(jìn)行分級, 糖度和硬度都為一等, 則品質(zhì)等級為一等, 否則, 品質(zhì)等級為二等。以像素面積、一致性和熵這3個(gè)特征參數集作為SVC模型自變量x的輸入, 品質(zhì)等級作為模型應變量y輸出。各選取500個(gè)樣品對其進(jìn)行檢測和分級, 分級結果如表2。該水果品質(zhì)分級系統能夠對‘湖景蜜露’和‘紅富士’實(shí)現正確分級, 即該系統滿(mǎn)足對水蜜桃和蘋(píng)果品質(zhì)分級的要求。本研究提取了激光散射圖像上更多的特征參數, 減少了有效信息的損失。支持向量機模型在解決小樣本、非線(xiàn)性及高緯度識別中具有優(yōu)勢, 所以模型正確率比吳海倫[14]和陳育彥等[16]建立的線(xiàn)性模型有所提高。另外, 該便攜式水果品質(zhì)分級儀上有模式識別的接口, 可以利用該儀器進(jìn)一步研究其他水果的分級模型。

表2 水果品質(zhì)分級

　　6、結論

　　隨著(zhù)生活水平的提高, 消費者在采購水果時(shí), 除了大小、顏色等外觀(guān)品質(zhì)外, 對口感和質(zhì)地等內部品質(zhì)的要求也越來(lái)越高。采用化學(xué)的方法抽樣測定, 檢測效率較低, 經(jīng)濟損失大, 而目前試驗用的激光散射圖像采集系統成本高, 體積大不易攜帶。針對以上問(wèn)題, 本研究開(kāi)發(fā)了一種基于嵌入式Linux的便攜式水果品質(zhì)分級系統, 整個(gè)系統的尺寸為215 mm×120 mm×100 mm, 包括控制模塊、圖像處理模塊、模型預測模塊;實(shí)現了對顯示器、激光器和相機的控制, 圖像的采集和圖像上特征參數的提取, 包括顏色特征參數 (R、G、B、H、S、I及各標準差) 和紋理特征參數 (像素面積、平均灰度值、灰度標準差、平滑度、三階矩、一致性和熵) , 模型的選擇, 結果顯示及存儲等功能;體積小、成本低、操作簡(jiǎn)單, 可以滿(mǎn)足現場(chǎng)無(wú)損檢測的要求。

　　交互界面采用Python進(jìn)行開(kāi)發(fā), 導入Tkinter模塊, 創(chuàng )建GUI程序的root主窗口, 添加組件到GUI程序的root主窗口上, 進(jìn)入主事件循環(huán), 并綁定組件對應的事件, 編寫(xiě)事件代碼, 開(kāi)發(fā)迅速, 具有友好的人機界面, 操作簡(jiǎn)單, 易于維護。

　　本研究將已經(jīng)建立的‘湖景蜜露’和‘紅富士’分級的支持向量機 (SVC) 模型導入該儀器進(jìn)行驗證, 結果表明, ‘湖景蜜露’和‘紅富士’分級正確率分別為90%和92%, 該系統滿(mǎn)足對水蜜桃和蘋(píng)果品質(zhì)分級的要求。但由于同一種類(lèi)的水果品種繁多, 地區性差異大, 如何減少模型數量, 提高模型預測的正確率, 建立一個(gè)完整的檢測數據庫, 還需要后續研究。

　　參考文獻
　　[1]陳艷軍, 張俊雄, 李偉, 等.基于機器視覺(jué)的蘋(píng)果最大橫切面直徑分級方法[J].農業(yè)工程學(xué)報, 2012, 28 (2) :284-288.Chen Y J, Zhang J X, Li W, et al.Grading method of apple by maximum cross-sectional diameter based on computer vision[J].Transactions of the Chinese Society of Agricultural Engineering, 2012, 28 (2) :284-288 (in Chinese with English abstract) .
　　[2]趙娟, 彭彥昆, Dhakal Sagar, 等.基于機器視覺(jué)的蘋(píng)果外觀(guān)缺陷在線(xiàn)檢測[J].農業(yè)機械學(xué)報, 2013, 44 (增刊1) :260-263.Zhao J, Pen Y K, Dhakal S, et al.On-line detection of apple surface defect based on image processing method[J].Transactions of the Chinese Society for Agricultural Machinery, 2013, 44 (Suppl 1) :260-263 (in Chinese with English abstract) .
　　[3]Liu Y, Chen X, Ouyang A.Nondestructive determination of pear internal quality indices by visible and near-infrared spectrometry[J].LWT-Food Science and Technology, 2008, 41:1720-1725.
　　[4]Kumar S, McG lone A, Whitworth C, et al.Postharvest performance of apple phenotypes predicted by near-infrared (NIR) spectral analysis[J].Postharvest Biology and Technology, 2015, 100:16-22.
　　[5]Lu R.Multispectral imaging for predicting firmness and soluble solids content of apple fruit[J].Postharvest Biology and Technology, 2004, 31:147-157.
　　[6]Qing Z, Ji B, Zude M.Predicting soluble solid content and firmness in apple fruit by means of laser light backscattering image analysis[J].Journal of Food Engineering, 2007, 82 (1) :58-67.
　　[7]Hashim N, Pflanz M, Regen C, et al.An approach for monitoring the chilling injury appearance in bananas by means of backscattering imaging[J].Journal of Food Engineering, 2013, 116 (1) :28-36.
　　[8]Lorente D, Zude M, Idler C, et al.Laser-light backscattering imaging for early decay detection in citrus fruit using both a statistical and a physical model[J].Journal of Food Engineering, 2015, 154:76-85.
　　[9]符意德.嵌入式系統設計原理及應用[M].2版.北京:清華大學(xué)出版社, 2010:5-65.Fu Y D.Design Principle and Application of Embedded System[M].2nd ed.Beijing:Tsinghua University Press, 2010:5-65 (in Chinese) .
　　[10]徐寶成.基于A(yíng)RM的嵌入式便攜終端系統的研究與設計[D].西安:西安理工大學(xué), 2007.Xu B C.Research and design of embedded system for portable terminal based on ARM[D].Xi'an:Xi'an University of Science and Technology, 2007 (in Chinese with English abstract) .
　　[11]孔祥營(yíng).嵌入式系統可信計算環(huán)境構建關(guān)鍵技術(shù)研究[D].南京:南京航空航天大學(xué), 2015.Kong X Y.Key technology research of trusted computing environment for embedded system[D].Nanjing:Nanjing University of Aeronautics and Astronautics, 2015 (in Chinese with English abstract) .
　　[12]李文勝.基于樹(shù)莓派的嵌入式Linux開(kāi)發(fā)教學(xué)探索[J].電子技術(shù)與軟件工程, 2014 (9) :219-220.Li W S.Developing teaching research on embedded Linux based on Raspberry Pi[J].Electronic Technology and Software Engineering, 2014 (9) :219-220 (in Chinese) .
　　[13]王瑞寶, 王節旺.基于樹(shù)莓派的雷電預警系統設計方案[J].電子設計工程, 2016, 24 (1) :169-171.Wang R B, Wang J W.The design of lighting warning system based on Raspberry Pi[J].Electronic Design Engineering, 2016, 24 (1) :169-171 (in Chinese with English abstract) .
　　[14]吳海倫.基于生物散斑技術(shù)的蘋(píng)果內部品質(zhì)檢測分級及儀器開(kāi)發(fā)[D].南京:南京農業(yè)大學(xué), 2015.Wu H L.Studies on detection and grading of apple's internal quality based on biological speckle technique and instrument development[D].Nanjing:Nanjing Agricultural University, 2015 (in Chinese with English abstract) .
　　[15]van Beers R, Aernouts B, León Gutiérrez L, et al.Optimal illumination-detection distance and detector size for predicting Braeburn apple maturity from Vis/NIR laser reflectance measurements[J].Food and Bioprocess Technology, 2015, 8 (10) :2123-2136.
　　[16]陳育彥, 屠康, 任珂, 等.基于激光圖像分析的桃貨架品質(zhì)無(wú)損檢測試驗[J].農業(yè)機械學(xué)報, 2007, 38 (3) :110-113.Chen Y Y, Tu K, Ren K, et al.Experimental research of laser image analysis for peach quality during its shelf life[J].Transactions of the Chinese Society for Agricultural Machinery, 2007, 38 (3) :110-113 (in Chinese with English abstract) .
　　[17]胡孟晗, 董慶利, 劉寶林, 等.生物散斑技術(shù)在農產(chǎn)品品質(zhì)分析中的應用[J].農業(yè)工程學(xué)報, 2013, 29 (24) :284-292.Hu M H, Dong Q L, Liu B L, et al.Application of biospeckle on analysis of agricultural products quality[J].Transactions of the Chinese Society of Agricultural Engineering, 2013, 29 (24) :284-292 (in Chinese with English abstract) .
　　[18]郭朗.基于A(yíng)RM的嵌入式系統設計[D].成都:電子科技大學(xué), 2007.Guo L.Design of embedded system based on ARM processor in China[D].Chengdu:University of Electronic Science and Technology of China, 2007 (in Chinese with English abstract) .
　　[19]聶和平.基于A(yíng)RM9的嵌入式Linux系統移植與驅動(dòng)開(kāi)發(fā)[D].南京:南京郵電大學(xué), 2013.Nie H P.Research on system transplantation and driver development of embedded Linux based on ARM9[D].Nanjing:Nanjing University of Posts and Telecommunications, 2013 (in Chinese with English abstract) .
　　[20]王瓊.基于嵌入式Linux數據采集系統的軟件設計與實(shí)現[D].成都:電子科技大學(xué), 2013.Wang Q.The software design and implementation of data acquisition system based on embedded Linux[D].Chengdu:University of Electronic Science and Technology, 2013 (in Chinese with English abstract) .
　　[21]張學(xué)勇.基于A(yíng)RM9的Linux內核移植及USB設備驅動(dòng)程序開(kāi)發(fā)[D].哈爾濱:哈爾濱理工大學(xué), 2010.Zhang X Y.Linux kernel porting based on ARM9 and USB device driver development[D].Harbin:Harbin University of Science and Technology, 2010 (in Chinese with English abstract) .
　　[22]康計良.Python語(yǔ)言的可視化編程環(huán)境的設計與實(shí)現[D].西安:西安電子科技大學(xué), 2012.Kang J L.Design and implementation of Python language visual programming environment[D].Xi'an:Xidian University, 2012 (in Chinese with English abstract) .
　　[23]李?lèi)?基于Python+Tkinter的Linux GUI輔助管理工具的設計與實(shí)現[D].長(cháng)春:吉林大學(xué), 2009.Li Y.Design and implementation of GUI aided management tool in Linux based on Python+Tkinter[D].Changchun:Jilin University, 2009 (in Chinese with English abstract) .
　　[24]謝堂勝, 劉德?tīng)I, 陳京, 等.白背飛虱智能識別技術(shù)研究[J].南京農業(yè)大學(xué)學(xué)報, 2016, 39 (3) :519-526.DOI:10.7685/jnau.201508026.Xie T S, Liu D Y, Chen J, et al.Automatic identification of Sogatella furcifer[J].Journal of Nanjing Agricultural University, 2016, 39 (3) :519-526 (in Chinese with English abstract) .
　　[25]Pan L, Qiang Z, Wei Z, et al.Detection of cold injury in peaches by hyperspectral reflectance imaging and artificial neural network[J].Food Chemistry, 2016, 192:134-141.