Неразрушающее обнаружение механических повреждений в яблоках с помощью импульсной инфракрасной термографии

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В процессе сбора, хранения и транспортировки столкновения между плодами могут привести к механическим повреждениям и снижению общего качества фруктов. Для обеспечения качества фруктов необходимо проводить их неразрушающий контроль. В данной работе исследуется метод неразрушающей оценки (NDE) ранних механических повреждений яблок с помощью импульсной инфракрасной термографии (PIRT). Для обработки и анализа полученных изображений применялись различные методы обработки данных, включая быстрое преобразование Фурье (FFT), анализ главных компонент (PCA) и морфологические алгоритмы. Экспериментальные результаты показывают, что морфологический алгоритм лучше других алгоритмов справляется с обнаружением краев дефектов, позволяя четко идентифицировать особенности дефектов и уменьшая шумовые помехи. Мы предлагаем эффективное и точное решение для неразрушающей оценки механических повреждений яблок, что важно для улучшения качества сельскохозяйственной продукции и продления срока ее хранения.

Полный текст

Доступ закрыт

Об авторах

Сен Ванг

Институт легкой промышленности, Харбинский коммерческий университет

Email: 3170700600@qq.com
Китай, 150028 Харбин

Синь Хуанг

Институт легкой промышленности, Харбинский коммерческий университет

Email: huangx1359@163.com
Китай, 150028 Харбин

Бин Ванг

Институт легкой промышленности, Харбинский коммерческий университет

Email: 2406185469@qq.com
Китай, 150028 Харбин

Тао Пэн

Институт легкой промышленности, Харбинский коммерческий университет

Email: 815509799@qq.com
Китай, 150028 Харбин

Чиву Бу

Институт легкой промышленности, Харбинский коммерческий университет

Автор, ответственный за переписку.
Email: buchiwu@126.com
Китай, 150028 Харбин

Список литературы

  1. Hussein Z., Caleb O., Opara U.L. Perforation-mediated modified atmosphere packaging of fresh and minimally processed produce—A review // Food Packaging Shel. 2015. V. 6. P. 7—20.
  2. Bhargava A., Bansal A. Fruits and vegetables quality evaluation using computer vision: A review // J. King Saud Univ-Com. 2021. V. 33. P. 243—257.
  3. Amigo J.M., Babamoradi H., Elcoroaristizabal S. Hyperspectral image analysis. A tutorial // Anal. Chim. Acta. 2015. V. 896. P. 34—51.
  4. Celio P. Near infrared spectroscopy: A mature analytical technique with new perspectives—A review // Anal. Chim. Acta. 2018. V. 1026. P. 8—36.
  5. Yu S.K., Wang N., Ding X.Y. et al. Detection of pear freezing injury by non-destructive X-ray scanning technology // Postharvest. Biol. Tec. 2022. V. 190. P. 111950.
  6. Tian S.J., Wang S., Xu H.R. Early detection of freezing damage in oranges by online Vis/NIR transmission coupled with diameter correction method and deep 1D-CNN // Comput. Electron. Agr. 2022. V. 193. P. 106638.
  7. Xu R., Takeda F., Krewer G. et al. Measure of mechanical impacts in commercial blueberry packing lines and potential damage to blueberry fruit // Postharvest. Biol. Tec. 2015. V. 1. No. 110. P. 103—13.
  8. Reflk P., Aktas T., Ikinci A. Selected Mechanical Properties and Bruise Susceptibility of Nectarine Fruit // International Journal of Food Properties. 2012. V. 15. P. 103—113.
  9. Jesse K., Jiang Y., Li C.Y. Blueberry bruise detection by pulsed thermographic imaging // Postharvest. Biol. Tec. 2018. V. 136. P. 166—177.
  10. Lui H., Liu J.Y., Wang Y. Processing thermal image sequences for defect detection based on ultrasound lock-in thermography // Infrared and Laser Engineering. 2011. V. 40. No. 5. P. 944—948.
  11. Han Q., Wang H., Hou M. et al. HWA-SegNet: Multi-channel skin lesion image segmentation network with hierarchical analysis and weight adjustment // Comput. Biol. Med. 2023. V. 152. P. 106343.
  12. Panahandeh S., May D., Grosse-Kockert C. et al. Pulsed infrared thermal imaging as inline quality assessment tool // Microelectron. Reliab. 2023. V. 142. P. 114910.
  13. Vavilov V.P. Thermal Nondestructive Testing: Development of Conventional Directions and New Trends (A Review) // Russ. J. Nondestruct+. 2023. V. 59. P. 702—723.
  14. Pawar S.S., Vavilov V.P. Applying the heat conduction-based 3D normalization and thermal tomography to pulsed infrared thermography for defect characterization in composite materials // Int. J. Heat. Mass. Tran. 2016. V. 94. P. 56—65.
  15. Liu G., Gao, W., Liu, W. et al. Debonding Defect Detection by Applying Pulsed, Lock-in and Linear Frequency Modulation Thermal Excitation Methods in the Inspection of Fiber-Reinforced Metal Laminates // Russ. J. Nondestruct+. 2023. V. 59. P. 915—922.
  16. Abidin I.Z., Tian G.Y., Wilson J. et al. Almond D. Quantitative evaluation of angular defects by pulsed eddy current thermography // Ndt & E International. 2010. V. 43. No. 7. P. 537—546.
  17. Hasanzadeh B., Abbaspour-Gilandeh Y., Soltani-Nazarloo A. et al. Non-Destructive Measurement of Quality Parameters of Apple Fruit by Using Visible/Near-Infrared Spectroscopy and Multivariate Regression Analysis // Sustainability-Basel. 2022. V. 14. P. 14918.
  18. Ostu N. A threshold selection method from gray-level histograms // IEEE Trans SMC. 1979. V. 9. P. 62.
  19. Vavilov V.P., Chulkov A.O., Shiryaev V.V. et al. Noise suppression in pulsed IR thermographic NDT: Efficiency of data processing algorithms // NDT&E INT. 2024. V. 148. P. 103240.
  20. Baranowski P., Mazurek W., Witkowska-Walczak B. et al. Detection of early apple bruises using pulsed-phase thermography // Postharvest. Biol. Tec. 2009. V. 53. No. 3. P. 91—100.
  21. Gang W.A., Xuechang C.H., Dongyang H.A. et al. Research on threshold segmentation algorithm of coal CT images based on improved Otsu // Coal Science and Technology. 2021. V. 49. No. 1. P. 264—271.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Причины механических повреждений плодов.

Скачать (957KB)
3. Рис. 2. Импульсная инфракрасная система обнаружения тепловых волн.

Скачать (211KB)
4. Рис. 3. Последовательность термографии в процессе нагрева: 0,02 с (а); 5 с (б); 15 с (в); 25 с (г).

Скачать (489KB)
5. Рис. 4. Разница температур между зоной дефекта и зоной без дефекта.

Скачать (262KB)
6. Рис. 5. Результаты обработки различными алгоритмами: фаза FFT (а); PCA (б); THD (в).

Скачать (403KB)
7. Рис. 6. Сравнение SNR (соотношение сигнал/шум) между FFT (быстрое преобразование Фурье), PCA (анализ главных компонент) и THD (общее искажение высшими гармониками) .

Скачать (68KB)
8. Рис. 7. Изображения, обработанные методом PCA и сегментированные с помощью итерационного порогового алгоритма: преобразование в оттенки серого (а); результаты итерационной пороговой сегментации (б).

Скачать (401KB)
9. Рис. 8. Изображения, обработанные методом PCA и сегментированные пороговым алгоритмом по методу Оцу: глобальная пороговая сегментация Оцу (а); локальная пороговая сегментация Оцу (б).

Скачать (342KB)
10. Рис. 9. Блок-схема морфологического алгоритма.

Скачать (323KB)
11. Рис. 10. Результаты работы алгоритма автоматического распознавания морфологических краев дефектов: PCA-обработанные изображения (а); предварительная обработка изображений (б); расширение (в); устранение (г); выделение скелета (д); результат (е).

Скачать (665KB)
12. Рис. 11. Сравнение различных алгоритмов сегментации: итерационная пороговая сегментация (а); локальная пороговая сегментация Оцу (б); алгоритм автоматического распознавания краев дефекта (в).

Скачать (302KB)

© Российская академия наук, 2025