1.一种多光谱-射频-热风果蔬干燥检测装置，其特征在于，装置包括射频热风加热系统、多光谱检测系统和控制装置；

射频热风加热系统包括干燥腔、日光灯管、射频加热装备和热风加热装备，射频加热装备包括射频发生器、上电极板和下电极板，热风加热装备包括鼓风机、加热器、温度调节器和气流调节器；射频发生器位于上电极板上方，上电极板与下电极板相互平行，上电极板高度可调，干燥时将物料放置下电极板上，通过调整上电极板的高度改变两极板的距离，提供不同的干燥功率；日光灯管位于上电极板与下电极板之间，鼓风机与加热器相连，鼓风机的两个出口位于下电极板下方；温度调节器与加热器连接，控制加热温度；气流调节器与鼓风机连接，控制热风传送的速度；所述的上电极板、日光灯管位于干燥腔内；

多光谱检测系统包括多光谱相机、镜头滤片、光电传感器、环形光源和光源发生器；多光谱相机分别与PLC控制器、PC机相连；PLC控制器为主控制器，通过PLC编程电缆数据通讯线与PC机相连；光电传感器与PLC控制器相连；镜头滤片安装于多光谱相机下端，环形光源与光源发生器相连，并位于镜头滤片下方；

控制装置包括PLC控制器、变频器、模拟量输入/输出模块、数字量输出模块数字量控制模块、模拟量控制模块、PC机、伺服电机、伺服电机驱动器、传送带及PLC编程电缆数据通讯线；PLC控制器与变频器相连；变频器与伺服电机控制器相连，伺服电机控制器与伺服电机相连，伺服电机与传送带相连；PLC控制器通过一组模拟量输入/输出模块和一个数字量输出模块与射频加热装备连接；PLC控制器通过两组模拟量输入/输出模块和一个数字量输出模块与热风加热装备连接；PLC控制器通过数字量控制模块与射频加热装备、热风加热装备相连，控制其开关状态；PLC控制器通过模拟量控制模块与射频加热装备、热风加热装备相连，来调节射频加热装备两电极板的间距、热风加热装备的加热功率和热风传送速度；

PC机与射频热风加热系统相连，对装置实现控制。

2.采用权利要求1所述的一种多光谱-射频-热风果蔬干燥检测装置的检测方法，其特征在于，步骤如下：

1)开启电源总开关，新鲜果蔬样本放置于物料入口的传送带上，通过PC机控制设置传送带的速度、正向地将新鲜果蔬样本传输至射频热风加热系统；

2)当新鲜果蔬样本达到加热位置后，传送带停止运动，射频加热装备开启，向PC机中输入上、下电极板的间隔距离，开始射频加热；当根据实际情况，需要使用热风加热时，则在PC机中设置热风加热装备的加热功率、热风传送速度，开启热风加热装备；

3)在干燥一定的时间后，停止射频热风干燥系统的工作，再次启动传送带，以正向的运转方向将传送带上的干燥果蔬样本传输至多光谱检测系统；

4)当传送带侧面的位置传感器检测到干燥果蔬样本已经处于多光谱相机的检测区域时，将位置信息返回至PC机，PC机控制传送带停止运动，多光谱相机开启，采集图像，采集相关的图片信息并发送到PC机，经过PC机的图像处理、图像运算，得到该状态下干燥果蔬样本的收缩率和含水率值并显示；

5)参考合格状态下干燥果蔬收缩率和含水率的标准值，与当前干燥果蔬样本质值作比较，当满足生产所规定的合格品质标准时，则将干燥果蔬样本正转传至包装盒包装，当检测所得到的干燥果蔬样本品质还不达到规定的标准时，则控制传送带以一定速度反转至射频热风加热系统中，设置输入相关的加热设备参数，继续加热；

6)射频热风加热后，重复步骤3)-5)过程，直至检测值满足合格标准，关闭设备停止运转。

3.根据权利要求2所述的检测方法，其特征在于，在检测之前，需要训练建立收缩率预测模型和含水率预测模型，具体建模内容：将果蔬样本放置于多光谱-射频-热风果蔬干燥检测装置中干燥，等时间间隔设立n个取样点；每个取样点分别取出m个果蔬样本，其中一半的果蔬样本用于含水率检测实验，剩下一半的果蔬样本用于收缩率检测实验；对于每个干燥阶段，首先用多光谱成像系统对每个果蔬样本进行多光谱图像采集并对图片进行相关特征的提取，特征作为建模时的输入值；然后使用标准测定方法检测得到果蔬样本实际的收缩率值或含水率值，作为建模时的输出值；最后一共得到(n*m)/2个干燥果蔬样本用于收缩率预测模型建立，(n*m)/2个干燥果蔬样本用于含水率预测模型建立。

4.根据权利要求2或3所述的检测方法，其特征在于，上述的干燥果蔬样本实际的收缩率值或含水率值：(1)收缩率实际值测量

收缩率是根据果蔬样本干燥前后的体积的变化来确定，其表达式为：

式中Vd和V0分别表示样本干燥前和干燥后的体积；果蔬样本的体积是根据物体的质量与感观密度的比值计算得到；感观密度是根据国标GB/T6949-1998测定煤的相对感观密度的方法进行操作；质量通过电子秤测得；

(2)含水率实际值测量

干燥果蔬样本的含水率测量是参照国家标GB/T/8858-88，利用烘箱直接烘干法测定水分含量，以湿基百分比w.b表示含水率值，表达式为：式(2)中mt为果蔬样本干燥时间t/min时的湿重，md为烘箱干燥后的干物质质量。

5.根据权利要求2或3所述的检测方法，其特征在于，图像采集和特征提取步骤如下：

(1)多光谱相机对所有的果蔬样本进行图像采集；

(2)通过中值滤波和自适应阈值法来去除图片中的传送带背景，提取图片中的感兴趣区域；

(3)在提取的感兴趣区域内，分别提取图像的光谱图像的均值、熵值、相对散度、标准差四个种类的特征，具体的计算公式如下所示：其中，

式中:Mx和My分别是样本水平方向和垂直方向上的像素数，f(i,j)为像素点的相对反射光强， 为光强的平均值，(a,b)、f(a,b)分别为样品图像的质心坐标及其相对反射光强；

(4)通过灰度共生矩阵公式计算得到光谱图像的灰度共生矩阵p，在四个不同的方向

0°，45°，90°，135°并且距离设置为1的条件下，统计四种不同的灰度共生矩阵特征：对比度、相关性、能量、均匀性，每个特征的计算公式分别如下所示：其中，

式中，p(i,j)是光谱图像的灰度共生矩阵在点(i,j)的值，X、Y分别是p的行数和列数；

(5)每个果蔬样本最终提取得到8种图像特征，用于收缩率或含水率预测模型建立。

6.根据权利要求4所述的检测方法，其特征在于，图像采集和特征提取步骤如下：

(1)多光谱相机对所有的果蔬样本进行图像采集；

(2)通过中值滤波和自适应阈值法来去除图片中的传送带背景，提取图片中的感兴趣区域；

(3)在提取的感兴趣区域内，分别提取图像的光谱图像的均值、熵值、相对散度、标准差四个种类的特征，具体的计算公式如下所示：其中，

式中:Mx和My分别是样本水平方向和垂直方向上的像素数，f(i,j)为像素点的相对反射光强， 为光强的平均值，(a,b)、f(a,b)分别为样品图像的质心坐标及其相对反射光强；

(4)通过灰度共生矩阵公式计算得到光谱图像的灰度共生矩阵p，在四个不同的方向

0°，45°，90°，135°并且距离设置为1的条件下，统计四种不同的灰度共生矩阵特征：对比度、相关性、能量、均匀性，每个特征的计算公式分别如下所示：其中，

式中，p(i,j)是光谱图像的灰度共生矩阵在点(i,j)的值，X、Y分别是p的行数和列数；

(5)每个果蔬样本最终提取得到8种图像特征，用于收缩率或含水率预测模型建立。

7.根据权利要求2、3或6所述的检测方法，其特征在于，收缩率或含水率预测模型采用最小二乘支持向量机LS-SVM建立，具体过程为：将获得的(n*m)/2个用于收缩率预测模型建立的干燥果蔬样本，按照比例随机划分至训练集和测试集中；训练集中的样本用于训练模型，得到模型参数并生成收缩率预测模型，测试集中的样本用于测试评价基于训练集所建模型的预测性能；建立模型时，径向基函数被用作LS-SVM的核心函数，采用留一交叉验证法训练得到最优的模型参数值；测试集样本收缩率的预测值与其实际收缩率值之间的相关系数、均方根误差被用于评价模型的性能，相关系数越大、均方根误差越小，则模型预测能力越强；干燥果蔬样本含水率值预测模型的建立方法与收缩率值预测模型的建立方法一致。

8.根据权利要求4所述的检测方法，其特征在于，收缩率或含水率预测模型采用最小二乘支持向量机LS-SVM建立，具体过程为：将获得的(n*m)/2个用于收缩率预测模型建立的干燥果蔬样本，按照比例随机划分至训练集和测试集中；训练集中的样本用于训练模型，得到模型参数并生成收缩率预测模型，测试集中的样本用于测试评价基于训练集所建模型的预测性能；建立模型时，径向基函数被用作LS-SVM的核心函数，采用留一交叉验证法训练得到最优的模型参数值；测试集样本收缩率的预测值与其实际收缩率值之间的相关系数、均方根误差被用于评价模型的性能，相关系数越大、均方根误差越小，则模型预测能力越强；干燥果蔬样本含水率值预测模型的建立方法与收缩率值预测模型的建立方法一致。

9.根据权利要求5所述的检测方法，其特征在于，收缩率或含水率预测模型采用最小二乘支持向量机LS-SVM建立，具体过程为：将获得的(n*m)/2个用于收缩率预测模型建立的干燥果蔬样本，按照比例随机划分至训练集和测试集中；训练集中的样本用于训练模型，得到模型参数并生成收缩率预测模型，测试集中的样本用于测试评价基于训练集所建模型的预测性能；建立模型时，径向基函数被用作LS-SVM的核心函数，采用留一交叉验证法训练得到最优的模型参数值；测试集样本收缩率的预测值与其实际收缩率值之间的相关系数、均方根误差被用于评价模型的性能，相关系数越大、均方根误差越小，则模型预测能力越强；干燥果蔬样本含水率值预测模型的建立方法与收缩率值预测模型的建立方法一致。