Non-destructive detection of mechanical damages in apples by using pulsed infrared thermography

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

During the picking, storage, and transportation processes, collisions between fruits can cause mechanical damage and reduce the overall quality of the fruit. In order to ensure the quality of fruits, it is necessary to carry out non-destructive testing on fruits. This paper investigates a method for non-destructive evaluation (NDE) of early mechanical damage in apples using pulsed infrared thermography (PIRT). By applying thermal excitation to the apples and using an infrared camera to capture temperature differential data, various data processing techniques, including Fast Fourier Transform (FFT), Principal Component Analysis (PCA), and morphological algorithms, were employed to process and analyze the acquired images. The experimental results show that the morphological algorithm performs better than other algorithms in defect edge detection, enabling clear identification of defect features and reducing noise interference. We provide an efficient and accurate NDE solution for mechanical damage in apples, which is significant for improving the quality of agricultural products and extending their shelf life.

About the authors

Sen Wang

School of Light Industry, Harbin University of Commerce

Email: 3170700600@qq.com
China, 150028 Harbin

Xin Huang

School of Light Industry, Harbin University of Commerce

Email: huangx1359@163.com
China, 150028 Harbin

Bin Wang

School of Light Industry, Harbin University of Commerce

Email: 2406185469@qq.com
China, 150028 Harbin

Tao Peng

School of Light Industry, Harbin University of Commerce

Email: 815509799@qq.com
China, 150028 Harbin

Chiwu Bu

School of Light Industry, Harbin University of Commerce

Author for correspondence.
Email: buchiwu@126.com
China, 150028 Harbin

References

  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.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».