详情

原文传递香蕉可溶性固形物含量的可见/近红外光谱无损检测方法

专利名称：	香蕉可溶性固形物含量的可见/近红外光谱无损检测方法
摘要：	本发明公开了一种香蕉可溶性固形物含量的可见/近红外光谱无损检测方法，针对已知可溶性固形物含量的香蕉样品，用可见/近红外光谱仪采集香蕉样品表面的光谱信息，获得各种样本的光谱代表信息后，还需对光谱信息进行预处理；将香蕉光谱数据导入The Unscrambler X 10.1中，进行样本光谱数据的预处理；利用导数矫正法进行特征波长的提取，基于一阶微分提取的特征波长段对应的光谱数据建立多元线性回归模型，记录该模型下的衡量指标，最终选定特征波段为1230nm‑1440nm；建立数学模型后，需要有各项指标对模型的准确性、可靠性、稳定性和预测能力作出衡量和评价。本发明可以更加客观、准确实现香蕉可溶性固形物含量的快速检测，从而实现香蕉采摘期的快速无损判定。
专利类型：	发明专利
国家地区组织代码：	广东;44
申请人：	华南农业大学
发明人：	杨洲;王韬隐;余孝福;李婧娴;付函;段洁利;向军;丁允贺;蒋寅龙;李波;王伟强
专利状态：	有效
申请日期：	2019-08-08T00:00:00+0800
发布日期：	2019-10-11T00:00:00+0800
申请号：	CN201910729171.0
公开号：	CN110320165A
代理机构：	广州市华学知识产权代理有限公司
代理人：	冯炳辉
分类号：	G01N21/25(2006.01);G;G01;G01N;G01N21
申请人地址：	510642 广东省广州市天河区五山路483号
主权项：	1.香蕉可溶性固形物含量的可见/近红外光谱无损检测方法，其特征在于：针对已知可溶性固形物含量的香蕉样品，用可见/近红外光谱仪采集香蕉样品表面的光谱信息，获得各种样本的光谱代表信息后，还需对光谱信息进行预处理；将香蕉光谱数据导入TheUnscrambler X 10.1中，进行样本光谱数据的预处理，即依次采用多项式卷积平滑法和标准正态变量矫正进行消噪处理；为了提高模型精度，利用导数矫正法进行特征波长的提取，基于一阶微分提取的特征波长段对应的光谱数据建立多元线性回归模型，记录该模型下的衡量指标，最终选定特征波段为1230nm-1440nm；建立数学模型后，需要有指标对模型的准确性、可靠性、稳定性和预测能力作出衡量和评价。 2.根据权利要求1所述的香蕉可溶性固形物含量的可见/近红外光谱无损检测方法，其特征在于，包括以下步骤： 1)样本准备试验品种为巴西蕉，为减少样本大小造成的误差，用游标卡尺挑选出具有代表性且大小均匀、没有机械损伤和虫害缺陷的果实，总共果指数45根，为避免采后病害，试样用0.05％的施保功浸泡3min后常温下晾干，将45个样本以3:1的比例随机划分为校正集和预测集，其中校正集33个和预测集12个，并编号、标记； 2)光谱数据获取采用900-1700nm的可见/近红外光谱仪扫描获得完整香蕉样本的光谱数据，扫描方式为连续波长扫描，采集方式为漫反射；光纤与样品表面刚好接触，采集前用白板进行校正；在每个样品弯曲度最大的部位，360度周向范围内均匀采集3个不同区域的光谱信息，然后取其均值作为相应样本的光谱信息，由软件自动保存至电脑； 3)可溶性固形物含量的理化检测采集完香蕉样本的光谱信息后，再依照编号次序，利用手持式数显折光仪测量对应样本的糖分含量作为标准，具体流程为：称取香蕉样品光谱照射位置附近的果肉各1g，放入3个烧杯中研碎，用移液枪吸取去离子水，分别加入24ml到每个烧杯中，用磁力搅拌器搅拌后静置备用，用移液枪从每个烧杯中吸取5ml样品的上清液，逐次滴加到折光仪的检测部位，使汁液盖满检测部位进行测量，每测量一次之后，都用去离子水清洗折光仪的检测部位和移液枪，接着进行下一次的检测，以免造成数据误差，以三次测量的均值作为待测样本的理化值； 4)光谱数据预处理在原始光谱图中，光谱两端的波段所掺杂的噪声多，信噪比低，为了建立模型的精度，选取955-1615nm波长下的光谱反射率进行预处理；将光谱数据导入The Unscrambler X10.1中，依次采用多项式卷积平滑法和标准正态变量矫正进行消噪处理； 5)特征波段的提取为了提高模型的预测精度，用导数矫正法对原始光谱数据进行一阶微分，将微分后的光谱数据生成光谱图，由于糖类物质中的C-H、O-H在1200nm和1450nm附近有吸收峰，通过波峰选择特征波段：1230-1440nm，含有40个波长：1232nm、1238nm、1244nm、1249nm、1255nm、1261nm、1266nm、1272nm、1278nm、1283nm、1289nm、1295nm、1301nm、1306nm、1312nm、1318nm、1323nm、1329nm、1334nm、1339nm、1345nm、1351nm、1356nm、1341nm、1346nm、1352nm、1358nm、1363nm、1368nm、1373nm、1389nm、1395nm、1401nm、1407nm、1415nm、1421nm、1427nm、1432nm、1438nm； 6)校正集模型的建立以折光仪测量的33个校正集的糖分含量为Y值，以步骤4)、5)处理后的光谱反射率为X值，基于特征波段对应的光谱数据建立多元线性回归模型，结果表明，采用一阶微分法提取的特征波长所建立模型的效果最好，能满足需求，因此，一阶微分法能够作为香蕉果实特征波段提取的最佳方法； 7)模型预测利用检验集的12个样本进行验证，得到预测集样本中糖分含量的预测值和真实值之间的线性关系，发现绝大多数样本的预测值和测量值的绝对误差值在0.06以下，都在规定范围内，因此，模型的精度能够满足需求。
所属类别：	发明专利