详情

原文传递基于光谱校正的水果在线检测方法及系统

专利名称：	基于光谱校正的水果在线检测方法及系统
摘要：	本发明提供一种基于光谱校正的水果在线检测方法及系统，其中，该方法包括：获取不同果径的待测水果的近红外透射光谱信息；将近红外透射光谱信息转换为同一光程标准下的标准光谱信息；将标准光谱信息输入至光谱检测模型，输出不同果径的待测水果的可溶性固体物含量。该系统包括：输送单元、光照单元、光谱仪和计算机，其中：输送单元包括输送带及驱动装置；光谱仪的探测镜头安装于输送带的侧方，计算机内的运算单元用于将近红外透射光谱信息转换为同一光程标准下的标准光谱信息，并输出可溶性固体物含量。本发明提供的水果在线检测方法及系统，减小了水果直径差异对水果可溶性固形物的近红外光谱检测的影响，提高了检测的精度。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京农业智能装备技术研究中心
发明人：	黄文倩;夏宇;樊书祥;李江波;田喜
专利状态：	有效
申请日期：	2019-07-19T00:00:00+0800
发布日期：	2019-10-25T00:00:00+0800
申请号：	CN201910653867.X
公开号：	CN110376154A
代理机构：	北京路浩知识产权代理有限公司
代理人：	王文思
分类号：	G01N21/3563(2014.01);G;G01;G01N;G01N21
申请人地址：	100097 北京市海淀区曙光花园中路11号农科大厦A座1107
主权项：	1.一种基于光谱校正的水果在线检测方法，其特征在于，包括：获取不同果径的待测水果的近红外透射光谱信息；将所述近红外透射光谱信息转换为同一光程标准下的标准光谱信息；将所述标准光谱信息输入至光谱检测模型，输出所述不同果径的待测水果的可溶性固体物含量。 2.根据权利要求1所述的基于光谱校正的水果在线检测方法，其特征在于，所述将所述标准光谱信息输入至光谱检测模型之前，还包括：获取建模样本集中每个样本水果的全波段波长的近红外透射光谱信息，以及每个样本水果的可溶性固体物含量的测定值；基于竞争性自适应重加权算法，对每个所述全波段波长的近红外透射光谱信息进行处理，获取特定数量特征波长的近红外透射光谱信息；基于偏最小二乘算法，对每个样本水果的可溶性固体物含量和与所述样本水果相对应的所述特定数量特征波长的近红外透射光谱信息进行处理，建立基于所述特征波长的所述光谱检测模型。 3.根据权利要求2所述的基于光谱校正的水果在线检测方法，其特征在于，所述建立基于所述特征波长的所述光谱检测模型之后，还包括：利用全波段光谱检测模型和所述光谱检测模型分别获取所述建模样本集中每个样本水果可溶性固体物含量的预测值，并将所述预测值分别与所述每个样本水果的可溶性固体物含量的测定值进行比较，对所述光谱检测模型进行验证。 4.根据权利要求3所述的基于光谱校正的水果在线检测方法，其特征在于，所述将所述近红外透射光谱信息转换为同一光程标准下的标准光谱信息，包括：建立由不同果径的样品水果组成的样品集，并由所述样品集内所有果径为参考果径的样品水果组成参考集，将所述参考集内水果样品的近红外透射光谱信息设为参考光谱信息；基于所述参考光谱信息，获取所述样品集的平均衰减系数；利用所述平均衰减系数对所述不同果径的待测水果的近红外透射光谱信息进行光谱信息校正，获取同一光程标准下的标准光谱信息。 5.根据权利要求4所述的基于光谱校正的水果在线检测方法，其特征在于，所述获取所述样品集的平均衰减系数，包括：其中，P(λ)为λ波长条件下的所述样品集的平均衰减系数，Tr(λ)为λ波长条件下的参考光谱信息，Ti(λ)为所述样品集内第i个样品水果在λ波长条件下的实际光谱信息，dr为参考直径，di为所述样品集内第i个样品水果的实际直径，n为所述样品集内样本总数，g为函数系数；相应地，所述利用所述平均衰减系数对所述不同果径的待测水果的近红外透射光谱信息进行光谱信息校正，获取同一光程标准下的标准光谱信息，包括：其中，T1(λ)为λ波长条件下不同果径的水果的透射光谱信息，T2(λ)为λ波长条件下校正后的标准光谱信息，所述不同果径的水果的透射光谱信息与所述标准光谱信息一一对应。 6.根据权利要求5所述的基于光谱校正的水果在线检测方法，其特征在于，在利用所述平均衰减系数对所述样本水果的透射光谱进行光谱信息校正，获取对应的同一光程标准下的标准光谱信息之前，对所述函数系数g进行寻优，获取最优函数系数g值，包括以下步骤：将所述函数系数g的取值在设定区间内以第一设定步长分为多个子区间，分别计算每个子区间的平均衰减系数，并分别以每个子区间的平均衰减系数计算样本水果的可溶性固体物含量的预测值；确定每个子区间对应的预测值中最接近所述测定值，作为目标预测值，并将所述目标预测值对应的子区间作为目标子区间；所述测定值为建模样本中样本水果的可溶性固体物含量的测定值的；在所述目标子区间内以第二设定步长继续对所述函数系数g进行寻优迭代，直至获取使得所述预测值最接近所述测定值的函数系数g。 7.根据权利要求1所述的基于光谱校正的水果在线检测方法，其特征在于，在将所述标准光谱信息输入至光谱检测模型之前，还包括：对所述标准光谱信息进行7点Savitzky-Golay平滑处理后，再进行基线漂移校正处理。 8.根据权利要求2所述的基于光谱校正的水果在线检测方法，其特征在于，所述建立基于所述特征波长的所述光谱检测模型之后，还包括：基于所述光谱检测模型，根据所述建模样本集内所有样品水果全波段近红外透射光谱信息，获取验证样本集内所有样品水果的可溶性固形物含量的预测值；获取所述验证样本集内所有样品水果的测定值与所述预测值的校正相关系数、预测相关系数、校正均方根误差以及预测均方根误差对所述光谱检测模型进行验证。 9.一种基于光谱校正的水果在线检测系统，其特征在于，包括：输送单元、光照单元、光谱仪和计算机，其中：所述输送单元包括：用于输送待测水果的输送带及驱动所述输送带的驱动装置；所述光照单元设置于所述输送带的侧方，用于提供卤素灯光源；所述光谱仪的探测镜头安装于所述输送带的另一侧方，用于获取不同果径的待测水果的近红外透射光谱信息，并将所述近红外透射光谱信息发送至所述计算机；所述计算机内的运算单元用于将待测水果的近红外透射光谱信息转换为同一光程标准下的标准光谱信息，并进一步将待测水果的标准光谱信息输入至光谱检测模型，输出所述不同果径的待测水果的可溶性固体物含量。 10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述基于光谱校正的水果在线检测方法的步骤。
所属类别：	发明专利