详情

原文传递快速无损检测李子可溶性固形物含量的方法

专利名称：	快速无损检测李子可溶性固形物含量的方法
摘要：	本发明涉及机器视觉领域，具体是一种快速无损检测李子可溶性固形物含量的方法。该方法包括以下步骤：收集不同品种的新鲜李子样本，采用光谱采集系统获取所有样本的平均反射光谱，并采用标准正态变换对原始光谱数据进行预处理；利用ATAGO PAL‑α数字手持袖珍折射仪测量所有李子样本的可溶性固形物含量值；利用SPXY算法将所有样本按照校正集和预测集样本数3:1的比例划分，并应用连续投影算法选取特征波长；采用误差反向传播网络模型建立李子可溶性固形物含量的预测模型；本发明通过光谱技术结合BP网络，可实现李子可溶性固形物含量的无损、快速检测。
专利类型：	发明专利
国家地区组织代码：	贵州;52
申请人：	贵阳学院
发明人：	尚静;张艳;孟庆龙
专利状态：	有效
申请日期：	2019-03-26T00:00:00+0800
发布日期：	2019-06-28T00:00:00+0800
申请号：	CN201910232799.X
公开号：	CN109946243A
代理机构：	亳州速诚知识产权代理事务所(普通合伙)
代理人：	刘佳
分类号：	G01N21/25(2006.01);G;G01;G01N;G01N21
申请人地址：	550005 贵州省贵阳市龙洞堡见龙洞路103号
主权项：	1.一种快速无损检测李子可溶性固形物含量的方法，其特征在于，该方法包括以下步骤：选取不同品种的新鲜李子样本，采用光谱采集系统获取所有样本的平均反射光谱，并采用标准正态变换对原始光谱数据进行预处理；利用ATAGO PAL-α数字手持袖珍折射仪测量所有李子样本的可溶性固形物含量含量值；利用SPXY算法将所有样本按照校正集和预测集样本数3:1的比例划分，并应用连续投影算法选取特征波长；采用误差反向传播网络模型建立李子可溶性固形物含量的预测模型，计算得到待检李子样本的可溶性固形物含量。 2.根据权利要求1所述的快速无损检测李子可溶性固形物含量的方法，其特征在于，具体步骤为：（1）选取大小均匀无任何损伤的“红”李子、“青”李子样本；将所有样本依次编号后放在室温（22±2）℃下储藏，每隔1天取样一次，利用光谱采集系统获取李子样本的平均光谱反射率，其中光谱采集系统的积分时间是110 ms，扫描次数平均为8，滑动平均宽度为1；光谱采集过程由OceanView软件控制，光谱范围为集202.25~995.38nm，在此范围内共1024个波段；在MATLAB R2016b软件中采用标准正态变换对原始光谱数据进行预处理，以消除表面散射以及光程变化对光谱的影响，经标准正态变换处理后得光谱曲线；（2）将李子样本去皮后，利用ATAGO PAL-α数字手持袖珍折射仪测量所有李子样本的可溶性固形物含量，每个样本分别测量3次求平均值，建立李子可溶性固形物含量数据库；结合（1）所得预处理后的光谱数据和实际测得的可溶性固形物含量，进一步利用SPXY算法将李子样本按照3:1的比例划分为校正集和预测集；（3）应用连续投影算法选取特征波长，共选取了31个最佳波长作为特征波长，这31个特征波长按重要性从高到低依次为：840.70，369.69，245.49，243.86，377.68，221.86，287.66，507.55，649.82，217.78，230.01，214.51，213.69，225.94，243.04，317.52，255.24，268.23，224.31，234.09，205.52，266.60，323.96，290.90，303.82，208.79，203.06，292.51，221.04，260.92，247.11nm；（4）将（3）中经应用连续投影算法选取的31个特征波长作为BP网络模型的输入，由于BP网络模型随机选取初始权值，因此采用50次重复建模结果的平均值作为最终结果，其中建模集中李子样本预测值与真实值的决定系数RC为0.981，均方根误差RMSEC为0.402，预测集中李子样本预测值与实际的决定系数RP为0.842，均方根误差RMSEP为2.771；（5）利用光谱采集系统提取样本待检李子样本的平均光谱反射率，对所得原始光谱数据进行标准正态变换后，再将31个特征波长对应的光谱反射率输入李子可溶性固形物含量预测模型中，计算得到待检李子样本的可溶性固形物含量。 3.根据权利要求1或2所述的快速无损检测李子可溶性固形物含量的方法，其特征在于：所述光谱采集系统包括计算机、光谱仪、卤钨灯光源、反射探头支架、标准反射白板及光纤，所述光谱仪、卤钨灯光源均通过光纤与光谱仪连接，所述光谱仪与计算机信号连接，所述标准反射白板置于反射探头支架的正对面，所述计算机用于控制整个系统。
所属类别：	发明专利